查看原文
其他

人工智能将改变所有学科?

特别编辑-AI篇 科睿研究院
2024-08-30

特别编辑

这是科睿研究院第168篇原创内容。

字数3503字,阅读全文大约需要8分钟。


想象一下,ChatGPT的能力,现在被应用到了微观世界的奇迹——你的DNA上。


这就是Profluent最近做出的成果。他们开发了一种名为OpenCRISPR-1的基因编辑器,运用先进的生成式人工智能技术,能够设计出微观机制的模板,从而精准、快速地编辑DNA。


众所周知,生成式AI能够编写出令人叹为观止的诗歌,打造出精细的计算机程序,绘制出栩栩如生的泰迪熊图像,甚至创作出仿佛出自好莱坞大片中的卡通人物。现在,这项技术已经跨足到了生物学的领域,预示着未来科学家们将能够以前所未有的精度和速度对抗疾病。


就像ChatGPT以其出色的文本生成能力引领了AI的热潮一样,OpenCRISPR-1也有潜力开启一个全新的时代。这项技术背后的原理,与驱动ChatGPT的那套方法不谋而合,它基于强大的深度学习和自然语言处理技术,将人工智能的奇迹从虚拟世界带入了现实生活中的微观世界。


事实上,人工智能已经几乎改变了所有的学科。它的魔力在于,它几乎能与所有学科碰撞出火花,激发出无限的创新可能。


科学家们正在挣脱传统学科的束缚,正在步入一个以解决实际问题为导向的大科学时代。这一切,在AI的助力下,已不再是遥不可及的梦想,而是触手可及的现实。



人工智能与基因编辑


当ChatGPT在文章、书籍和聊天记录中汲取知识,不断提升自己的语言能力时,Profluent将目光转向了生物学。


他们运用人工智能技术,深入分析了海量的生物数据,其中包括科学家用来编辑人类DNA的微观机制。这一创举,为他们开辟了一片新天地——全新的基因编辑器。


这些编辑器,基于诺贝尔奖获奖的CRISPR生物机制,已经彻底改变了科学家研究和对抗疾病的方式。它们提供了一种前所未有的方法,能够精确修改导致遗传疾病的基因,如镰状细胞性贫血和失明等。CRISPR原本是从细菌中汲取的生物材料,使这些微生物能够对抗外来威胁。但Profluent的研究团队,却赋予了它全新的生命。


加州大学旧金山分校生物工程和治疗科学系的James Fraser教授对Profluent的研究成果赞赏有加。他表示:“这些基因编辑器在地球上从未存在过,但它们却是基于自然界的机制创造出来的,充满了无限可能。”他期待着,这项技术能够最终产生比经过数十亿年进化而成的基因编辑器更灵活、更强大的存在。


Profluent不仅停留在研究的层面。他们已经成功利用一个人工智能生成的基因编辑器编辑了人类DNA,并将其命名为OpenCRISPR-1。


由OpenCRISPR-1编辑的人类细胞的延时图


他们决定将这项技术“开源”,意味着个人、学术实验室和公司都可以免费尝试这项技术。在生物实验室和制药公司中,如此开放的态度并不常见,但Profluent的这一举措无疑将加速新技术的发展。


虽然Profluent并未开源其人工智能技术本身,但OpenCRISPR-1的出现已经为整个领域带来了新的希望。这一项目,只是构建可改善医疗保健的人工智能技术更广泛努力的一部分。华盛顿大学的科学家们正在使用OpenAI的ChatGPT等聊天机器人和Midjourney等图像生成器来创造全新的蛋白质,以加速新疫苗和药物的开发。


生成式人工智能技术的核心,是一种被科学家称为“神经网络”的数学系统。它通过分析大量数据来学习技能,正如图像创建器Midjourney通过分析数百万张数字图像和相应的标题来学习识别图像和单词之间的联系。而Profluent的技术,也是由类似的人工智能模型驱动的,它从氨基酸和核酸序列中汲取知识,学习如何生成全新的基因编辑器。


虽然这些合成基因编辑器尚未经过临床试验的检验,但这一概念验证已经证明了人工智能模型在编辑人类基因组方面的巨大潜力。虽然短期内不太可能对医疗保健产生直接影响,但科学家们对此充满期待。加州大学伯克利分校的Fyodor Urnov博士表示,随着技术的不断进步,我们有望在未来看到更加精确、高效的基因编辑方法,使得药物和治疗能够快速针对个人进行定制。


当然,任何技术的发展都伴随着伦理和安全的挑战。科学家们对合成基因编辑器的潜在副作用和使用限制保持着警惕。正如Fraser博士所说:“一个行为不端的、不道德的人,不会因为他们使用的编辑器是人工智能创建的而感到犹豫。”



ai + 跨学科,让伟大发生

跨学科是一场科学家们的探险之旅。他们怀揣着对未知的好奇和追求,穿梭于各个学科的边界,不断地学习、适应、沟通,最终创造了无数令人瞩目的成果。


想象一下,当年进化论的诞生,正是因为动物学、植物学、生理学、地质学与古生物学的相互碰撞与交融;孟德尔的遗传学则源自生物学与统计学的精彩交汇。化学的魔力推动了病原微生物学与药学的发展,让我们得以见证阿司匹林的诞生;而物理学的进展,特别是X射线的发现,更是为医学领域带来了革命性的突破,使得临床影像诊断技术得以飞速发展。


