人工智能驅(qū)動(dòng)的科學(xué)進(jìn)步到哪一步了？｜附AI摘要與評(píng)論

一位科技公司首席執(zhí)行官解釋了為什么人工智能可能短期內(nèi)無(wú)法治愈疾病，仍然需要人類(lèi)。

凱文·魯斯、凱西·牛頓和瑞秋·科恩

AI摘要與評(píng)論

這段對(duì)話以冷靜、務(wù)實(shí)的技術(shù)視角，對(duì)人工智能將徹底改變科學(xué)和醫(yī)學(xué)的種種宏大承諾提出了反駁。通過(guò)與科學(xué)家、技術(shù)專(zhuān)家、FutureHouse 和 Edison Scientific 的創(chuàng)始人 Sam Rodriques 的深入對(duì)話，主持人探討了一個(gè)核心問(wèn)題：如果人工智能如此強(qiáng)大，為什么它還沒(méi)有治愈疾病或以顯而易見(jiàn)的方式改變科學(xué)發(fā)現(xiàn)？

羅德里格斯的回答既不輕蔑也不理想化。相反，他重新定義了問(wèn)題。人工智能，例如Kosmos這類(lèi)工具所體現(xiàn)的人工智能，已經(jīng)在改變科學(xué)——但這種改變是特定且有限的。Kosmos 并不會(huì)自主地發(fā)明治療方法；它加速了研究的分析階段。通過(guò)閱讀數(shù)千篇論文、編寫(xiě)數(shù)萬(wàn)行代碼以及整合龐大的數(shù)據(jù)集，它可以在數(shù)小時(shí)內(nèi)完成相當(dāng)于人類(lèi)數(shù)月分析工作的任務(wù)。至關(guān)重要的是，這種加速是通過(guò)實(shí)證研究來(lái)衡量的：Kosmos 重現(xiàn)了人類(lèi)研究人員花費(fèi)數(shù)月時(shí)間才發(fā)現(xiàn)的未發(fā)表的研究成果。在某些情況下，它甚至提出了真正全新的假設(shè)，例如識(shí)別出將基因變異與 2 型糖尿病聯(lián)系起來(lái)的機(jī)制。

然而，羅德里格斯反復(fù)強(qiáng)調(diào)，這只是科學(xué)流程的一部分。科學(xué)包括決定收集哪些數(shù)據(jù)、收集數(shù)據(jù)，然后解釋數(shù)據(jù)。Kosmos 主要解決的是第三步。更深層次的瓶頸——實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)生成、臨床試驗(yàn)、患者招募、生產(chǎn)制造和監(jiān)管審批——仍然頑固地依賴(lài)于人、材料，而且進(jìn)展緩慢。這就是為什么羅德里格斯認(rèn)為人工智能“十年內(nèi)治愈所有疾病”的說(shuō)法難以置信。即使假設(shè)完美無(wú)缺，生物學(xué)的發(fā)展也遵循著任何計(jì)算都無(wú)法壓縮的時(shí)間尺度。

這段對(duì)話的價(jià)值尤其在于它駁斥了一個(gè)常見(jiàn)的誤解：即智能不足是醫(yī)學(xué)發(fā)展的主要障礙。羅德里格斯認(rèn)為，真正的限制在于知識(shí)的匱乏和實(shí)驗(yàn)中不可避免的不確定性。即使是擁有無(wú)限智能的系統(tǒng)，也無(wú)法推斷出從未經(jīng)過(guò)實(shí)證檢驗(yàn)的世界事實(shí)。人工智能可以幫助設(shè)計(jì)更完善的實(shí)驗(yàn)，但它無(wú)法取代實(shí)際操作實(shí)驗(yàn)的必要性。從這個(gè)意義上講，這段對(duì)話巧妙地抵制了技術(shù)決定論的敘事，并重申了科學(xué)實(shí)踐核心的認(rèn)知謙遜。

另一個(gè)關(guān)鍵主題是可靠性。Kosmos 和人類(lèi)一樣，也會(huì)犯錯(cuò)。它的輸出結(jié)果需要仔細(xì)解讀和驗(yàn)證，但羅德里格斯將其重新定義為一種延續(xù)性而非危機(jī)：科學(xué)家們已經(jīng)花費(fèi)大量時(shí)間互相檢查彼此的工作，而且驗(yàn)證的速度總是比最初的發(fā)現(xiàn)更快。真正的風(fēng)險(xiǎn)并非錯(cuò)誤本身，而是將速度誤認(rèn)為確定性。

討論還將 Kosmos 置于更廣闊的“人工智能服務(wù)于科學(xué)”的背景下。Rodriques 明確區(qū)分了科學(xué)過(guò)程建模（生成假設(shè)的智能體）和自然世界建模（例如 AlphaFold 或生成式抗體設(shè)計(jì)等系統(tǒng)）。后者，尤其是生成式生物模型，代表著一次深刻的變革：從頭設(shè)計(jì)蛋白質(zhì)、抗體甚至生物體的能力。這些進(jìn)展或許比解決數(shù)學(xué)奧林匹克難題等象征性里程碑更具變革性，盡管它們更難衡量，驗(yàn)證也更耗時(shí)。

或許最具哲學(xué)趣味的是關(guān)于“意外發(fā)現(xiàn)”的討論。科學(xué)突破往往源于錯(cuò)誤、噪聲或天真的實(shí)驗(yàn)——這些特征似乎與以?xún)?yōu)化為導(dǎo)向的人工智能系統(tǒng)相悖。羅德里格斯認(rèn)為，人工智能科學(xué)家或許需要刻意保留甚至人為地引入隨機(jī)性和誤差，這與生物進(jìn)化本身遙相呼應(yīng)。這一見(jiàn)解巧妙地挑戰(zhàn)了“進(jìn)步只能來(lái)自效率”的假設(shè)。

總的來(lái)說(shuō)，這段對(duì)話在不削弱人工智能驅(qū)動(dòng)科學(xué)重要性的前提下，揭開(kāi)了其神秘面紗。它描繪了一個(gè)未來(lái)：人工智能不會(huì)取代科學(xué)家，而是重塑他們的認(rèn)知?jiǎng)趧?dòng)——將數(shù)月的分析壓縮到幾天之內(nèi)，拓展假設(shè)空間，并促使人類(lèi)扮演更具策展性和解釋性的角色。這場(chǎng)變革即便到來(lái)，也會(huì)比炒作所暗示的更加悄無(wú)聲息、緩慢推進(jìn)——但其意義卻絲毫不減。

正文

各大人工智能實(shí)驗(yàn)室的負(fù)責(zé)人認(rèn)為，人工智能將開(kāi)啟科學(xué)發(fā)現(xiàn)的新時(shí)代，幫助我們治愈疾病，并加快應(yīng)對(duì)氣候危機(jī)的能力。但迄今為止，人工智能究竟為科學(xué)做出了哪些貢獻(xiàn)呢？

