药用大麻是指用草药形式制成的大麻，含THC较少，相反像大麻二酚（CBD）等药用性较强的大麻素成分较多，可以用于镇痛和控制癫痫、癌症等疾病。在美国等国家，药用大麻不属于违禁品，可以根据医生建议治疗疾病。目前，包含医用大麻的药物已经多达30000种。

PotBot应运而生。

PotBot是一种医疗大麻推荐引擎，它通过人工智能与药用大麻有关的医学文献，找到与大麻素、大麻活性化合物等有关的研究。之后，它用独特的算法找到治疗37种病症（比如失眠、哮喘和癌症等）最适合的大麻植株，并给病人提供个性化的建议。

PotBot是由David Goldstein和Baruch Goldstein父子共同创建。目前，在国外可以通过iOS或安卓应用市场下载PotBot的APP。

心情地图

谁都不知道社交平台知道你多少秘密。

每年都有几十亿的网友在各种社交平台上发布帖子、动态和心情，社交平台无疑掌握着用户行为的大数据。这打开了一个前所未有的机会，即利用人工智能从大众传播中搜集信息。

这不仅听着有趣，还非常有用。

心理学家Martin Seligman任职于宾夕法尼亚大学的心理健康中心，他和20多位心理学家、医生和计算机专家使用机器学习和自然语言处理来筛选数据，以衡量公众的心理和身体健康。

Seligman团队搜集了Facebook的资料中认为自己抑郁的将近3万个用户。

通过机器学习算法，他们发现在资料中自我描述与抑郁程度有直接关联。有了这些研究，他们可以根据描述判断其他用户是否有抑郁倾向。

社交媒体的大数据不仅可以用来感知大众的情绪，还能用来预测用户性格、收入和政治意识形态。据Twitter推断，该团队甚至根据幸福感、抑郁程度和信任度等五个性格特质，创建了一个美国各州的心理形态地图。

△听说你也想看看

美国各州心理形态地图：

https://map.wwbp.org/

社交网络，可能比对象更了解你。

在“分子厨房”里创造新物质

有机化学是个逆向推理工作。像主厨一样，先看到一份成品菜，再来研究如何制作。

化学家们也一样。他们先要考虑期望合成物质的最终结构，再想如何才能将它组装好。

目前，德国明斯特大学的研究生Marwin Segler和小伙伴们正尝试用AI简化分子合成的过程——让AI学会从数百个积木般的零件库中挑选原子等，并依据数千个合成规则进行连接它们。

但是，将这些复杂的规则编写成二进制的代码谈何容易，因此Segler团队设计出一个深度神经网络程序，它能通过数百万个例子学习化学反应如何进行，而不是在化学反应的硬性规则下编程。

“你给它提供的数据越多，它就越好，”Segler说。随着时间的推移，神经网络能学会预测合成中的最佳反应步骤，给出自己的线路，让分子从头开始合成。

Segler团队用合成40个不同分子对程序进行测试，并与传统的分子设计程序进行比较，结果证明AI比传统方法快了95%。

Segler希望用这种方法改进药品的生产流程，他也将到一家伦敦制药厂进行下一步研究和探索。

人类创造AI，AI改变世界。

找到自闭症的根源

自闭症一直是个棘手挑战。

难就难在，致病的几十种基因的变体只能解释20%的病例，而其他可能的变异，可能与25000个其他基因有关。

目前，普林斯顿大学计算生物学家Olga Troyanskaya联手纽约西蒙斯基金会考虑用AI分析人类基因。

△AI工具帮助揭示可能导致自闭症的基因

Troyanskaya结合了数百个数据集，开奖，包括基因在特定细胞中的活跃度，蛋白质相互作用的机理，以及转录因子结合位点和其他关键基因组特征的位置。

之后，她们用机器学习创建了基因相互作用图谱，并比较已知自闭症风险基因与成千上百个未知基因，寻找两者相似之处。

他们在《自然神经科学》期刊上发表论文成果，证明另外25000个基因与自闭症有关。

论文地址：

?foxtrotcallback=true