而DNA双螺旋结构,这一被誉为上个世纪生物学界最伟大的发现,更是多学科的璀璨结晶。它依托于当时最前沿的物理学、化学和生物学的先进技术和深邃思想,才得以闪耀于世。



当生物学家们还在苦苦追寻遗传物质的踪迹时,物理学家罗莎琳·富兰克林却用X射线晶体学技术为我们揭示了DNA的精确晶体结构,她的“照片51”成为了理解DNA三维结构的关键。而DNA双螺旋的两位发现者,一位是生物学家,另一位则是转行生物学的退役物理学家,这足以见证跨学科合作的无穷魅力。


实际上,跨学科合作的辉煌成果不仅仅局限于过去。在现代社会,随着人工智能的崛起,跨学科合作正在以前所未有的速度推进。


一项由澳大利亚国家科学局在2022年进行的研究显示,自1960年以来,AI相关论文的份额增长迅猛,其影响力已经渗透到了自然科学、医学、社会科学、艺术和人文学科等几乎所有领域。


而日本文部科学省的研究也发现,一篇论文所涉及的学科数量每增加一项,其研究影响力平均提升约20%。这意味着,跨学科合作已经成为推动科学进步的重要引擎。


在AI时代,科学家们不再局限于传统的学科界限。


在天文学领域,现代望远镜收集的数据量已达到前所未有的水平,即使是构建星表这一最基本的任务也变得异常艰巨。然而,正是借助智能算法的力量,科学家们才能够高效处理这些数据,为我们揭示宇宙的奥秘。


AI赋能各个学科的交叉研究只是开始。科学家们期待的更宏伟的蓝图是彻底打破学科界限,实现科学研究的通用大平台。



在这样的平台上,科学家们可以自由地探索自己感兴趣的领域和应用开发而不需要被传统的学科界限所束缚。



挑战在哪里?


近年来,中国迅速在科技领域迈出坚实步伐,2018年自然科学基金委积极响应科技战略,新增了人工智能与交叉学科两大领域作为基金申请的重点。然而,尽管有了这样的进步,交叉学科研究在实际操作中仍面临着诸多挑战和尴尬。


在当前的科研体系下,尽管交叉学科具有巨大的潜力和价值,但获得资金和制度上的支持却异常困难。


《泰晤士高等教育》的一项调查数据显示,令人惊讶的是,约有三分之一的参与调查的大学并未给予跨学科研究人员应有的奖励,也没有有效地衡量这类工作的成功与否。



这不仅仅是研究机构的问题,科学资助机构对交叉学科的支持也显得捉襟见肘。一项基于澳大利亚全国性资助计划的为期五年的研究发现,研究提案中交叉学科的成分越高,获得资助的可能性反而越低。


这种现象背后,主要原因在于交叉学科的跨学科性质与传统学术机构的运作方式格格不入。


对于研究机构而言,跨学科研究意味着更高的风险,但也可能带来更高的回报。


一项基于32000篇论文数据的研究显示,尽管跨学科研究的生产率平均来说较低,但其引用率却较高。然而,在日益注重考核的学术环境下,机构对跨学科研究往往缺乏耐心。


与此同时,跨学科研究人才的成长也需要时间和耐心的投入。一项发表在《Communications Physics》杂志上的研究分析了英国研究委员会资助的44419项研究,结果发现,具有跨学科资助记录的研究人员更容易占据学术合作网络的主导地位。


尽管在短期内,他们的论文影响可能较小,从而影响了他们吸收资助的能力,但这些学者在论文数量和价值方面最终都会优于同行。这意味着,跨学科人才的合作网络将在未来为他们带来更高的成就,只是他们需要更多时间来成长和展现自己的潜力。


为了激发更多跨学科研究的潜力,我们不仅需要改善传统的科研体系,还需要为这些具有前瞻性的研究者们提供更多的支持和耐心。


当然,在人工智能的助力下,这一天或将不再遥远。




科睿研究院最早成立于中国香港特别行政区,是国际科学与人文科学院(International Core Academy of Sciences and Humanities)建设的综合性研究机构,致力于搭建学术界与社会间高效沟通的桥梁,将前沿的学术研究成果赋能至新时代社会发展。


作为科睿研究院主办的官方号,我们致力于打造高质量知识交流平台:持续推出与当代社会相关的洞察分析与时事评论,定期发布高质量专栏文章与交流活动,并推送有价值的学术资源和最新资讯。同时,学院积极欢迎读者们的踊跃来稿,参与我们的知识传递之旅中!



往期推荐

1

AI世界格局:美国独占鳌头,各国如何牵制

2

印度大选已成AI试验田?选民:虚假信息太多!

3

当人工智能遇上战争,会是什么样子?

4

中东国家如何布局人工智能:战略、转型与野心

欢迎转发&点赞哦~

素材来源官方媒体/网络新闻
继续滑动看下一个
科睿研究院
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存