為了更好地了解情況，我們采訪了薩姆·羅德里格斯，他是一位從科學(xué)家轉(zhuǎn)型為技術(shù)專(zhuān)家的學(xué)者，目前正通過(guò)其非營(yíng)利組織FutureHouse和一家營(yíng)利性衍生公司Edison Scientific開(kāi)發(fā)用于科學(xué)研究的人工智能工具。Edison Scientific最近發(fā)布了Kosmos——一款人工智能代理（或者用該公司的話來(lái)說(shuō)，是一款人工智能科學(xué)家），該公司聲稱(chēng)它只需運(yùn)行12小時(shí)即可完成相當(dāng)于六個(gè)月博士或博士后水平的研究工作。

Sam 向我們?cè)敿?xì)介紹了 Kosmos 的工作原理，以及為什么像這樣的工具能夠顯著加快數(shù)據(jù)分析速度。他還探討了為什么一些關(guān)于人工智能治愈疾病的驚人說(shuō)法并不現(xiàn)實(shí)，以及在真正實(shí)現(xiàn)人工智能加速的未來(lái)道路上仍然存在哪些瓶頸。

以下是我們對(duì)話的文字記錄，為了清晰簡(jiǎn)潔，略作編輯。

羅斯：所以，我們今天請(qǐng)您來(lái)?yè)?dān)任科學(xué)專(zhuān)家，為我們介紹近期人工智能在科學(xué)領(lǐng)域取得的重大突破。我隱約知道這個(gè)領(lǐng)域很重要，也知道它正在發(fā)生很多大事，但我們倆都不是科學(xué)家，雖然我小學(xué)時(shí)確實(shí)做過(guò)一個(gè)很棒的小蘇打火山。所以今天我們有很多話題要聊，但在深入探討細(xì)節(jié)之前，我想先問(wèn)問(wèn)您一直在進(jìn)行的項(xiàng)目。上個(gè)月，您非營(yíng)利組織的商業(yè)部門(mén)——愛(ài)迪生科學(xué)公司——推出了一款名為Kosmos的人工智能科學(xué)家。您說(shuō)，Kosmos一次運(yùn)行就能完成相當(dāng)于博士或博士后六個(gè)月的工作量。請(qǐng)您介紹一下Kosmos的工作原理，以及這個(gè)“六個(gè)月”的數(shù)字是怎么來(lái)的。

羅德里格斯：沒(méi)錯(cuò)，正是如此。實(shí)際上，我想先說(shuō)明一下，當(dāng)我看到六個(gè)月的數(shù)據(jù)時(shí)，我的第一反應(yīng)是“這不可能”，對(duì)吧？現(xiàn)在我們已經(jīng)用多種不同的方法進(jìn)行了驗(yàn)證。我可以詳細(xì)地向大家解釋一下。但簡(jiǎn)單來(lái)說(shuō)，我們花了兩年時(shí)間研究如何構(gòu)建一個(gè)人工智能科學(xué)家。這里的核心理念是，我們能做的科學(xué)研究遠(yuǎn)遠(yuǎn)超過(guò)了我們擁有的科學(xué)家數(shù)量，對(duì)吧？那么，我們?cè)撊绾螖U(kuò)大科學(xué)研究的規(guī)模呢？Kosmos 最酷的地方在于，我認(rèn)為它是我們開(kāi)發(fā)的第一個(gè)真正讓人感覺(jué)像人工智能科學(xué)家的工具，當(dāng)你使用它時(shí)，你會(huì)感覺(jué)它就像一個(gè)真正的人工智能科學(xué)家，對(duì)吧？也就是說(shuō)，你輸入一個(gè)研究目標(biāo)，它就會(huì)進(jìn)行研究，然后返回一些非常深刻、有趣的見(jiàn)解，這些見(jiàn)解有時(shí)是錯(cuò)誤的，但大約 80% 的情況下都是正確的。這有點(diǎn)像你讓一個(gè)人離開(kāi)去做某件事，他回來(lái)后有差不多的概率做對(duì)。而且，使用這種方法是一種全新的體驗(yàn)，所以非常令人興奮。

具體來(lái)說(shuō)，我們計(jì)算六個(gè)月這個(gè)數(shù)字的方法是這樣的：我們找了一群學(xué)術(shù)合作者，他們都是之前做過(guò)很多研究但尚未發(fā)表的科學(xué)家。我們把同樣的研究目標(biāo)和數(shù)據(jù)集交給人工智能系統(tǒng) Kosmos，讓它去進(jìn)行新的探索和發(fā)現(xiàn)。結(jié)果它回來(lái)后發(fā)現(xiàn)的和研究人員一夜之間發(fā)現(xiàn)的完全一樣。然后我們?cè)偃?wèn)這些研究人員，他們最初花了多長(zhǎng)時(shí)間才發(fā)現(xiàn)這些？他們會(huì)說(shuō)三個(gè)月、五個(gè)月、六個(gè)月等等。這就是六個(gè)月這個(gè)數(shù)字的由來(lái)。也就是說(shuō)，這就是他們得出這個(gè)發(fā)現(xiàn)所花費(fèi)的時(shí)間。

凱西·牛頓：那我先問(wèn)幾個(gè)問(wèn)題，好讓我更好地了解情況。這個(gè)工具是不是像其他聊天機(jī)器人一樣，是一個(gè)可以輸入文字的框？如果是的話，它的技術(shù)基礎(chǔ)是什么？你們是從零開(kāi)始構(gòu)建自己的模型嗎？還是在其他公司的模型基礎(chǔ)上進(jìn)行了微調(diào)？

羅德里格斯：沒(méi)錯(cuò)，就是這樣。它確實(shí)是一個(gè)輸入框，你可以在上面輸入內(nèi)容。你可以向它提出一個(gè)研究目標(biāo)。它不是聊天機(jī)器人，對(duì)吧？它會(huì)運(yùn)行大約12個(gè)小時(shí)，最終將結(jié)果反饋給你。在構(gòu)建方面，我們基于OpenAI、谷歌和Anthropic等公司提供的多種語(yǔ)言模型。每次運(yùn)行，我們都會(huì)使用來(lái)自不同供應(yīng)商的模型。我們還有一些針對(duì)特定任務(wù)的內(nèi)部訓(xùn)練模型，這些模型比前沿供應(yīng)商提供的模型更適合我們訓(xùn)練的特定任務(wù)。Kosmos的關(guān)鍵在于它使用了我們稱(chēng)之為“結(jié)構(gòu)化世界模型”的東西。目前人工智能系統(tǒng)的一個(gè)主要局限在于，它們能夠執(zhí)行的任務(wù)長(zhǎng)度和復(fù)雜程度都有限，超過(guò)這個(gè)限度就會(huì)失控。它們會(huì)忘記自己正在做什么，不再專(zhuān)注于任務(wù)。我們最終找到了一種方法，讓他們能夠?yàn)檫@個(gè)隨著時(shí)間推移而不斷構(gòu)建的世界模型做出貢獻(xiàn)，這個(gè)模型基本上描述了他們正在執(zhí)行的任務(wù)的全部知識(shí)狀態(tài)。這意味著我們可以協(xié)調(diào)數(shù)百個(gè)不同的智能體并行或串行運(yùn)行，并讓它們朝著一個(gè)共同的目標(biāo)努力。這才是真正的突破。

