人工智能最引人注目的应用之一是分析和设计"现实世界"中的材料。这绝不是夸大其词。在数字世界中创建虚拟环境或深度研究某些抽象概念是一回事,而改进分子化合物(如药物或其他化学成分)的设计则是另一回事。
AI领域最受赞誉的创新之一——获得诺贝尔科学奖的AlphaFold项目,恐怕并非偶然。通过自动化研究发明蛋白质的理念,为我们在药物研究和临床科学方面的整体方法带来了巨大变革。
尽管我们迄今已取得惊人进展,但这还远未结束。未来还有更多突破,参与这类科学研究的人员正密切关注着这一切的发展。
生物合成技术2.0
在最近的TED演讲中,David Kong向我们展示了一些前沿设计的工作原理。
他提到了一个可以"成核"和编辑DNA的项目。我查阅后发现,"成核"的概念就是将某些物质形成核心或集群。
他随后提到科学家如何"设计和构建遗传回路",他认为这些是大段的DNA片段。
我正准备进一步查阅相关资料,但Kong自己已经做出了解释:
"我们将DNA放入细胞内部,让这些细胞表现得像电子学或计算机科学中的电路一样,我们深入了解无细胞系统,这些系统可以帮助我们理解地球生命的起源,或者可以用于实际应用,经过冷冻干燥后用作检测织物和纺织品中病原体和污染物的传感器。"
他还提到了从细菌或酵母中构建完全合成基因组的能力,这体现了一种探索未知领域的现代炼金术。从某种意义上说,这正是这一切的核心——炼金术。
Kong介绍了MIT哈佛全球合成生物学课程的情况。
他说,学生们编程控制机器人,按照他们创建的设计图案分配色彩鲜艳的大肠杆菌。
迷幻般的结果
"在黑色琼脂板上生长24小时后,一件活体艺术品在紫外光下闪闪发光,"他说。
他指出,学生群体非常多元化。
"我们的学生包括计算机科学家、机械工程师、城市规划师、管理学学生、艺术家、设计师,几乎涵盖了任何类型的创意或技术背景,"他说。"这门课程近年来发展迅猛,接受的学生人数增加了一倍多,达到近1300人,他们来自MIT、哈佛以及世界各地。我们的一些学生甚至是每年都参与的高中生或退休人员。"
创造奇迹
在更多的炼金术项目中,Kong引用了用于分解温度敏感材料或部署纳米传感器监测环境的项目。他提到,一名学生使用生物反应器研究本土微生物。
随处可研
然后是这些项目目标的多功能性和便携性。在过去,由于设备和机械工具的限制,科学家需要专门的实验室。现在情况不同了。
"这项研究可以在世界任何地方进行,"他说。"可以在街对面、在他们的宿舍里、在加纳、在英国伦敦,无论我们的学生身在何处。"
事实上,Kong在他原有的词汇基础上又添加了一个准最高级表述:从"如何从几乎任何东西中生长几乎任何东西",这个短语变成了"如何在几乎任何地方从几乎任何东西中生长几乎任何东西。"
不过让我们更进一步,因为在随后描述其他实验室工作时,Kong描述了另一名学生如何发现这些过程还可以脱离对源材料的实际接触。
"他开始意识到你可以采用...像生物生产这样的实验室模块,其中生物体被工程化来生产番茄红素和β-胡萝卜素等分子,它们可以完全远程编程,"他说。
视频中还有更多内容。但这是理解当今AI世界前沿学习系统中"现代魔法"的良好开端,也是我们的一位演讲者所称的企业可以应用来推动创新的"秘密配方"。
Q&A
Q1:AlphaFold项目为什么这么重要?
A:AlphaFold项目是AI领域最受赞誉的创新之一,获得了诺贝尔科学奖。它通过自动化研究发明蛋白质的理念,为药物研究和临床科学的整体方法带来了巨大变革,开创了用AI分析和设计现实世界材料的先河。
Q2:合成生物学课程中学生都做什么项目?
A:学生们编程控制机器人,按照他们创建的设计图案分配色彩鲜艳的大肠杆菌,经过24小时生长后在紫外光下形成活体艺术品。还有学生研究分解温度敏感材料、部署纳米传感器监测环境,以及使用生物反应器研究本土微生物等项目。
Q3:现在的生物合成研究对实验室有什么要求?
A:与过去需要专门实验室和大型设备不同,现在的生物合成研究具有很强的便携性和多功能性。研究可以在世界任何地方进行,包括学生宿舍、加纳、英国伦敦等地,甚至可以完全远程编程操作生物生产过程。
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
苹果在iOS 26公开发布两周后推出首个修复更新iOS 26.0.1,建议所有用户安装。由于重大版本发布通常伴随漏洞,许多用户此前选择安装iOS 18.7。尽管iOS 26经过数月测试,但更大用户基数能发现更多问题。新版本与iPhone 17等新机型同期发布,测试范围此前受限。预计苹果将继续发布后续修复版本。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。