文章主题：ChatGPT, AI, 生物科学
ChatGPT和ChatGPT们，你都了解了吗？
北京日报客户端 | 记者 汪丹
🔥ChatGPT🔥：科技界新燃爆的聊天巨星！美国AI巨头引领潮流，ChatGPT以其超凡交互和流畅文笔震惊世界，被封为”史上最强AI”的代名词。它不仅颠覆了传统问答模式，文章创作力更是让人惊叹不已，仿佛科幻电影中的智慧生命。🔥AlphaGo旧事重提，2016年一战成名，围棋界的震撼犹在眼前。现在，我们邀请到科普大家张田勘，带你深入探讨ChatGPT如何重塑社会格局，以及它在生物科学领域的突破性应用。🚀未来已来，人工智能的浪潮正席卷而来！🔍探索更多科技奇迹，敬请期待张田勘的独家解析！
接受强化训练的生成式AI：
对接用户需求创造新内容
🌟🚀ChatGPT：全球热议的AI聊天神器🔥去年11月一炮而红，月活用户破亿大关！💥它以深度学习为核心，语言技能超群，能与人无缝对话、解答疑问，还能笔耕不辍，创作视频脚本、文案、论文甚至代码。📝只需一点指令，就能生成人类般流畅的回复，堪称LLM（大型语言模型）之杰，全能生成器！🌟💻技术日新月异，ChatGPT的成功背后是AI技术的深度积累与创新。🌍无论何时何地，它都以超凡智慧点亮沟通之路，引领未来潮流！🏆
🌟了解AI的3大支柱：数据、强大计算力及创新算法！💡这些就像知识的燃料和智慧引擎，让AI通过学习与执行，实现精准目标。🔍从工作能力看，AI可分为两种类型：反应式AI（分析型），如数据分析师，擅长解析信息；而生成式AI，像内容创作者，能自动生成独特作品。🚀探索未来智能世界，AI正以前所未有的速度发展！🌐SEO优化提示：使用行业术语、关键词和表情符号，提升搜索引擎可见性。
🌟【探索智能未来】🔍——反应式AI：规则驱动的智慧🔥无需记忆，反应式AI凭借预设逻辑精准应变，对各类刺激快速而直接地作出响应。虽受限于固定的算法路径，它在数据学习上的“空白”使其独特。回想1997年那历史性的一刻，IBM深蓝以其无内存运算的力量，震惊世界，挑战国际象棋王者——卡斯帕罗夫👑。这种AI模式，就像一台精准的瑞士军刀，高效执行任务而不变通。尽管无法像现代神经网络那样通过新数据持续学习和进化，但它在特定领域的效能无可忽视。SEO优化提示：”记忆学习”、”算法路径”、”动态适应”等关键词在此处巧妙融入，提升搜索引擎可见度。
🌟生成式AI通过大数据驱动，深度学习与神经网络优化，实现了强大功能与丰富产出。本质上，它以用户为中心，精准定制创新内容。🌍
🌟🚀ChatGPT：全能超能AI🌟🚀🔥揭秘ChatGPT，一款革命性的语言技术巨头——Chat Generative Pre-trained Transformer（简称CGP），以其强大的生成能力，引领了人工智能的新篇章！🔥🔍只需轻轻一点，CGP就能创作出丰富多样的内容，从文字到代码，从对话到视觉艺术，无所不能！极坐标系中，点A(1,π/2)和B(3,5π/6)之间的距离
由于受各种因素的制约，ChatGPT生成的内容也有不少错误，尤其是关于社会、文化、人文、哲学、政治、经济和历史方面的内容。但是在自然科学领域，由于有公认的定律和共同的认知，如“原子是由带正电的原子核和核外带负电的电子构成的”，ChatGPT生成的内容出错率相对较少。
正因如此，虽然生成式AI在所有领域都有用武之地，但类似ChatGPT的生成式AI在自然科学领域的应用更受青睐。生物医学研究、医疗和生命科学都需要生成式AI，ChatGPT只是其中一种。
准确预测蛋白质结构：
可加快新药和疫苗研发
目前，生成式AI在生物医学领域的用途方兴未艾。生成式AI不仅能分析成千上万种蛋白质，还可以生成新的蛋白质，甚至是自然界从未出现过的蛋白质。
过去，认识和精确测定蛋白质的构型需要耗费大量的时间和精力，还未必能测得准，给药物、疫苗研发和疾病治疗造成了阻碍。如果生成式AI的结果既准确又快速，就可以知道一些病毒变异后的蛋白质结构，如新冠病毒的S蛋白变异，从而加快研发新药和疫苗的速度。
2020年，英国深度思考公司研发的阿尔法折叠2（Alpha Fold-2）有了惊人成就。这款生成式AI在2020年举行的第14届“蛋白质结构预测关键评估”大赛中大放异彩。它测定的大部分蛋白质结构非常准确，不仅与实验方法测得的蛋白质结构的精确度相同，还远超解析新蛋白质结构的其他方法。具体来说，阿尔法折叠2能在几分钟内预测出一个典型蛋白质的结构，并能够在几天内生成高精度的结构。2022年初，阿尔法折叠2又测出了2.2亿个蛋白质的结构，几乎涵盖了DNA数据库中已知生物的所有蛋白质。