羅斯：沒(méi)錯(cuò)。我覺(jué)得 Kosmos 還有一點(diǎn)很有意思，就是它的價(jià)格。這個(gè)型號(hào)每個(gè)提示要 200 美元。

羅德里格斯：是的。

羅斯：所以每次你給它布置任務(wù)，都要支付 200 美元。為什么這么貴？

羅德里格斯：我的意思是，它需要大量的計(jì)算資源。我的意思是，最根本的答案就是它需要大量的計(jì)算資源，對(duì)吧？

羅斯：比如，讓我們大概了解一下有多少。

羅德里格斯：嗯，Kosmos 每次運(yùn)行平均會(huì)編寫(xiě) 42,000 行代碼，并讀取 1,500 篇研究論文。相比之下，Claude 可能只會(huì)編寫(xiě)幾百行代碼，對(duì)吧？所以你應(yīng)該能體會(huì)到其中的差別。這需要大量的計(jì)算資源。

牛頓：你有沒(méi)有遇到過(guò)這樣的科學(xué)家：他的貓走過(guò)鍵盤(pán)，不小心按了回車(chē)鍵，結(jié)果一下子花了 600 美元？

羅德里格斯：這確實(shí)是個(gè)問(wèn)題。這確實(shí)是個(gè)問(wèn)題。所以，你必須明白，如果你是一名科學(xué)家，你去做一個(gè)實(shí)驗(yàn)，收集一些數(shù)據(jù)，你可能要花費(fèi)5000美元或10000美元。因此，科學(xué)家們想要的是盡可能最佳的性能。像那些使用過(guò)Kosmos的科學(xué)家，他們通常會(huì)回來(lái)告訴我，他們簡(jiǎn)直不敢相信我們只收200美元，對(duì)吧？你知道，我會(huì)說(shuō)，現(xiàn)在的200美元是促銷(xiāo)價(jià)。實(shí)際上，我們最終還是要漲價(jià)的。

羅斯：哦，它正在上漲。所以圣誕節(jié)前趕緊把那些提示發(fā)過(guò)來(lái)！

羅德里格斯：沒(méi)錯(cuò)。但說(shuō)真的，你知道，如果你要花幾千美元收集數(shù)據(jù)，最終限制因素就不是成本了。我們必須在退款方面非常慷慨，因?yàn)槿藗兛偸菚?huì)犯錯(cuò)。

牛頓：啊，我打錯(cuò)字了。

羅德里格斯：沒(méi)錯(cuò)，正是如此。

羅斯：所以你剛才提到的那些測(cè)試，比如你們?yōu)榱伺宄@個(gè)系統(tǒng)能運(yùn)行多久，能為科學(xué)家節(jié)省多少時(shí)間而進(jìn)行的測(cè)試，其實(shí)就是對(duì)現(xiàn)有研究的重復(fù)。但我們從那些運(yùn)營(yíng)大型人工智能實(shí)驗(yàn)室的人那里聽(tīng)到的很多說(shuō)法是，人工智能很快就能做出全新的科學(xué)發(fā)現(xiàn)。我們將開(kāi)始做一些現(xiàn)有科學(xué)方法和流程無(wú)法完成的事情。我們離那一天還有多遠(yuǎn)？

羅德里格斯：實(shí)際上，這種情況已經(jīng)發(fā)生了。如果你去閱讀我們發(fā)表的關(guān)于“宇宙號(hào)”探測(cè)器的論文，你會(huì)發(fā)現(xiàn)我們提出了七項(xiàng)結(jié)論，其中三項(xiàng)是對(duì)現(xiàn)有發(fā)現(xiàn)的重復(fù)驗(yàn)證，四項(xiàng)是對(duì)科學(xué)文獻(xiàn)的全新貢獻(xiàn)，例如新的發(fā)現(xiàn)。

牛頓：那么，在這些成就中，哪一項(xiàng)最令人印象深刻？

羅德里格斯：所以，我們非常喜歡的一個(gè)例子是，人類(lèi)基因組包含數(shù)百萬(wàn)個(gè)基因變異，對(duì)吧？這些是不同個(gè)體DNA之間的差異，與疾病相關(guān)。大多數(shù)情況下，我們知道某個(gè)變異與某種疾病相關(guān)，但我們不知道為什么，對(duì)吧？所以我們向Kosmos提供了大量關(guān)于不同遺傳因素的原始數(shù)據(jù)，比如變異是什么，哪些蛋白質(zhì)與變異附近結(jié)合等等，然后我們讓它針對(duì)2型糖尿病，識(shí)別與其中一個(gè)變異相關(guān)的機(jī)制。結(jié)果它發(fā)現(xiàn)，這是一個(gè)不在基因中的變異。Kosmos識(shí)別出，它實(shí)際上與另一種蛋白質(zhì)結(jié)合。它能夠識(shí)別出結(jié)合的蛋白質(zhì)以及正在表達(dá)的基因，并將這些信息與該基因的實(shí)際機(jī)制聯(lián)系起來(lái)，即SSR1基因，該基因參與胰腺分泌胰島素，對(duì)吧？

牛頓：好的，所以我的理解是，你的模型能夠?qū)σ恍┈F(xiàn)有數(shù)據(jù)進(jìn)行非常巧妙的推理，并識(shí)別出一些其他人類(lèi)科學(xué)家尚未發(fā)現(xiàn)，而且可能在很長(zhǎng)一段時(shí)間內(nèi)都無(wú)法發(fā)現(xiàn)的東西？

羅德里格斯：是的，沒(méi)錯(cuò)。

牛頓：好的。

羅德里格斯：我認(rèn)為科學(xué)研究通常包括決定收集哪些數(shù)據(jù)、收集數(shù)據(jù)，然后得出結(jié)論。所以，基本上，目前這就像“宇宙號(hào)”探測(cè)器所針對(duì)的第三步。你知道，還有更多的工作要做——

牛頓：你漏掉了第零步，也就是讓特朗普政府解凍你的資金。但其他方面都對(duì)。

羅德里格斯：（笑聲）

羅斯：那么，當(dāng)你從科斯莫斯探測(cè)器那里獲得這樣的發(fā)現(xiàn)時(shí)，接下來(lái)會(huì)發(fā)生什么？你需要去驗(yàn)證它嗎？你會(huì)把它交給一個(gè)研究團(tuán)隊(duì)，讓他們確保它有效嗎？接下來(lái)會(huì)發(fā)生什么？

