从深海到珠穆朗玛峰，从垃圾分解时形成的微小塑料颗粒无处不在，许多研究人员担心它们会危害人类健康。

　　我是一名机器学习研究者。我和一组科学家一起开发了一种工具，可以利用微塑料独特的化学指纹更可靠地识别微塑料。我们希望这项工作能帮助我们了解密歇根州研究区域空气中漂浮的微塑料的类型。

　　塑料一词指的是各种人工合成的聚合物。聚乙烯或PET用于制造瓶子；聚丙烯（PP）用于食品容器；聚氯乙烯或PVC用于管道和管道。

　　微塑料是尺寸从1微米到5毫米不等的小塑料颗粒。相比之下，人类头发的宽度在20到200微米之间。

　　大多数科学研究关注的是水中的微塑料。然而，空气中也存在微塑料。科学家对大气中的微塑料知之甚少。

　　当科学家们从环境中收集样本来研究微塑料时，他们通常想要更多地了解样本中发现的微塑料颗粒的化学特性。

　　就像指纹识别一个人的唯一身份一样，科学家们利用光谱学来确定微塑料的化学特性。在光谱学中，一种物质是吸收光还是散射光，这取决于它的分子如何振动。吸收或散射的光会形成一种独特的模式，称为光谱，这实际上是物质的指纹。

　　就像法医分析师可以将未知的指纹与指纹数据库相匹配以识别该人一样，研究人员可以将未知的微塑料颗粒的光谱与已知光谱数据库相匹配。

　　然而，在指纹匹配中，法医分析人员可能会出现错误匹配。同样，与数据库进行光谱匹配也不是万无一失的。许多塑料聚合物具有相似的结构，因此两种不同的聚合物可以具有相似的光谱。这种重叠会导致识别过程中的歧义。

　　因此，聚合物的识别方法应该在其输出中提供不确定度的测量。这样，用户就可以知道聚合物指纹匹配的信任程度。不幸的是，目前的方法通常不能提供不确定性度量。

　　来自微塑料分析的数据可以为健康建议和政策决策提供信息，因此，对于做出这些呼吁的人来说，了解分析的可靠性非常重要。

　　机器学习是研究人员开始用于微塑料识别的一种工具。

　　首先，研究人员收集了一个已知身份的大型光谱数据集。然后，他们使用这个数据集来训练机器学习算法，该算法可以学习从光谱中预测物质的化学特性。

　　复杂的算法的内部工作原理可能是不透明的，因此，当涉及到机器学习时，缺乏不确定性度量就会成为一个更大的问题。

　　我们最近的工作通过创建一种用于微塑料识别的不确定度量化工具来解决这个问题。我们使用一种叫做保形预测的机器学习技术。

　　保形预测就像一个包装现有的，已经训练有素的机器学习算法，增加了不确定性量化。它不要求机器学习算法的用户对算法或其训练数据有任何详细的了解。用户只需要能够在一组新的光谱上运行预测算法。

　　为了建立保形预测，研究人员收集了一个包含光谱及其真实身份的校准集。校准集通常比训练机器学习算法所需的训练数据小得多。通常几百个光谱就足够校准了。

　　然后，共形预测分析校准集中的预测值与正确答案之间的差异。通过这种分析，它为算法在特定粒子光谱上的单一输出添加了其他似是而非的身份。它不再输出一个可能不正确的预测，比如“这个粒子是聚乙烯”，而是输出一组预测，比如“这个粒子可能是聚乙烯或聚丙烯”。

　　预测集包含真实身份，用户可以自己设定一定程度的置信度——比如，90%。然后，用户可以以更高的置信度（比如95%）重新运行符合性预测。但置信水平越高，模型在输出中给出的聚合物预测越多。

　　输出一组而不是单个标识符的方法似乎没有那么有用。但是集合的大小可以作为评估不确定性的一种方式——集合越小，不确定性越小。

　　另一方面，如果算法预测样品可能是许多不同的聚合物，则存在很大的不确定性。在这种情况下，你可以请一位人类专家来仔细检查聚合物。

　　为了进行保形预测，我的团队使用了多伦多大学罗赫曼实验室的微塑料光谱库作为校准集。

　　校准后，我们从密歇根州布莱顿的一个停车场收集样本，获得它们的光谱，并通过算法运行它们。我们还请专家用正确的聚合物身份手动标记光谱。我们发现适形预测确实产生了包含人类专家给它的标签的集合。

　　微塑料是全球关注的一个新兴问题。加州等一些地方已经开始为未来的立法收集证据，以帮助遏制微塑料污染。

　　基于证据的科学可以帮助研究人员和政策制定者充分了解微塑料污染的程度及其对人类福祉的威胁。构建和公开分享基于机器学习的工具是帮助实现这一目标的一种方式。