因此,我们可以设想这样一个场景:智能最初受到其他生产要素的严重制约,但随着时间的推移,智能本身越来越多地绕过这些要素,即使它们永远不会完全消失。
关键问题是这一切发生的速度有多快,以及按什么顺序发生。
生命科学与生理健康
在科学进步的诸多领域中,生物学可能是最有潜力直接且明确改善人类生活质量的领域。
在过去的一个世纪里,一些最古老的人类疾病(如天花)终被战胜,但还有更多疾病仍然存在。
除了治愈疾病,生命科学原则上可以通过延长健康的人类寿命、增加对我们自身生物过程的控制和自由度。
并且,它能解决我们目前认为是人类生存条件不可改变的日常问题,来提升人类健康的基本水平。
直接将智能应用于生物学的主要挑战是——数据、物理世界的速度和内在复杂性(事实上,这三者都是相互关联的)。
在涉及临床试验的后期阶段,人类约束也在发挥作用。
接下来,让我们逐一分析这些因素。
对细胞、动物甚至化学过程的实验,均受到物理世界速度的限制:
许多生物学实验方案涉及培养细菌或其他细胞,或者仅仅是等待化学反应发生,这有时可能需要几天甚至几周的时间,而且没有明显的方法可以加快速度。
更别提动物实验,可能需要几个月(或更长时间),人类实验通常需要几年(对于长期结果研究甚至可能需要几十年)。
与此相关的是,数据质量往往存在问题:总是缺乏清晰、明确的数据。
这些数据能够将感兴趣的生物效应,与其他成千上万个干扰因素隔离开来,或者能在给定过程中进行因果干预,或者直接测量某些效应(而不是以某种间接或不精确的方式推断其后果)。
即使是大规模的、定量的分子数据,也存在噪声并且遗漏了很多信息。
比如这些蛋白质在哪些类型的细胞中?在细胞的哪个部分?在细胞周期的哪个阶段?
造成这些数据问题的部分原因是,生物系统的内在复杂性。
一张人类新陈代谢生物化学图表中,若想分离出复杂系统的任何部分影响非常困难,更不用说以精确、可预测方式干预这一系统。
此外,除了在人体上进行实验所需的固有时间外,实际的临床试验还涉及大量程序和监管要求。
鉴于这些困难,许多生物学家长期以来一直对AI和更广泛的「大数据」在生物学中的价值持怀疑态度。
从历史上看,在过去30年里,将自己的技能应用于生物学的数学家、计算机科学家和物理学家取得了巨大的成功,但并没有产生最初期望的那种真正变革性的影响。
AlphaFold(背后创造者因此获得诺贝尔奖)和AlphaProteo等,这样的重大革命性突破,减弱了一些怀疑。
但仍存在一种看法,认为AI只在有限的情况下有用(并将继续如此)。
一个常见的说法是,「AI可以更好地分析你的数据,但它不能产生更多的数据或改善数据的质量。Garbage in, garbage out」。
Amodei认为,这种悲观的观点是以错误的方式看待AI。
我们应该将其视为一个AI生物学家,能够执行生物学家所做的所有任务。
包括现实世界中,设计和进行实验, 并发明新的生物学方法或测量技术等。
正是通过加速整个研究过程,AI才能真正推动生物学的快速发展。
更确切地说,生物学进步很大一部分来自真正极少数的发现。
而这发现通常与广泛的测量工具或技术有关,它们允许对生物系统进行精确但通用或可编程的干预。
每年可能大约有1项这样的重大发现,但它们共同推动了生物学超过50%的进展。
这些发现之所以如此强大,正是因为它们突破了内在复杂性和数据限制,直接增加了我们对生物过程的理解和控制能力。
每十年仅仅诞生几个关键发现,就能推动了我们对生物学的基本科学理解,还推动了许多最强大的医疗治疗方法的发展。
这里有一些例子:
2019年10月9日,诺贝尔化学奖花落锂电池领域,三名研究锂电池的先驱摘得殊荣,吉野彰是三位获奖者里年纪最轻的一位。
2024-07-05 14:48:56被取代!诺贝尔奖获得者:2050年加油站会消失2024年的诺贝尔奖在科学领域掀起波澜,生理学或医学奖、物理学奖、化学奖相继公布,其中物理学奖与化学奖的殊荣均归属AI领域的研究者,让人们惊叹于AI技术在本年度诺贝尔奖中的突出表现
2024-10-13 09:21:00AI是今年诺贝尔奖最大赢家吗苹果公司在印度的市场表现出色,截至今年3月的一年里,其收入接近80亿美元,相较于前一年同期增长约33%。其中,iPhone作为销售主力,贡献了苹果过半的销售额
2024-07-17 08:10:19苹果续创历史收盘新高6月3日晚,英特尔首席执行官帕特·基辛格在台北寒舍艾美酒店设宴,招待了包括鸿海、广达、仁宝等在内的多家PC及服务器制造企业的高层
2024-06-05 06:59:55英特尔CEO夜宴供应链高管