羅德里格斯：是的，當(dāng)然。你必須去驗(yàn)證它。實(shí)際上，這也是我們?cè)谡撐闹忻枋鋈绾悟?yàn)證特定變體的原因之一。一般來(lái)說(shuō)，當(dāng)人們使用它時(shí)，是的，你需要進(jìn)行一些操作。我的意思是，實(shí)際上，當(dāng)你運(yùn)行一次 Kosmos 程序時(shí)，你首先要做的是理解它告訴你的信息。因?yàn)樗瓿傻墓ぷ飨喈?dāng)于科學(xué)家們六個(gè)月的工作量，你需要花很長(zhǎng)時(shí)間閱讀和理解它。一旦你閱讀并理解了它，那么是的，你確實(shí)需要進(jìn)行各種實(shí)驗(yàn)，進(jìn)行你自己的分析，進(jìn)行交叉驗(yàn)證，以說(shuō)服自己這是真的。然后，根據(jù)你的研究目標(biāo)，你將決定下一步，對(duì)吧？你知道，在這種情況下，我認(rèn)為從這個(gè)特定發(fā)現(xiàn)中找到新藥靶點(diǎn)的可能性很低，對(duì)吧？但是你可以繼續(xù)研究其他發(fā)現(xiàn)，然后最終，也許你會(huì)發(fā)現(xiàn)新的藥物靶點(diǎn)，啟動(dòng)一個(gè)藥物研發(fā)項(xiàng)目，你知道——

羅斯：我聽(tīng)到人們對(duì)像 Kosmos 這樣的模型表達(dá)的一種擔(dān)憂(yōu)是，這似乎并非真正的障礙所在。我們之所以沒(méi)有更多人工智能發(fā)現(xiàn)的藥物或設(shè)計(jì)藥物來(lái)治愈疾病，并非因?yàn)槲覀內(nèi)狈Πl(fā)現(xiàn)這些藥物的研究方法，而是因?yàn)樗幬镅邪l(fā)還需要進(jìn)行臨床試驗(yàn)、招募人體受試者并獲得 FDA 批準(zhǔn)。所有這些都比實(shí)際發(fā)現(xiàn)藥物本身花費(fèi)的時(shí)間要長(zhǎng)得多。那么，像這樣的模型目前在我們的科學(xué)進(jìn)程中究竟在幫助解決哪些問(wèn)題呢？

羅德里格斯：沒(méi)錯(cuò)，完全同意。我非常贊同，解決醫(yī)學(xué)難題的瓶頸最終在于臨床試驗(yàn)。最簡(jiǎn)單的例子就是看看我們能在小鼠身上治愈多少種疾病，對(duì)吧？數(shù)量驚人，因?yàn)轱@然我們可以直接進(jìn)行實(shí)驗(yàn)，但在人體試驗(yàn)中，進(jìn)展就非常緩慢。也就是說(shuō)，如果你認(rèn)為制藥公司現(xiàn)在進(jìn)行的每一個(gè)實(shí)驗(yàn)，比如每一項(xiàng)臨床試驗(yàn)，都是基于現(xiàn)有全部知識(shí)精心策劃和設(shè)計(jì)的，那你就太天真了，對(duì)吧？根本不可能。而且這些實(shí)驗(yàn)耗資數(shù)億美元。所以問(wèn)題是，我們最終還是要進(jìn)行臨床試驗(yàn)。那么，我們?nèi)绾未_保這些實(shí)驗(yàn)是在我們掌握所有知識(shí)和數(shù)據(jù)的情況下所能進(jìn)行的最佳實(shí)驗(yàn)?zāi)兀课覀儞碛写罅繑?shù)據(jù)，其中蘊(yùn)含著等待被發(fā)現(xiàn)的洞見(jiàn)，只是我們?nèi)狈θ耸秩グl(fā)現(xiàn)它們，而這最終將有助于我們進(jìn)行更好的實(shí)驗(yàn)和試驗(yàn)，對(duì)吧？

牛頓：那么，我很好奇您認(rèn)為您的工具將如何融入當(dāng)今科學(xué)家的工作流程。比如，我已經(jīng)完成了實(shí)驗(yàn)，現(xiàn)在需要一些分析方面的幫助嗎？或者，我有一些以前只做過(guò)少量分析的實(shí)驗(yàn)，想知道是否還能從中挖掘出更多價(jià)值？或者，您認(rèn)為人工智能目前還能在哪些方面真正幫助到科研人員？

羅德里格斯：是啊，問(wèn)得好。讓我回到2019年，也就是我即將完成博士學(xué)位的時(shí)候。當(dāng)時(shí)我有一個(gè)龐大的數(shù)據(jù)集，而且我當(dāng)時(shí)想畢業(yè)，因?yàn)槲沂遣┦可@意味著我一年能掙4萬(wàn)美元左右，有很多機(jī)會(huì)可以出去工作，不再做博士生了。好吧，所以我花了整整六個(gè)月的時(shí)間坐在書(shū)桌前，試圖分析數(shù)據(jù)、得出結(jié)論、閱讀論文等等。現(xiàn)在，Kosmos 正好可以解決這個(gè)問(wèn)題。你知道，你只需要把數(shù)據(jù)集交給 Kosmos，它就會(huì)得出很多結(jié)論。目前，你還需要做很多手動(dòng)工作來(lái)驗(yàn)證這些結(jié)論等等。很快它就能得出結(jié)論，而你就會(huì)說(shuō)：“太好了。”

羅斯：薩姆，我想請(qǐng)你幫我們和聽(tīng)眾介紹一下目前人工智能科學(xué)領(lǐng)域的現(xiàn)狀。最近，白宮宣布了一項(xiàng)名為“創(chuàng)世紀(jì)計(jì)劃”（Genesis Mission）的聯(lián)邦項(xiàng)目，旨在收集和利用聯(lián)邦政府掌握的所有數(shù)據(jù)集，并將其用于新的科學(xué)探索。我們也有很多類(lèi)似的項(xiàng)目，包括你自己的項(xiàng)目，以及科技行業(yè)、生物技術(shù)行業(yè)、材料科學(xué)領(lǐng)域的人工智能研究等等。請(qǐng)你大致介紹一下目前人工智能科學(xué)領(lǐng)域的熱點(diǎn)是什么，以及資金和精力都投入到了哪些方面？

羅德里格斯：沒(méi)錯(cuò)。要理解人工智能和科學(xué)的現(xiàn)狀，首先，也是最根本的一點(diǎn)，你必須明白人工智能的本質(zhì)是構(gòu)建模型，對(duì)吧？比如說(shuō)，語(yǔ)言模型，那么什么是語(yǔ)言模型呢？語(yǔ)言模型本質(zhì)上就是人類(lèi)語(yǔ)言的模型。恰好，當(dāng)你構(gòu)建一個(gè)人類(lèi)語(yǔ)言模型時(shí)，它會(huì)在某種意義上學(xué)習(xí)像人類(lèi)一樣思考，因?yàn)槿祟?lèi)是用語(yǔ)言來(lái)編碼他們的思想的。這可以說(shuō)是最偉大的發(fā)現(xiàn)之一，對(duì)吧，當(dāng)然是21世紀(jì)最偉大的發(fā)現(xiàn)，甚至可能是史上最偉大的發(fā)現(xiàn)之一。同樣地，當(dāng)我們談?wù)撊斯ぶ悄茉诳茖W(xué)領(lǐng)域的應(yīng)用時(shí)，你必須明白，你是在對(duì)事物進(jìn)行建模。這就是人工智能的本質(zhì)。這里大致可以分為兩大類(lèi)：一是模擬自然世界，對(duì)吧？二是模擬科學(xué)研究過(guò)程。這兩者本質(zhì)上是不同的，之所以要區(qū)分它們，是因?yàn)椋阒溃覀冋谧龅模瑢?duì)吧，我們正在模擬科學(xué)研究的過(guò)程。人工智能在科學(xué)領(lǐng)域的另一面是構(gòu)建模型，例如，可以預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，可以生成新的抗體，可以從頭開(kāi)始創(chuàng)造新的生物體，所有這些都是 2025 年即將發(fā)生的事情，勢(shì)頭非常強(qiáng)勁。