2022年11月，Meta公司（前身为Facebook）奋起直追，其名为ESMFold的生成式AI软件预测了约6亿个蛋白质的结构，这些蛋白质来自细菌、病毒和其他尚未命名的微生物。虽然该软件的准确性不如阿尔法折叠2，但在预测结构方面速度要快约60倍。
ESMFold的原理与ChatGPT基本相似，也是一种大型语言模型，只不过，训练它的内容不是自然语言，而是生物基因语言，也就是通过碱基排列的顺序和规律来检测蛋白质。
举例来说，对于ESMFold的训练，是把已知蛋白质的氨基酸序列“投喂”给它们，正如训练ChatGPT要把自然语言的词语根据语法进行“投喂”一样。自然界的蛋白质可以用20个不同的氨基酸链表示，每个氨基酸链由一个字母表示，这种训练使ESMFold对蛋白质序列有直观理解，并能理解蛋白质序列包含的蛋白质形状信息。在这样的深度学习之后，ESMFold学会了在氨基酸比例模糊的情况下“自动补全”信息。
研究团队把ESMFold应用于大规模测序的“宏基因组”DNA数据库，这些DNA来自于环境，包括土壤、海水、人类肠道、皮肤和其他微生物栖息地。ESMFold通过算法，能结合蛋白质结构和序列之间关系的信息生成预测结构。它总共预测了超过6.17亿个蛋白质的结构，只花了两周时间。而且，在6.17亿个蛋白质测试中，超过1/3的预测是高质量的，有数以百万计的蛋白质结构是全新的。
自然界酶类从无到有：
人工酶氨基酸序列变化也无损活性
生成式AI的强大还体现在可以生成自然界中没有的蛋白质和物质，为人类的衣食住行生产、提供新原料和产品。
美国一家人工智能研究企业研发了另一种生成式AI，称为人工酶人工智能系统ProGen。这是一种专门检测酶（由活体细胞产生的一种特殊蛋白质，人体内几乎所有生化反应都必须有酶参与才能完成）和生成酶的AI软件。在实验室测试中，ProGen设计的一些人工酶与自然界中发现的酶一样有效，即使其氨基酸序列与任何已知的天然蛋白质存在显著差异，也仍然有生物活性。
特定的蛋白质各有其单独的氨基酸排列顺序。研究人员把1.9万个酶家族的2.8亿种不同蛋白质的氨基酸序列输入ProGen机器学习模型中，同时提供相关蛋白质特性作为控制标签，然后让系统花费数周时间来“消化”这些信息。此后，研究人员再把信息收窄，使用来自5个溶菌酶家族的5.6万种蛋白质氨基酸序列，以及有关这些蛋白质的一些信息来对模型进行微调。
根据学习的内容，ProGen迅速生成了100万个蛋白质序列，研究团队在其中选择了100个进行测试后发现：来自5个溶菌酶家族的所有人工蛋白质均显示出活性，且73%具有抗菌功能，而在天然蛋白质中仅59%具有抗菌功能。
更令人惊讶的是，在另一轮筛选中研究团队发现，即使只有31.4%的序列与目前已知的天然蛋白质相似，生成式AI设计的酶类依然显示出了生物活性。与之相反的是，天然蛋白质如果发生任何一个突变，都有可能失去生物活性。
这些研究结果总结起来，彰显了三方面的意义：一是ProGen生成的人工蛋白质不仅可以正确表达，还展示出与蛋白质天然折叠相类似的结构；二是AI生成的蛋白质即便只有部分氨基酸序列与天然蛋白质的序列相似，也具有生物活性，但天然蛋白没有这个优势；三是人工智能可以设计出在自然界从未有过的新物质和新产品。
这意味着，如果采用生成式AI设计和生产蛋白药物、食品及生物产品（如降解塑料的产品），会更快更有效，当然其安全性还需通过进一步的研究来检验。换句话说，如果人工智能生成的蛋白质能够像自然生成的蛋白质一样，也意味着未来人工智能可以设计人类所需要的各类产品，首要的就是满足人类生存的食物和药品。
帮助诊断疾病和优生：
最终结果仍需人类审核决定
现在，生成式AI已经发展到通过图像、血液、组织扫描结果，来检测、诊断和预测心血管病、眼部疾病、糖尿病，以及结直肠癌、肺癌、乳腺癌、前列腺癌等多种癌症。
还有一个受到医学关注的领域是不孕不育。现代生活方式和环境变化造成约有15%的夫妇不育，其中精子质量差是重要的原因之一。传统的做法是对精子活检来检测质量，但这个任务如果由AI来完成会更出色。
总之，无论AI应用到了什么领域，最终所获得的成果或生成的产品仍需由人来审核和决定，这才是对待AI的科学态度。
供图：视觉中国返回搜狐，查看更多
责任编辑：
相关文章
