本文原創(chuàng)為：AGI Hunt 本文來源于：細胞基因研究圈

OpenAI首個生物AI模型問世，一出手就在干細胞研究領域創(chuàng)造奇跡！

從AGI到生物科技的野心
新模型「GPT-4b micro」的問世，不僅使干細胞生成效率實現(xiàn)了50倍的飛躍式提升，更是OpenAI首次公開宣稱其AI模型具備催生突破性科學發(fā)現(xiàn)的能力。
這一成果背后，還蘊含著OpenAI更為宏大的愿景。OpenAI首席執(zhí)行官Sam Altman于上周明確表示，他堅信公司已經(jīng)探索出構(gòu)建AGI（通用人工智能）的路徑。
在他看來，超級智能工具將極大地推動科學發(fā)現(xiàn)與創(chuàng)新的進程，其效率遠遠超出人類自身的能力范疇。

18億美元抗衰老布局
這次合作的背后有著精心的布局。
Retro Biosciences，一家總部位于舊金山的專注于長壽研究的公司，是我們的合作伙伴。值得注意的是，Sam Altman早在2023年便已對其進行了1.8億美元的個人投資。該公司有著清晰且宏大的目標，即致力于將人類壽命延長10年。
而實現(xiàn)這一目標的關鍵因素在于「山中因子」（Yamanaka factors），這是一種具有特殊功能的蛋白質(zhì)，能夠?qū)⑵胀ǖ钠つw細胞轉(zhuǎn)化為干細胞。
目前，眾多財力雄厚的公司，如Altos Labs，也在積極開展對這一技術(shù)的研究，期望以此為突破口，實現(xiàn)動物年輕化、構(gòu)建人類器官，以及提供替換細胞等多種應用。
然而，該技術(shù)面臨著一個亟待解決的重大問題，即其效率極低。在實驗室環(huán)境中，完成這種細胞的「重編程」過程通常需要數(shù)周時間，而且成功率不足1%。

GPT-4b micro：超越AlphaFold
該模型采用了一種創(chuàng)新性的方法。
與谷歌DeepMind的AlphaFold不同，它并未聚焦于預測蛋白質(zhì)結(jié)構(gòu)，而是致力于利用基于語言模型的技術(shù)對非結(jié)構(gòu)化蛋白質(zhì)進行重新設計。
模型的訓練過程是通過學習來自多個物種的蛋白質(zhì)序列以及蛋白質(zhì)之間的相互作用數(shù)據(jù)來完成的。
值得注意的是，這些數(shù)據(jù)量相較于OpenAI旗艦聊天機器人的訓練數(shù)據(jù)要少得多，這也使得GPT-4b micro成為一個專注于特定數(shù)據(jù)集的“小語言模型”。

驚人實驗結(jié)果
實驗結(jié)果令人震驚：
該模型在蛋白質(zhì)改造方面表現(xiàn)出了極大的勇氣，最多可替換三分之一的氨基酸序列。
在初步試驗中，這一改造策略的效果完全超越了人類工程師的設計，使得干細胞生成效率提升了50多倍。

Retro的CEO Joe Betts-Lacroix表示：
模型的表現(xiàn)出奇地好，在相當多的情況下都超越了原始的山中因子。

哈佛大學衰老研究專家Vadim Gladyshev補充說：
這對我們來說極其有用。雖然皮膚細胞容易重編程，但其他細胞就沒那么簡單了。尤其是研究新物種時，往往會遇到巨大困難。

未來挑戰(zhàn)
然而，OpenAI的研究人員表現(xiàn)出了高度的謹慎態(tài)度。
他們指出，外部科學家需等待正式發(fā)表的研究論文才能對這些結(jié)果進行驗證。目前，該模型仍處于定制演示階段，尚未成為正式產(chǎn)品。

OpenAI研究員Jaech所說：
這個項目是為了表明我們在為科學做出貢獻方面是認真的。但這些能力是否會作為獨立模型發(fā)布，還是會被整合到我們的主線推理模型中，這仍有待確定。
如同其他人工智能領域的突破一樣，GPT-4b micro究竟是如何得出這些令人驚嘆的結(jié)果的，目前仍然是一個未解之謎。

Betts-Lacroix 稱：
就像AlphaGo擊敗人類圍棋高手時一樣，要弄清它為什么能做到這一點需要很長時間。我們?nèi)栽谘芯克�的工作原理，而且目前的應用可能只是觸及了表面。
顯然，人工智能不僅在棋牌游戲和自然語言處理領域超越了人類，在生命科學等前沿領域，也展現(xiàn)出了改變游戲規(guī)則的潛力。

AI能攻克衰老這個世紀難題嗎，你怎么看？