羅斯：是的，這很有道理。我的意思是，在模擬自然世界的過(guò)程中，你提到了蛋白質(zhì)折疊、新型生物體等等，作為一名科學(xué)家，你所看到的哪些現(xiàn)象最讓你興奮？

羅德里格斯：所以，我認(rèn)為目前最令人興奮的，毫無(wú)疑問(wèn)，就是我們所說(shuō)的生成模型的發(fā)展趨勢(shì)。這些模型可以從零開(kāi)始生成具有所需特征的蛋白質(zhì)、抗體或其他任何東西。這是我們以前從未擁有過(guò)的全新能力，意義非凡。

牛頓：我很好奇你做這些實(shí)驗(yàn)時(shí)遇到的可靠性問(wèn)題。你知道，我這周在社交媒體上看到一個(gè)說(shuō)法，我自己也驗(yàn)證了。如果你問(wèn)谷歌：“2026年是明年嗎？”它會(huì)回答：“不，2026年不是明年，而是后年。”所以，薩姆，在這種情況下，有些人可能會(huì)擔(dān)心我們現(xiàn)在把所有的數(shù)據(jù)分析都交給人工智能。那么，科學(xué)家們需要花多少時(shí)間去重新檢查人工智能的工作？這會(huì)給他們的工作帶來(lái)多大的影響？

Kevin Roose 和 Casey Newton 是播客節(jié)目《Hard Fork》的主持人，該節(jié)目旨在解讀瞬息萬(wàn)變的科技世界。歡迎訂閱收聽(tīng)。

羅德里格斯：是啊，這太搞笑了。我的意思是，你看，你得花很多時(shí)間回頭檢查。但說(shuō)清楚點(diǎn)，不管是人工智能做的還是你讓朋友做的，情況都是如此。如果你要發(fā)表論文，你最好回頭檢查一遍，確保自己有信心。而且永遠(yuǎn)不可能百分之百準(zhǔn)確，對(duì)吧？你所能做的最好的就是達(dá)到和你自己做的差不多的水平，但這并非百分之百準(zhǔn)確，因?yàn)槟悴豢赡芡昝罒o(wú)缺。而且檢查工作總是比一開(kāi)始就寫(xiě)出來(lái)要快得多。快得多。

羅斯：歷史上許多最偉大的科學(xué)突破都源于這類(lèi)奇特的偶然事件，這類(lèi)意外發(fā)現(xiàn)的時(shí)刻。你知道，青霉素在培養(yǎng)皿中開(kāi)始生長(zhǎng)，我們突然意識(shí)到，“天哪，這太棒了！”人工智能會(huì)保留這種意外發(fā)現(xiàn)嗎？還是會(huì)通過(guò)某種優(yōu)化手段將其消除？

羅德里格斯：是的，這是一個(gè)很好的問(wèn)題，但事實(shí)是我們目前真的還不知道。這將是一個(gè)非常重要的核心問(wèn)題，很多人都在問(wèn)。

魯斯：你對(duì)此有何直覺(jué)？

羅德里格斯：我認(rèn)為他們很可能會(huì)這么做，因?yàn)椤?/p>

羅斯：他們大概會(huì)把它保存下來(lái)吧？

羅德里格斯：他們可能會(huì)保存下來(lái)，因?yàn)榍嗝顾氐陌l(fā)現(xiàn)，據(jù)我了解，基本上就是把一扇窗戶(hù)打開(kāi)，放在一些沒(méi)有添加抗生素的瓊脂上。顯然，當(dāng)時(shí)他們還沒(méi)有抗生素，因?yàn)檫@是第一個(gè)抗生素的發(fā)現(xiàn)，對(duì)吧？所以，窗戶(hù)打開(kāi)，上面放著一些瓊脂，一些孢子飛到上面開(kāi)始生長(zhǎng)，他們觀察到細(xì)菌受到了抑制，對(duì)吧？這是一個(gè)錯(cuò)誤。有人搞砸了，對(duì)吧？而這個(gè)錯(cuò)誤卻帶來(lái)了驚人的發(fā)現(xiàn)，我認(rèn)為，總會(huì)有一些錯(cuò)誤被保存下來(lái)。

牛頓：但與此同時(shí)，科學(xué)家們應(yīng)該始終敞開(kāi)窗戶(hù)。你永遠(yuǎn)不知道會(huì)發(fā)生什么。

羅德里格斯：你沒(méi)聽(tīng)錯(cuò)，說(shuō)真的，學(xué)術(shù)界有很多東西值得挖掘，對(duì)吧？尤其是研究生，一年級(jí)的研究生，他們根本不知道該做什么。他們完全不知道該做什么。而這正是科學(xué)進(jìn)步的巨大源泉，因?yàn)樗麄儠?huì)做一些最隨機(jī)、最古怪的事情，那些真正懂行的人想都想不到，但實(shí)際上，這些事情真的非常重要。

Roose：你幾乎希望你的人工智能科學(xué)家模型能產(chǎn)生一點(diǎn)幻覺(jué)。

羅德里格斯：完全正確。或者說(shuō)，就是增加噪音，對(duì)吧？我們討論過(guò)，這就像是為了增加噪音，而這實(shí)際上對(duì)生物進(jìn)化也很重要，對(duì)吧？比如基因組里有很多噪音，進(jìn)化就是這樣隨機(jī)地產(chǎn)生新的東西的，就像有一種蛋白質(zhì)，一開(kāi)始完全隨機(jī)，什么也不做，然后有一天，突然之間，哎呀，它開(kāi)始起作用了，這很棒，對(duì)吧？

Roose：你如何看待像 Demis、Dario 和 Sam Altman 這樣的大型人工智能實(shí)驗(yàn)室的領(lǐng)導(dǎo)者，他們說(shuō)，“人工智能將在未來(lái)一二十年內(nèi)使我們能夠治愈所有疾病或大多數(shù)疾病”？

羅德里格斯：這十年真是瘋狂。哦，我很樂(lè)意在這件事上表明我堅(jiān)定的立場(chǎng)，因?yàn)槿绻义e(cuò)了，那豈不是好事嗎？如果我錯(cuò)了，那大家都是贏家。總之，這十年真是瘋狂。

羅斯：為什么說(shuō)這是瘋狂的？

羅德里格斯：因?yàn)椋缥覀冎坝懻摰哪菢樱耗惚仨氝M(jìn)行臨床試驗(yàn)。如果我們現(xiàn)在有一種藥物可以阻止衰老，完全阻止25歲到65歲之間人類(lèi)的衰老，你也得等上十年才能知道結(jié)果，因?yàn)樵谶@個(gè)年齡段，你至少需要五到十年的時(shí)間才能檢測(cè)到人類(lèi)是否在衰老。也就是說(shuō)，你無(wú)法在一年之內(nèi)檢測(cè)到衰老。所以，你無(wú)法知道這種藥物是否有效。

