鑒于這些困難,許多生物學(xué)家長期以來一直對AI和更廣泛的「大數(shù)據(jù)」在生物學(xué)中的價值持懷疑態(tài)度。
從歷史上看,在過去30年里,將自己的技能應(yīng)用于生物學(xué)的數(shù)學(xué)家、計算機科學(xué)家和物理學(xué)家取得了巨大的成功,但并沒有產(chǎn)生最初期望的那種真正變革性的影響。
AlphaFold(背后創(chuàng)造者因此獲得諾貝爾獎)和AlphaProteo等,這樣的重大革命性突破,減弱了一些懷疑。
但仍存在一種看法,認(rèn)為AI只在有限的情況下有用(并將繼續(xù)如此)。
一個常見的說法是,「AI可以更好地分析你的數(shù)據(jù),但它不能產(chǎn)生更多的數(shù)據(jù)或改善數(shù)據(jù)的質(zhì)量。Garbage in, garbage out」。
Amodei認(rèn)為,這種悲觀的觀點是以錯誤的方式看待AI。
我們應(yīng)該將其視為一個AI生物學(xué)家,能夠執(zhí)行生物學(xué)家所做的所有任務(wù)。
包括現(xiàn)實世界中,設(shè)計和進(jìn)行實驗, 并發(fā)明新的生物學(xué)方法或測量技術(shù)等。
正是通過加速整個研究過程,AI才能真正推動生物學(xué)的快速發(fā)展。
更確切地說,生物學(xué)進(jìn)步很大一部分來自真正極少數(shù)的發(fā)現(xiàn)。
而這發(fā)現(xiàn)通常與廣泛的測量工具或技術(shù)有關(guān),它們允許對生物系統(tǒng)進(jìn)行精確但通用或可編程的干預(yù)。
每年可能大約有1項這樣的重大發(fā)現(xiàn),但它們共同推動了生物學(xué)超過50%的進(jìn)展。
這些發(fā)現(xiàn)之所以如此強大,正是因為它們突破了內(nèi)在復(fù)雜性和數(shù)據(jù)限制,直接增加了我們對生物過程的理解和控制能力。
每十年僅僅誕生幾個關(guān)鍵發(fā)現(xiàn),就能推動了我們對生物學(xué)的基本科學(xué)理解,還推動了許多最強大的醫(yī)療治療方法的發(fā)展。
這里有一些例子:
- CRISPR:一種允許對生物中的任何基因進(jìn)行實時編輯的技術(shù)(用任意其他序列替換任意基因序列)。
2019年10月9日,諾貝爾化學(xué)獎花落鋰電池領(lǐng)域,三名研究鋰電池的先驅(qū)摘得殊榮,吉野彰是三位獲獎?wù)呃锬昙o(jì)最輕的一位。
2024-07-05 14:48:56被取代!諾貝爾獎獲得者:2050年加油站會消失