如今，不少生物学研究者正朝着这个方向努力。
不过，请注意：这不是一次传统意义上的生物实验。
近日，据 Motherboard 等多家外媒报道，来自加州理工学院生物工程助理教授 Lu-lu Qian(钱璐璐)和她的学生 Kevin Cherry 共同开发出了一种由 DNA 制成的人工神经网络，可以正确识别分子数字。这项工作是人工智能与合成生物分子电路成功“合体”的重要里程碑。
“尽管科学家刚刚开始探索在分子机器搭载人工智能，但其潜力已无可否认，”钱璐璐说。“类似电子计算机和智能手机为人类带来了远超过去百年的影响力，人造分子机器可以让所有由分子组成的物体，甚至可能包括油漆和绷带，比未来一百年更有用，有益于环境保护。”
据了解，该论文已于 7 月 19 日发表在《Nature》纸质版杂志上。
这里不得不提一下神经网络之父 Geoffrey Hinton 老爷子的贡献。在他看来，通过模仿人类大脑，对其大脑中神经元如何运作进行了理想化实现，并将 HintonBack Propagation(反向传播)算法应用到神经网络。目前，机器学习中的大多数前沿技术都涉及人工神经网络。
而钱璐璐实验室的工作目的就是让 DNA 构建的人工神经网络来模仿和挑战大脑神经元的能力。
简单来讲，所谓的 DNA 神经网络就是将 DNA 和试管作为构建的物理基础，就相当于我们通常所见的硅和晶体管。
众所周知，所有 DNA 都由四种碱性核苷酸组成：腺嘌呤(A)、胞嘧啶(C)、鸟嘌呤(G)和胸腺嘧啶(T)。一条核苷酸链与另一条链结合形成 DNA 双链，但只能以特定方式结合(即 A-T 或 C-G)。这种可预测的组合模式使得这些核苷酸成为理想的计算设备，经过设计后，它们在各种分子形态下产生特定的化学反应。
这时，通过特定化学反应产生的现象，研究人员就可以判断出该 DNA 神经网络是否正确进行了识别。这次，钱璐璐实验室挑战的是如何教人工神经网络识别手写数字。
通常情况下，这对计算机来说很难。例如，人类在写数字 4 时都会略有不同。一般人都很容易看出不同的 4 写出来的时候会有哪些相似点，机器则没有这种生物识别性。不过，要是向人工神经网络提供大量 4 的书写示例呢?算法会“学习”并对每个示例进行抽象，然后形成对 4 这个数字写法的大致概念。下一次，算法在遇到类似 4 的事物时，它会将其自己形成对 4 的概念进行比较，如何匹配度足够高，就会得出 4 的结论。
这一过程中，他们利用了 DNA 分子编码“赢者通吃”的竞争策略——DNA 神经网络通过合成所谓的“歼灭者”来区分数字。
“歼灭者与来自一个竞争者的一个分子和来自不同竞争者的一个分子形成复合物，并反应形成惰性物质，无法产生化学反应。歼灭者迅速吞噬所有竞争者的分子，直到剩下一个竞争者。然后，获胜的竞争者恢复到高浓度并产生荧光信号，表明神经网络的决策。”Cherry 表示。
重要的是，获胜者采取的方法将用于区分 DNA 试管中 1 到 9 的单个数字。例如，反应后，试管将显示两个荧光信号，绿色和黄色荧光代表 5，绿色或红色代表 9。