牛頓：我不知道。我高中畢業(yè)十年同學(xué)聚會(huì)上，有些人看起來(lái)已經(jīng)很憔悴了。

羅德里格斯：（笑聲）

牛頓：真不想這么說(shuō)。

羅德里格斯：我的確說(shuō)過(guò)是 25！

牛頓：好吧，有道理。

羅德里格斯：沒(méi)錯(cuò)。我的意思是，我們必須進(jìn)行實(shí)驗(yàn)。這些實(shí)驗(yàn)需要時(shí)間。現(xiàn)在，30年，我認(rèn)為是完全有可能的。我們不知道未來(lái)會(huì)發(fā)生什么。我們不知道是否有可能阻止衰老。我們不知道是否有可能治愈所有疾病等等，但從現(xiàn)在到未來(lái)30年，我認(rèn)為我們應(yīng)該會(huì)看到我們?cè)谥R(shí)方面取得巨大的飛躍。

牛頓：讓我再深入探討一下，因?yàn)槲矣X(jué)得有些人可能會(huì)誤解，認(rèn)為這本質(zhì)上是一個(gè)監(jiān)管問(wèn)題，我們目前還沒(méi)有相應(yīng)的機(jī)構(gòu)，比如FDA，來(lái)衡量這方面的情況。不過(guò)，我對(duì)實(shí)驗(yàn)方面更感興趣。因?yàn)閾?jù)我了解，我們沒(méi)有足夠的生物學(xué)家來(lái)開(kāi)展所有我們想做的實(shí)驗(yàn)。我們可能也沒(méi)有足夠的資金來(lái)支持這些實(shí)驗(yàn)。而且您也提到過(guò)，有些實(shí)驗(yàn)確實(shí)需要很長(zhǎng)時(shí)間才能完成。那么，您認(rèn)為有哪些因素會(huì)導(dǎo)致疾病防治工作如此困難呢？

羅德里格斯：我的天哪。你得去，你知道，就算你有一個(gè)想在人體上測(cè)試的分子，也知道你想在哪些人身上測(cè)試，你還得去制備它，對(duì)吧？人體很大，需要大量的藥物。你必須確保它的純度足夠高，才能真正用于人體。你得找到病人，這意味著要和醫(yī)生建立關(guān)系，對(duì)吧？實(shí)際上，你知道，你得等到有足夠多的病人愿意做試驗(yàn)。很多疾病的病人本來(lái)就不多。所以找到病人很難，對(duì)吧？然后你還得給他們用藥。你得等著看結(jié)果，對(duì)吧？即使沒(méi)有監(jiān)管，這個(gè)過(guò)程也會(huì)很慢。

牛頓：是的。幾乎所有這些問(wèn)題都沒(méi)有人工智能的捷徑可走，至少目前還沒(méi)有。

羅德里格斯：不，人工智能能讓我們做的是，它能讓我們發(fā)現(xiàn)很多我們已經(jīng)掌握了相關(guān)信息的事物。我們只是還沒(méi)弄明白而已。人工智能研究人員有時(shí)會(huì)談到另一點(diǎn)，這可能不太合理，那就是你不應(yīng)該指望有一天你能得到GPT-7，然后問(wèn)它如何治療阿爾茨海默病，它就能告訴你答案。我的預(yù)期是，我們掌握的知識(shí)還不夠。原則上，即使擁有無(wú)限的智能，我們也沒(méi)有足夠的知識(shí)來(lái)解決這個(gè)問(wèn)題，對(duì)吧？即使擁有無(wú)限的智能，仍然會(huì)有一些關(guān)于世界的未知領(lǐng)域，我們需要通過(guò)實(shí)驗(yàn)來(lái)探索。你可以根據(jù)已知的一切來(lái)設(shè)計(jì)最佳的實(shí)驗(yàn)方案，但你不可能從零開(kāi)始，完全摸索出答案，對(duì)吧？

羅斯：凱西，我學(xué)過(guò)拉丁語(yǔ)。拉丁語(yǔ)的意思是“來(lái)自新的”。

牛頓：哦，謝謝，謝謝。這省去了我上網(wǎng)搜索的步驟。

羅斯：這嚴(yán)格來(lái)說(shuō)不算科學(xué)，但我很好奇你對(duì)此有何看法，薩姆。所有的大型人工智能實(shí)驗(yàn)室都癡迷于數(shù)學(xué)，癡迷于贏得國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽，癡迷于獲得金牌，癡迷于破解那些未經(jīng)證明的數(shù)學(xué)定理。我對(duì)此有個(gè)看法，我認(rèn)為這是因?yàn)檫@些實(shí)驗(yàn)室里的人本身就是高中時(shí)期的數(shù)學(xué)競(jìng)賽選手，參加過(guò)國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽并且成績(jī)斐然。他們中的許多人認(rèn)為通用人工智能（AGI）只不過(guò)是比他們稍微聰明一點(diǎn)的版本。但我很好奇，為什么這些機(jī)構(gòu)如此癡迷于數(shù)學(xué)，并希望在數(shù)學(xué)領(lǐng)域取得重大進(jìn)展？

羅德里格斯：原因有二。我認(rèn)為其中一個(gè)原因正如你剛才所說(shuō)，大家都很熟悉，對(duì)吧？另一個(gè)原因是你可以衡量進(jìn)步，對(duì)吧？所以，歸根結(jié)底，就像機(jī)器學(xué)習(xí)的進(jìn)步一樣，很大程度上取決于基準(zhǔn)。在數(shù)學(xué)中，你可以判斷你的證明是否正確。而且，需要證明的東西幾乎是無(wú)窮無(wú)盡的。因此，很容易判斷你是否在進(jìn)步。像國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽（IMO）這樣的項(xiàng)目就提供了絕佳的機(jī)會(huì)。相比之下，如果你看看最近一些最大的突破，比如今年生物學(xué)人工智能領(lǐng)域最大的突破，對(duì)吧？像Chai Discovery和Nabla這樣的公司，他們開(kāi)發(fā)出了從頭合成抗體的非常優(yōu)秀的模型，對(duì)吧？這是巨大的突破，但最終，對(duì)他們來(lái)說(shuō)真正的勝利要等到它被批準(zhǔn)用于人體試驗(yàn)，而這可能還需要五年左右的時(shí)間。Arc Institute則首次實(shí)現(xiàn)了從零開(kāi)始設(shè)計(jì)生物體，他們?cè)O(shè)計(jì)了一種噬菌體。它是一種能感染細(xì)菌的病毒。很神奇，對(duì)吧？但它的評(píng)估就比較困難。比如，它到底有多好？畢竟，你不可能把它釋放到自然環(huán)境中，所以評(píng)估起來(lái)就比較困難，而免疫分子（IMO）則非常純凈。因此，我認(rèn)為我們一直在思考的一個(gè)問(wèn)題是，如何才能找到真正清晰的基準(zhǔn)，來(lái)衡量我們?cè)诳茖W(xué)研究方面做得是否出色？

