新深度学习模型的广泛应用说明了人工智能的力量

如果在生物恐怖袭击中释放有毒气体，通过湍流风、温度变化和不稳定的蓝紫色预测其分子路径的能力可能意味着生死。了解城市将如何在20年内增长和变化，可能会带来更可持续的规划和负担得起的住房。

推导出解决这些问题的方程——将所有相关的力加在一起——充其量是困难的，几乎是不可能的，但在最坏的情况下，这实际上是不可能的。但是机器学习可以有所帮助。

圣路易斯华盛顿大学迈克凯尔维工程学院的研究人员设计了一种基于深度学习方法的新模型，该模型可以帮助研究人员预测混沌系统的行为，无论它们是在实验室、牧场还是其他地方。

能源、环境和化学工程助理教授Rajan Chakrabarty说：“这就是气溶胶的美。”“这不仅仅是一门学科，它只是漂浮在空中的基本粒子，而你只是观察混沌。”

这项研究作为封面文章发表在《气溶胶科学杂志》。

Chakrabarty和他的团队——博士后研究员Pai Liu和当时伊利诺伊理工学院的博士生甘景伟——对两种深度学习方法进行了测试，确定对抗网络的生成产生了最准确的结果。这种AI首先被提供真实世界过程的信息，然后根据数据创建过程的模拟。

受博弈论的启发，生成式对抗网络接收真实数据(真实数据)和随机生成的数据(虚假数据)，并试图确定哪些是真实数据，哪些是虚假数据。

这个过程反复多次提供反馈，整个系统在生成数据匹配进行训练方面越来越好。

描述气溶胶粒子通过湍流系统的混沌运动在计算上是非常昂贵的，因此Chakrabarty和他的团队需要真实的数据(一个真实的例子)来训练他们的系统。这是喷雾进入的地方。

在查克拉巴蒂实验室，该团队使用浮力相反的火焰来创建可以训练人工智能的例子。查克拉巴蒂说：“在这种情况下，我们通过实验引入浮力和温差，给系统增加了混乱。”然后，他们打开高速摄像机，记录了烟雾颗粒缠绕、靠近和穿过火焰拍摄的3D轨迹数据集。

他们利用消防站的数据训练了两个人工智能模型：变分自动编码方法和生成对抗网络。然后，每个模型将生成自己的模拟。只有GAN的轨迹反映了实验中发现的统计特征，从而产生了逼真的模拟混沌气溶胶粒子。

查克拉巴蒂的深度学习模型不仅可以模拟烟尘或化学物质一旦释放到大气中会扩散到哪里。他说：“你会看到许多这种混乱的例子，从觅食动物到大气污染物和生物威胁的运输，再到搜救策略。”

事实上，实验室现在正与一名精神病医生合作，研究治疗抽动综合征儿童的疗效。Chakrabarty解释说：“抽动秽语综合征令人困惑，因此典型的临床试验设置可能无法有效确定药物的疗效。

这种新的深度学习模型的广泛应用，不仅展示了人工智能的力量，还可以讲述更多关于现实的信息。

他说：“混乱还是秩序，要看恋人的眼光。”“这告诉你，有一些法则支配着我们周围的一切。但它们是隐藏的。

“你只需要找到他们。”