全文共1231字，预计阅读时长3分钟

利用深度学习技术真的可以帮助人类找到远古的“幽灵”吗？

去年夏天，据国外《自然》杂志报道，在西伯利亚洞穴中发现的一块骨头碎片，属于尼安德特人母亲和丹尼索瓦人父亲的女儿。这一发现标志着第一代人类杂交物种的第一个化石证据。而这些所谓的幽灵种群长什么样?它们生活在哪里?我们一无所知。

今年一月份，发表于国外《自然通讯》的一篇论文中，研究人员展示了深度学习技术的潜力，可以帮助填补一些缺失的部分，而这些缺失的部分甚至可能是专家们从未意识到的。他们利用深度学习来筛选另一个幽灵种群的证据:欧亚大陆上一个未知的人类祖先，可能是尼安德特人与丹尼索瓦人的混血，也可能是丹尼索瓦人的近亲。

这项工作指出了人工智能在古生物学领域的未来用途，不仅可以用来识别无法预见的幽灵，还可以用来揭示塑造我们的进化过程中已经褪色的足迹。

纽约石溪大学人类学家贾森?刘易斯表示，我们的想象力会受到某些限制，比如我们会过多关注活人以及各个地方发现的化石这两方面。而深度学习技术能以一种奇怪的方式，重新关注可能性。这种方法不再受我们想象力的限制。

对于人工智能在基因组学方面的应用，学者们持有不同的观点。

“我认为人工智能在基因组学方面的应用被过分夸大了，”普林斯顿大学生态学家和进化生物学家约书亚·阿基(Joshua Akey)说，“深度学习是一个奇妙的新工具，但它只是另一种方法。它不会解决我们想要了解的人类进化中的所有谜团和复杂问题。”

一些专家甚至更加怀疑。“我的判断是，这些数据的密度和质量不太理想，除了经过深思熟虑的、智能的非人为分析。”哈佛大学和皮博迪博物馆的古生物学家戴维皮尔比姆(David Pilbeam)在一封电子邮件中写道。

尽管如此，在其他古生物学家和遗传学家看来，这是一个很好的进步，可以用来预测未来可能的化石发现和预期的基因变异，这些应该存在于几千年前的人类之间。

中培伟业认为，利用深度学习来推动种群遗传学的发展，谁都不知道会导致什么后果，但这种全新的方法却意味着有无限的可能，我们需要做的就是不断发展我们的技术，开启人类的新篇章。

为什么有的学者认为深度学习可以解决基因组学方面的问题？在中培伟业看来，这与深度学习的理论知识有很大的关系。

在深度学习领域，神经元是深度学习的基本单位，经由神经元作为节点连接而成的网络，是神经网络。最基本的神经网络，有两个神经元，分别处在隐含层、输出层，如下图：

深度神经网络，是由含多层隐含层神经元组成的神经网络。具体的原理和实践我们下文进行深入探讨，下面我们先来看看深度学习技术层面能解决什么问题

深度学习主要通过网状层级结构来分割世界，自动分析所见对象的分割网下的重要特征，完成剥离人工之后的处理(其实也是数据)。简单地说，就是在深度学习中，不需要人为事先明确特征、标签分类，便可以自动对信息进行处理。

由此看来，深度学习可以应用在很多场景中，比如：人脸技术、图像识别、智能监控、文字识别、图像及视频编辑等等。

未来随着消费升级，个性化需求将成为常态。由此带来的是，深度学习领域应用场景化落地的更高要求。