羅斯：我這里有個(gè)答案：國(guó)際癌癥治愈奧林匹克競(jìng)賽。

牛頓：我喜歡這個(gè)。

魯斯：我們開(kāi)始吧？

牛頓：我覺(jué)得那太好了！

羅斯：我們可以給贏家頒獎(jiǎng)。呃，實(shí)驗(yàn)室，咱們趕緊行動(dòng)起來(lái)。所以，當(dāng)這些公司的CEO或領(lǐng)導(dǎo)人發(fā)表諸如“我們將在未來(lái)10年或15年內(nèi)，或者他們給出的任何時(shí)間表內(nèi)，利用人工智能治愈所有疾病”之類(lèi)的言論時(shí)，他們這樣做是因?yàn)樗麄儾涣私馄渲械钠款i嗎？我的意思是，這些人都是非常聰明的人。那么，他們究竟忽略了什么？或者他們只是在進(jìn)行某種營(yíng)銷(xiāo)活動(dòng)？這是不是為了讓那些原本可能對(duì)人工智能感到恐懼的人對(duì)它產(chǎn)生興趣？他們?yōu)槭裁匆龀鲞@些預(yù)測(cè)？

羅德里格斯：不，你看，我的意思是，我認(rèn)為他們是——當(dāng)然，理性的人可能會(huì)不同意。有很多理由可以論證，這些模型實(shí)際上會(huì)變得非常智能，它們會(huì)找到方法在進(jìn)行臨床試驗(yàn)之前就衡量我們是否取得了進(jìn)展，這將加快迭代周期，對(duì)吧？關(guān)于這一點(diǎn)，有很多合理的論點(diǎn)，對(duì)吧？比如，你知道，我們可能不再進(jìn)行完整的臨床試驗(yàn)，而只使用生物標(biāo)志物。這并非異想天開(kāi)，當(dāng)然，我也可能錯(cuò)了，也許10年后，我們就能治愈所有疾病。所以，這是其中一部分原因。顯然，還有一部分原因是他們想炒作這件事。還有一部分原因是，你知道，薩姆·奧特曼真的非常了解生產(chǎn)，比如擴(kuò)大小分子藥物的生產(chǎn)規(guī)模，最終將其投入臨床應(yīng)用需要付出多少努力嗎？可能并不了解，對(duì)吧？所以，這里面有很多因素。我覺(jué)得這其中沒(méi)有任何惡意。只是大家都很興奮而已。當(dāng)然，現(xiàn)實(shí)總會(huì)在某個(gè)時(shí)刻與我們擦肩而過(guò)。我們拭目以待，看看究竟會(huì)在哪里遇到這種情況，但無(wú)論如何，未來(lái)一定會(huì)很美好，對(duì)吧？

牛頓：在 2025 年的今天，您認(rèn)為人工智能工具在多大程度上改變了科研人員的生活？您預(yù)計(jì)一年后情況會(huì)有多大不同？

羅德里格斯：我認(rèn)為你會(huì)驚訝于他們至今還沒(méi)有采用新方法。科學(xué)家們普遍非常保守，因?yàn)槿绻阍谧鰧?shí)驗(yàn)，你永遠(yuǎn)無(wú)法真正完全了解，至少在生物學(xué)領(lǐng)域，你通常無(wú)法完全理解實(shí)驗(yàn)成功或失敗的原因。有些東西是你從過(guò)去運(yùn)行的實(shí)驗(yàn)方案中繼承下來(lái)的，你會(huì)覺(jué)得“我們一直都是這么做的”。你可以去驗(yàn)證它，但需要驗(yàn)證的東西太多了。所以，你基本上被困在現(xiàn)有方法里，因?yàn)檫@些方法有效，你只想做有效的方法。因此，生物學(xué)家采用新方法的速度很慢。我認(rèn)為世界各地的大多數(shù)實(shí)驗(yàn)室可能仍然沿用他們以前的方式進(jìn)行科研，而且可能還會(huì)繼續(xù)這樣做一段時(shí)間，這也沒(méi)什么問(wèn)題。我認(rèn)為在編程領(lǐng)域，很多人已經(jīng)開(kāi)始采用它了，因?yàn)樵谏飳W(xué)領(lǐng)域，編程歷來(lái)是一個(gè)很大的瓶頸。現(xiàn)在，生物學(xué)家們，尤其是那些不懂編程的人，能夠利用 Claude Code、OpenAI 的模型、Gemini 等工具進(jìn)行大量的編程工作，這無(wú)疑是一項(xiàng)巨大的突破。我認(rèn)為這將很快得到廣泛應(yīng)用。文獻(xiàn)檢索也是如此，能夠解析浩瀚的科學(xué)文獻(xiàn)，這同樣是一項(xiàng)巨大的突破，也將很快得到普及。我們正在開(kāi)發(fā)的這類(lèi)工具則更偏向于前沿技術(shù)。最終 ，當(dāng)人們看到其他人使用這些工具并取得顯著成果時(shí)，他們自然也會(huì)采用它們。

羅斯：薩姆，我們來(lái)玩?zhèn)€快問(wèn)快答的小游戲吧？我們管這叫“被過(guò)度炒作/被低估”。我們會(huì)告訴你一些事情，你根據(jù)你的科學(xué)判斷，說(shuō)說(shuō)它是被過(guò)度炒作還是被低估了。準(zhǔn)備好了嗎？接下來(lái)是驗(yàn)證環(huán)節(jié)。人工智能系統(tǒng)會(huì)用數(shù)學(xué)方法進(jìn)行證明。

羅德里格斯：如果非要我選，那可能被過(guò)譽(yù)了。它作為人工智能領(lǐng)域的進(jìn)步驅(qū)動(dòng)力固然很好，而且擅長(zhǎng)這項(xiàng)技術(shù)或許會(huì)對(duì)其他領(lǐng)域產(chǎn)生影響，但它本身真的那么有用嗎？我不太確定。

Roose：用于人工智能實(shí)驗(yàn)室自動(dòng)化的機(jī)器人技術(shù)？

Rodriques：機(jī)器人技術(shù)是用于自動(dòng)化人工智能實(shí)驗(yàn)室，還是……？

羅斯：是的，或者用于科學(xué)實(shí)驗(yàn)室的自動(dòng)化。

牛頓：比如，濕實(shí)驗(yàn)室。

羅德里格斯：用于自動(dòng)化科學(xué)實(shí)驗(yàn)室的機(jī)器人技術(shù)。嗯，我覺(jué)得被炒作得恰到好處。它將會(huì)徹底改變世界。這項(xiàng)技術(shù)目前還遠(yuǎn)未成熟。我們還有很多工作要做，但總的來(lái)說(shuō)，是的，可能被炒作得恰如其分。

