根据萨里大学的一项新研究，一种新的“开箱即用”的人工智能（AI）模型教学方法可以为寻找新的癌症治疗方法提供希望。
来自萨里的计算机科学家已经证明，一种开放式或无模型的深度强化学习方法能够稳定AI模型中使用的大型数据集（最多200个节点）。该方法通过预测癌细胞对包括药物治疗在内的扰动的反应来揭示阻止癌症发展的方法的前景。
萨里大学研究的通讯作者Sotiris Moschoyiannis博士说：
“那里有一批令人心碎的侵袭性癌症，几乎没有关于它们来自何处的信息，更不用说如何对其行为进行分类了。这就是机器学习可以为我们所有人提供真正希望的地方。”
“我们已经证明，强化学习驱动的方法能够解决转移性黑色素瘤研究中真实的大规模布尔网络问题，这项研究的结果已成功地将记录数据用于不仅设计新疗法，而且还使现有疗法更加精确，下一步将是使用相同方法的活细胞。”
强化学习是一种机器学习的方法，通过这种方法，您可以奖励计算机做出正确的决定并因做出错误的决定而惩罚它。随着时间的推移，AI学会做出更好的决定。
无模型的强化学习方法是当AI没有明确的方向或环境表示时。无模型方法被认为更强大，因为AI可以立即开始学习而无需详细描述其环境。
牛津大学肿瘤系的Francesca Buffa教授对研究结果发表了评论：
“这项工作朝着基因网络扰动的预后迈出了重要的一步，这对于我们转向靶向治疗至关重要。这些结果对我的实验室来说是令人兴奋的，因为我们长期以来一直在考虑更广泛的扰动以包括微环境的细胞。”
