用人工智能构建的“深度假”可以检测水污染物

科学家们说，机器学习过程可以让网站扫描互联网上的数百万张图片，创造出新的“深度造假”，也可以用来检测水污染。

堪萨斯大学的研究团队正在研究使用类似的机器学习过程来生成一种被称为贝塔桶的蛋白质结构，这种蛋白质结构可以用于检测金属污染物的传感器。

首席研究员Joanna Slusky说:“这些β桶非常有用，因为它们可以把东西带过膜。”“木桶可以制造很好的酶——木桶可以做很多不同的事情。”

Slusky和她的共同首席研究员，以色列海法大学的Rachel Kolodny教授和Margarita Osadchy教授(以及堪萨斯大学的博士后Daniel Montezano)，将开发一种新的机器学习过程，生成支架与自然界中发现的支架相似，但序列不同的β -桶。

在过去，改变桶的绑定特性需要大量的工作，这必须完全手工完成，并导致有限数量的支架或桶结构的微小变化。

相反，科学家们选择使用机器学习过程来生成大量的桶。

Slusky说:“有一个网站叫‘这个X不存在’。“如果你去那个网站，你会看到所有这些人工智能生成的东西，而人实际上并不存在。但是电脑可以做出一个图像，比如一只猫。但那并不是一只真正的猫——一台电脑拍了一堆猫的照片，然后说:“好吧，我们现在可以生成你想要多少的猫的照片，因为我们知道什么是猫了。”我们需要让某些东西变得真实，这样我们才会觉得它更像是生成一个食谱。

“问题是，如何让计算机生成蛋白质的配方。”

Slusky的团队认为，就像计算机生成猫的图像一样，他们可以训练算法生成与蛋白质序列相对应的序列，这些序列可以用于生物传感器，从而能够识别水道中的铅等污染物。

Slusky说:“如果我们使它们的大小合适，这个分子将是放入某些特定金属的理想分子，你可以有合适的取代基，这样它就可以与金属结合。”

“因为它是在膜中，它可以给你某种电导差异——当它被结合和当它没有结合时是有区别的。如果你能做到这一点，你就能感知到不同的金属，以及这些金属的不同浓度。我们有很多重大的进展要完成，但我充满希望和兴奋。”

今年7月，英国环境署c呼吁水务公司的高管面对服刑时间如果他们监督严重,重复污染事件。在其最新的年度报告该机构指出，去年发生了62起“严重污染事件”，高于前年的44起，被该机构称为“多年来最严重的”。

同月，朴茨茅斯大学的一项研究显示，英国的污水处理基础设施正在恶化越来越脆弱8月份袭击英国的风暴似乎证实了这一预测，即由气候变化导致的“污染事件”。