人工智能带来的科学革命：给科学家打下手，比博士生还高效(2)

寻找自闭症基因

尽管生物学家们不断通过基因解开疾病的奥秘，但自闭症却令他们有些为难。自闭症具有明显的遗传倾向，而目前找到的自闭症基因，只能解释其中20%的病例。更多的自闭症疑凶，藏在人类剩下的25000多个基因中。

美国普林斯顿大学的计算生物学家欧嘉·特洛杨斯卡娅（Olga Troyanskaya）收集了大量基因在特定人类细胞中活动的数据，比如蛋白质互动的方式，转录因子结合位点和其他关键染色体性质。她的团队运用人工智能，将已知自闭症基因的活动数据，与其他未知的基因对比，寻找相似性。他们最终找到了2500个疑似基因。

帮助自闭症患者 来源：BSIP

不过，基因并不是唯一的凶手。遗传学家们最近才意识到，基因周围的染色体非编码片段也在助纣为虐。找出这些从犯，比找出自闭症基因本身还要困难多了，更需要人工智能的帮助。

大众心理

对于社会科学家来说，人工智能则是一把理性的钥匙，能解开隐藏在人类语言中的性格密码。

每天发在社交网络上的状态，是芸芸众生日常情绪的记号。但是，这些看似杂乱无章的数据，真的能成为照见大众内心的有用信息吗？美国著名心理学家马丁·塞利格曼（Martin Seligman），和他的同事们成立了一个“世界幸福项目”，试图透过社交网络数据捕捉公众心理和生理健康的信号。比起传统的问卷调查，这种方法廉价、自然，数据量也多，就是很杂乱——这就需要人工智能的帮助了。

研究员们使用了29000名做过线上自我抑郁评估的Facebook用户的数据。算法成功地在抑郁程度，和平时状态里使用的语言之间建立了关联。通过分析一个Facebook用户平时的状态，人工智能就能得出他/她的抑郁程度。

另一项研究则显得更令人惊奇：通过推特内容，人工智能可以预测一个郡的心脏病死亡率。这些隐藏在文字中的因素甚至比排在前10位的主流因素，比如抽烟与否或患糖尿病与否，更能准确地预测。

而得克萨斯大学奥斯汀分校的詹姆斯·彭尼贝克（James Pennebaker）发现，看一个学生申请入学时的文章，就能预测他/她的成绩。冠词和介词用得好的，分析性思维强，成绩一般比较好；爱用代词和副词的偏向于叙述性思维，成绩一般差一点。