牛頓：AlphaFold 3？

羅德里格斯：這很有意思。我的意思是，我覺(jué)得它可能被低估了，因?yàn)槲矣X(jué)得所有蛋白質(zhì)結(jié)構(gòu)模型都備受關(guān)注，但它們將會(huì)帶來(lái)巨大的變革。所以，我覺(jué)得它可能被低估了。不過(guò)，它確實(shí)也備受關(guān)注，所以很難做出判斷。

羅斯：虛擬細(xì)胞？今年夏天，我們從帕特里克·科利森那里了解到弧形研究所是如何創(chuàng)建虛擬細(xì)胞的。

羅德里格斯：這有點(diǎn)被過(guò)度炒作了，但也有其原因。Arc 正在構(gòu)建的模型非常棒。新極限公司（New Limit）和陳·扎克伯格也在做類(lèi)似的事情。很多優(yōu)秀的公司和組織都在做類(lèi)似的事情。我認(rèn)為把它稱(chēng)為虛擬細(xì)胞有點(diǎn)言過(guò)其實(shí)，對(duì)吧？畢竟，這種模型模擬的是一些非常具體的東西。比如，真正構(gòu)建一個(gè)虛擬細(xì)胞，能夠在計(jì)算機(jī)中模擬一個(gè)細(xì)胞，這是一個(gè)了不起的目標(biāo)。我們離這個(gè)目標(biāo)還很遠(yuǎn)。

牛頓：量子計(jì)算？

羅德里格斯：被過(guò)分吹捧了。

魯斯：腦機(jī)接口？

羅德里格斯：哦，老兄，這個(gè)問(wèn)題真難回答。我覺(jué)得是被過(guò)度炒作了。我非常相信腦機(jī)接口（BCI），但我認(rèn)為真正有效的腦機(jī)接口，或者說(shuō)我們?cè)诳苹米髌分邢胂蟮哪欠N腦機(jī)接口，比人們想象的還要遙遠(yuǎn)。即使是Neuralink公司也取得了驚人的進(jìn)展——

魯斯：是啊，凱西現(xiàn)在腦子里正想著這件事呢。

牛頓和羅德里格斯：（笑聲）

羅斯：它出故障了。

羅德里格斯：那里有很多優(yōu)秀的人正在取得進(jìn)步，但我認(rèn)為，這比人們想象的要困難得多。

牛頓：現(xiàn)在快到年底了。如果可以的話，請(qǐng)您回顧一下，您認(rèn)為今年人工智能驅(qū)動(dòng)的三大科學(xué)進(jìn)步是什么？

羅德里格斯：是的，我認(rèn)為，首先——說(shuō)實(shí)話，今年是人工智能代理元年。今年人們發(fā)現(xiàn)了人工智能代理，所以我必須真誠(chéng)地把自己，也把我們列入其中。還有谷歌的合作科學(xué)家，我的意思是，我們并不是唯一從事這方面研究的人。谷歌做得非常出色。還有很多其他的人也在做。所以，用于科學(xué)的人工智能代理絕對(duì)是重點(diǎn)。然后，生成式設(shè)計(jì)也正處于蓬勃發(fā)展的時(shí)期，對(duì)吧？其他的可能包括Chai和Nabla等人所做的從頭抗體設(shè)計(jì)方面的工作。

牛頓：順便說(shuō)一句，我很高興你之前在播客里解釋了“de novo”的含義。這個(gè)問(wèn)題被反復(fù)提及。

羅斯：是的。

羅德里格斯：抱歉，我說(shuō)“從頭生成”的意思就是字面意義上的從零開(kāi)始生成。你不需要給它任何東西，對(duì)吧？你只需要給它一個(gè)你想讓它結(jié)合的靶標(biāo)，它就能從零開(kāi)始生成。這意義重大，因?yàn)橄馛hai、Nabla等公司所追求的，基本上就是創(chuàng)造一個(gè)這樣的世界：你可以說(shuō)，“我們知道要治愈這種疾病，我們必須靶向那個(gè)蛋白質(zhì)。”你只需點(diǎn)擊一個(gè)按鈕，就能得到一種抗體，明天就可以把它注射到人體里。這太棒了。它省去了人們以前必須做的大量工作。所以，這是非常重要的一點(diǎn)。第三點(diǎn)，我想說(shuō)的是Arc研究所的Brian Hee、Patrick Hsu等人所做的從頭生成生物體的工作。

牛頓：我們可以說(shuō)出來(lái)了！我們現(xiàn)在知道它的含義了。這才是最重要的。

羅德里格斯和魯斯：（笑聲）

Roose：這是我們本周的“皮威的游樂(lè)場(chǎng)”主題詞。

羅德里格斯：（笑）從頭設(shè)計(jì)生物體，這有用嗎？我不知道。這很棒嗎？當(dāng)然棒。這真是一項(xiàng)重大突破。

羅斯：那么，薩姆，明年我們應(yīng)該關(guān)注什么？你對(duì)2026年可能即將發(fā)生的事情有什么期待？

羅德里格斯：說(shuō)實(shí)話，真正迎來(lái)爆發(fā)式增長(zhǎng)的還是智能體。我們現(xiàn)在正處于S型曲線的初期，而且這種增長(zhǎng)勢(shì)頭還會(huì)持續(xù)下去。大概一年前，我會(huì)跟人說(shuō)，我認(rèn)為到2026年或者2027年，科學(xué)界產(chǎn)生的絕大多數(shù)高質(zhì)量假設(shè)都會(huì)由我們或者像我們正在開(kāi)發(fā)的這類(lèi)智能體提出。而當(dāng)我在2024年提出這個(gè)預(yù)測(cè)時(shí)，我覺(jué)得自己有點(diǎn)夸大其詞了，對(duì)吧？我當(dāng)時(shí)的想法是，“我需要一些宣傳”。但現(xiàn)在看來(lái)，這或許是真的了。我的意思是，我覺(jué)得2026年就實(shí)現(xiàn)這個(gè)目標(biāo)有點(diǎn)過(guò)于樂(lè)觀了。畢竟，大多數(shù)優(yōu)秀的假設(shè)都由智能體提出，這確實(shí)是一個(gè)巨大的飛躍。但是，到了2027年，那才叫真正的爆發(fā)。我的意思是，2026年將會(huì)是智能體開(kāi)始滲透到各個(gè)領(lǐng)域的元年，對(duì)吧？滲透實(shí)驗(yàn)室，滲透人們的日常生活。我的意思是，這種情況已經(jīng)發(fā)生了。

魯斯：酷。

牛頓：是的。

羅斯：嗯，我很期待。山姆，非常感謝你給我們補(bǔ)習(xí)了我們?cè)趯W(xué)校里明顯沒(méi)學(xué)到的科學(xué)知識(shí)。

牛頓：是的，你確實(shí)給我們提出了一些全新的思考方向。我很感激。

羅德里格斯：（笑）好。謝謝大家。

Where Is All the A.I.-Driven Scientific Progress?

A tech C.E.O. explains why A.I. probably won’t cure diseases anytime soon. Hint: You still need humans.

• Share full article

Dec. 26, 2025

By Kevin RooseCasey Newton and Rachel Cohn

應(yīng)對(duì)AI挑戰(zhàn)的關(guān)鍵是你要學(xué)得比它更聰明。