技術提取智慧 領銜大數(shù)據(jù)時代

人工智能的終極目標是讓機器能夠像人一樣思考和做事。但是如果機器不能夠理解人的語言，那么就不可能實現(xiàn)人機交互，更不可能自主學習。毫無疑問，有關自然語言處理的研究對于解放人類大腦，是繼工業(yè)革命解放了人類的身體之后的又一次解放。自然語言處理的誘人前景正使得它越來越成為研究的熱點。

孜孜愛國情

李辰專注于人工智能領域的自然語言處理新算法及其在生物文本挖掘領域的應用的研究由來已久。2005年李辰加入位于英國劍橋的全球著名的生物信息研究所—歐洲生物信息研究所(EMBL-EBI)以來，一直從事生物醫(yī)學數(shù)據(jù)挖掘的研究、開發(fā)工作，尤其是基于自然語言處理自動從文本中提取生物醫(yī)學知識。2010年，他從眾多候選者中脫穎而出，被英國劍橋大學授予海外Fellowship。同年，他通過了EMBL-EBI的嚴格審核，科研項目被采納在EMBL-EBI進行，成為一位來自非歐盟國家的入選者。在獲得劍橋大學博士學位后，他受邀加入麻省理工學院計算機與人工智能實驗室，在實驗室前任主任、美國工程院院士Victor Zue的團隊任博士后研究員，繼續(xù)專注于基于自然語言處理的文本數(shù)據(jù)的深度理解研究。在EMBL-EBI積累的生物學科研經(jīng)歷使得李辰對基于自然語言處理的生物文本挖掘這一跨學科領域具有獨到的見解。

“樹高千尺，不忘根本”。走得越遠，對故鄉(xiāng)的懷念卻越深。這些年，他在外求學做研究的同時，也從未停止過對祖國的關注?！爸灰拇鎸κ聵I(yè)和對祖國的熱愛，什么都不能阻擋我前進的步伐。”決定回國前，排在世界五百強企業(yè)前列的UnitedHealth邀請他擔任高級管理人員，報酬待遇非常優(yōu)渥。李辰婉拒了。他還是很希望為國效力。2016年，李辰獲得中組部“千人計劃”青年人才和西安交通大學“青年拔尖人才計劃”，回到了心心念念的祖國，任職于西北這片廣袤的土地上，開始了新的科研旅程。

◆ ◆ ◆

大數(shù)據(jù)的核心——數(shù)據(jù)挖掘

大數(shù)據(jù)是一種內(nèi)容龐大而又多樣化的信息資源，被認為是等同于人力資源和物質(zhì)資源的國家重要戰(zhàn)略資源。大數(shù)據(jù)的價值，不僅僅在于擁有海量的數(shù)據(jù)信息，更重要的是在于對這些含有意義的數(shù)據(jù)進行專業(yè)化處理，提取最具價值的信息，挖掘找到人們所需要的有價值的東西。人工分析這樣大量的數(shù)據(jù)顯然是不現(xiàn)實的，必須要有高效的方法。

數(shù)據(jù)挖掘是近年來新興的一種科學計算技術與數(shù)據(jù)分析方法，它能夠有效地從大量數(shù)據(jù)中提取潛在的信息與知識。在生物信息領域，一系列挖掘算法和挖掘模式的研究提出，并應用于生物數(shù)據(jù)，取得了傳統(tǒng)生物計算技術無可比擬的效果。

在當前大數(shù)據(jù)時代，重視生物信息學的發(fā)展極為重要，也更加需要計算機技術的支持。計算機輔助計算將是生物大數(shù)據(jù)分析的必由之路，也必將成為生物研究中的中流砥柱。對這一點，李辰堅信不疑。他所帶領的生物醫(yī)學文本挖掘研究組專注于研發(fā)數(shù)據(jù)驅(qū)動的機器學習模型和算法，來深度理解文本數(shù)據(jù)。并積極將科研成果轉(zhuǎn)化為應用。在生物信息領域，這些成功應用對于解決生命學科的重大問題具有深遠的意義。

◆ ◆ ◆

把“不可能”變成“可能”

“在科研領域里，意識到一種天才的研究方法，其價值并不在發(fā)現(xiàn)本身之下?！痹谟嬎銠C語言方面，李辰研究網(wǎng)絡的思維方法無疑是領先一步的。如何能讓計算機智能地幫我們理解這些文獻，從中自動提取出有價值的知識呢?海量的生物網(wǎng)絡反應能夠被計算機理解是第一步。李辰支持研發(fā)了BioModels數(shù)據(jù)標準及分析系統(tǒng)，創(chuàng)新性地構建了一個集智能存儲、搜索和模擬生化反應網(wǎng)絡數(shù)學模型的開放平臺。這一標準填補了生物信息學領域的網(wǎng)絡模型的數(shù)據(jù)標準空白，成為生化網(wǎng)絡模型的標準數(shù)據(jù)庫之一，目前已經(jīng)存有近十五萬生物模型。BioModels也被評為系統(tǒng)生物學領域最重要的數(shù)據(jù)資源，并且得到多家權威國際學術出版機構的超過200種期刊的推薦。2014年，歐盟在其提出的歐洲生物信息架構計劃(ISBE)的詳細方案書中闡述了關于建立一個泛歐洲系統(tǒng)生物架構的迫切需要。BioModels被歐盟作為一個成功案例在歐洲生物信息架構計劃(ISBE)的方案書中進行了分析。2014年，自然出版社對該系統(tǒng)進行了專訪。

在設計數(shù)據(jù)標準將大量的生化網(wǎng)絡數(shù)據(jù)進行整合后，李辰團隊將新的語言模型引入生物文本挖掘領域。研發(fā)的多個基于機器學習監(jiān)督算法的生物文本挖掘模型在領域公認的數(shù)據(jù)集上進行測試，所得結果證明這些模型的性能均達到國際領先水平。2016年，在生物醫(yī)學文本挖掘的國際比賽BioNLP上，李辰團隊研發(fā)的LitWay系統(tǒng)獲得了SeeDev任務的第一名。在產(chǎn)學研應用方面，他們研發(fā)的新的生物網(wǎng)絡提取架構使文本挖掘結果更加符合生物學科研究需求，從而拉近了生物文本挖掘科研與應用的距離?；诜治?，進一步提出了結合篇章分析和生物信息學的從反應提取向網(wǎng)絡生成的發(fā)展方向，得到了業(yè)內(nèi)科研人員的認可。

沒有超越現(xiàn)狀的睿智和銳氣，就沒有人類的發(fā)展;沒有強烈的創(chuàng)新意識，就沒有人類的進步?？吹嚼畛胶退膱F隊，看到那股熱烈的科研精神，我們也仿佛看到了這一新興學科的無限可能和美好未來。