- CRISPR：一种允许对生物中的任何基因进行实时编辑的技术（用任意其他序列替换任意基因序列）。

- 各种用于精确观察正在发生的事情的显微镜技术：先进的光学显微镜（包括各种荧光技术、特殊光学等）、电子显微镜、原子力显微镜等。

- 基因组测序和合成，在过去几十年里。成本已经下降了几个数量级。

- 光遗传学，允许通过照射光线激发神经元。

- mRNA疫苗，原则上允许我们设计针对任何东西的疫苗，然后快速适应。

- 细胞疗法，如CAR-T，允许将免疫细胞从体内取出并「重新编程」，以攻击任何东西。

- 理论突破，如疾病的病原体理论或认识到免疫系统与癌症之间的联系。

以上列举的这些所有技术，是因为他想提出一个关键的主张——

如果有更多有才华、创造力的研究人员，这些技术的发现速度可能会提高10倍或更多。

为什么Amodei这么认为？

因为当我们试图确定「智力回报」时，应该养成提出某些问题的习惯，而这些问题的答案就是原因。

首先，这些发现通常是由极少数研究人员做出的，往往是同一批人反复做出，这表明是技能而非随机搜索（后者可能表明冗长的实验是限制因素）。

其次，它们往往「本可以」比实际早几年被发现：例如，CRISPR是细菌免疫系统中自然存在的一个组成部分，自80年代就已为人所知，但人们花了25年才意识到它可以被重新用于一般的基因编辑。

第三，成功的项目往往是小规模的，或最初人们认为不太有前途的后续想法，而不是大规模资金支持的努力。这表明推动发现的不仅仅是大规模的资源集中，而是创新能力。

最后，尽管这些发现中有一些具有「顺序依赖性」，这再次可能造成实验延迟。不过，许多也许是大多数，都是独立的，意味着可以同时并行进行多项工作。

这些事实都在表明，如果科学家更聪明，更善于在人类拥有的大量生物学知识之间建立联系，就有数百个这样的发现等待被做出。

AlphaFold/AlphaProteo在解决重要问题方面比人类更有效取得成功。

尽管经过了数十年精心设计的物理建模，为我们提供了一个概念验证（尽管是在狭窄领域使用一个狭窄工具），应该为我们指明前进的方向。

因此，Amodei猜测强大的AI至少可以将这些发现的速度提高10倍，让我们在5-10年内获得未来50-100年的生物学进展。

为什么不是100倍？

也许这是可能的，但在这里，顺序依赖性和实验时间都变得重要。

另一种说法是，Amodei认为存在一个不可避免的恒定延迟：实验和硬件设计有一定的「延迟」，需要进行最少次数的迭代，以学习那些无法通过逻辑推导出的东西。

但在此基础上，可能实现大规模并行。

从更积极的角度来看，AI加持的生物科学可能会通过开发更好的细胞实验模型（甚至是模拟），减少临床试验中迭代的需求。

这在开发抗衰老过程的药物方面尤其重要，因为衰老过程持续数十年，我们需要更快的迭代循环。

综上所述，Amodei的基本预测是，AI生物学和医学将使人类生物学家在未来50-100年内可能取得的进展，压缩到5-10年内完成。

Amodei将这称为「压缩的21世纪」。

尽管预测强大的AI在几年内能做什么，本质上仍然困难且具有推测性，但思考「人类在未来100年内独立能做什么？」，这个问题却有一定的现实基础。

以下列出了我们可能期待的内容：

（这并非基于任何严格的方法论，几乎肯定会在细节上被证明是错误的，但它试图传达我们应该期待的总体变革程度）

- 可靠地预防和治疗几乎所有自然传染病

- 消除大多数癌症

- 对遗传疾病有效预防和治疗

- 预防阿尔兹海默症

- 改善对大多数疾病治疗

- 「生物自由」

- 人类寿命翻倍

一旦人类寿命达到150岁，我们可能就能达到「逃逸速度」（指延长寿命的速度超过衰老的速度），为目前活着的大多数人争取足够的时间，使他们能够想活多久就活多久，尽管当然不能保证这在生物学上是可能的。

如果所有这些在7-12年内实现（这将符合激进的人工智能发展进程），世界将会有多么不同。

毫无疑问，这将是人类的一次巨大胜利，一次性消除了困扰人类数千年的大多数灾难。

神经科学与心理健康

上一节主要关注的是身体疾病和生物学，没有涉及神经科学或心理健康。

但是，神经科学是生物学的一个分支学科，心理健康与身体健康同样重要。事实上，心理健康对人类福祉的影响甚至比身体健康更直接。

数亿人由于成瘾、抑郁、精神分裂症、低功能自闭症、创伤后应激障碍、精神病态或智力障碍等问题而生活质量极低；更多的数十亿人正在与更轻微的日常问题作斗争。

与一般的生物学领域一样，在AI的发展下，我们可能不仅能解决问题，还能提高人类生活体验的基本水平。

Amodei在以上为生物学制定的基本框架同样适用于神经科学，也就是说，这个领域同样是被少数的与测量或精准干预工具有关的发现而推动的，比如最近的光遗传学、CLARITY、膨胀显微镜等等。

此外，许多通用的细胞生物学方法也可以直接应用于神经科学，这些进展的速度同样会被人工智能加速。

出于同样的原因，「未来5-10年内完成100年的进展」，也同样适用于神经科学。

与生物学一样，20世纪以来，神经科学的进展也是飞快且巨大的。

例如，已经实现脑机接口的我们，事实上直到20世纪50年代才真正理解神经元如何以及为什么会放电。

因此，我们有理由期待，人工智能加速的神经科学将在几年内产生快速进展。

我们应该在这个基本图景中添加一点，那就是过去几年中学到的，或正在学习到的，一些关于人工智能本身的知识，可能会帮助推进神经科学，即使神经科学研究仍然只由人类来进行。

首先，「可解释性」是一个明显的例子。

尽管表面上，生物神经元和人工神经元以完全不同的方式运作，但「简单单元组成的的分布式、训练过的网络如何协同工作以执行重要计算」，这个基本问题是相同的。

举例来说，AI系统可解释性研究人员发现的一种计算机制，最近在小鼠大脑中被重新发现。

论文地址：https://www.biorxiv.org/content/10.1101/2023.03.15.532836v1