賽博科學(xué)家

方陵生/編譯

賽博科學(xué)家

方陵生/編譯

生物技術(shù)初創(chuàng)公司Zymergen利用AI控制一項菌株培養(yǎng)任務(wù)，機器人手指正在選擇能夠產(chǎn)生更多化學(xué)物質(zhì)的微生物菌落

● 人工智能不再只是一種工具，在一些實驗室里，它能夠構(gòu)思并做實驗，然后解釋結(jié)果。

如果說這是未來生物實驗室的圖景，那么今天的實驗室和它已經(jīng)沒有什么很大的不同了。穿著白色實驗服的科學(xué)家在裝著冷凍試管的箱盒旁走動著，架子上擺滿了各種化學(xué)品：一瓶瓶純酒精、糖、蛋白質(zhì)和鹽，這些是培養(yǎng)微生物和操縱基因的標準配置。至于人工智能，直到你在風扇低沉的嗡嗡聲中聽到機器人似蛐蛐叫的聲音時，你才會注意到它們的存在。

這些機器人都是為Zymergen工作的，Zymergen是一家生物技術(shù)公司，2014年建立于加利福尼亞舊金山灣東海岸的一個電子廠舊址上。這里每天都在進行著各種各樣的微生物實驗，以尋找提高有用化學(xué)品產(chǎn)量的途徑。在一片雜亂的設(shè)備叢中有一個叫“回聲”的機器人，它的機械臂抓起一個嵌有數(shù)百個裝著液體小格的塑料塊，激光掃描塑料塊一側(cè)的條形碼后，“回聲”將它放到托盤上。接下來發(fā)生的事情非常微妙，人眼難以觀察得到。

“它吸移液體時并不是復(fù)制人手操作的方式，”該公司聯(lián)合創(chuàng)始人之一、分子生物學(xué)家、運營工程副總裁杰德·迪安（Jed Dean）說道，“而是一種完全不同的方式?！彼靡粋€移液管吸取以微升計的微量液體并噴射到塑料塊的每個凹槽小格里（在細胞尺度上就相當于潮汐波浪般的水量了），事實上機器人從來沒有接觸到它，而是通過每秒500次的聲波脈沖使液體自身產(chǎn)生漣漪，吸移比人類傳送操作時小到1‰的水滴。

以上情景并不是在未來發(fā)生的。一些大型生物實驗室使用機器人和條形碼已經(jīng)有多年歷史，被稱為聲波液滴噴射（ADE）的液體移動技術(shù)甚至已經(jīng)存在了幾十年。當問及實驗機器人目前正在做什么實驗的時候，迪安透露說，這個實驗不是他設(shè)計的，而是一個計算機程序的輸出結(jié)果。

“我想讓一切都清楚明白，”Zymergen首席執(zhí)行官約書亞·霍夫曼（Joshua Hoffman）說道，他指的是一個長期以來的誤解。他說，“在這個決策圈里有一位人類科學(xué)家，觀察結(jié)果并進行真實性檢驗。”但是，在數(shù)據(jù)解釋、假說產(chǎn)生以及實驗計劃制定方面，最終的目標是“擺脫人類的直覺”。

Zymergen是有著相同目標的幾家公司之一：利用人工智能（AI）來增強或取代人類在科學(xué)過程中的作用?！罢f起人工智能，人們就會想到機器人下棋?！痹摴臼紫夹g(shù)官亞倫·金伯爾（Aaron Kimball）說道。“我對ML很滿意，”霍夫曼說，ML指的是機器學(xué)習(xí)，是計算機科學(xué)的一個分支，它幾乎包攬了AI最新進展的所有成果，“AI滲透進了所做的一切事情?！?/p>

Zymergen實際研究開發(fā)的工業(yè)微生物，最終為生物燃料、塑料或藥物提供原材料。為了提高生產(chǎn)效率，一些公司將他們主要的菌株樣本送到Zymergen，然后由機器人對每種微生物的基因組進行探索和修改，以便設(shè)計出生產(chǎn)效率更高的產(chǎn)品?！皢栴}是，被送到Zymergen的微生物本身已是高度優(yōu)化的?！被舴蚵f。經(jīng)過多年的研究和培育，這些細胞對于它們所要做的事情已經(jīng)非常擅長。因此，要“擠出”更高的效率需要深入研究基因組，做很多次的實驗，并且跟蹤每次實驗的數(shù)據(jù)；換句話說，就是要搞科學(xué)研究。Zymergen試圖加速科學(xué)研究的進度?；舴蚵f道，在傳統(tǒng)生物學(xué)研究中，“一個人站在實驗臺前，對各種假設(shè)進行測試，但數(shù)量終究有限，比如說每個月可以測試10種假設(shè)?！倍寵C器人來做這樣的工作就快多了，Zymergen運行的機器每周可做多達1 000次實驗。但是機器人只會遵照人類的指令行事：如何給它們提供正確的命令才是真正的瓶頸。

當有人問如何通過算法設(shè)計實驗時，金伯爾從一個簡單的前提開始說起，“比如原來的微生物有大約5 000個基因，假設(shè)有10種方法可以改變某個基因，那么你就需要做50 000次實驗來進行嘗試，實驗性的“戰(zhàn)役”一開始就要培育1 000個菌株，每一株都有一個有意為之的突變。”他說，“每一株都生活在一個小水滴里，你要給它喂糖，讓它‘烹調(diào)’一段時間，然后檢測可以獲得多少產(chǎn)品?！逼渲锌赡軙?5株能夠產(chǎn)生稍微多一些的目標化學(xué)物質(zhì)，這些菌株成為下一輪實驗的“種畜”，其余的則存放到冷凍室?！暗l(fā)現(xiàn)之路絕不會是平坦的。尋找正確的突變組合需要對遺傳基因的整體‘景觀’進行漫長而曲折的探索，”金伯爾說，“盲目地朝著效率頂峰的方向走去，永遠不會實現(xiàn)真正重大的登頂。這是因為如果你只是把所有產(chǎn)生微小改進的突變結(jié)合到一種微生物中，它們不會有大的增益。相反，微生物還會‘生病’，遠遠不如原來的菌株健康?！痹谶x擇正確道路的過程中，需要繞過許多曲折的歧路旁道，才有可能抵達廣闊的山谷，需要心中擁有一種同時顯示所有突變影響的心理地圖，一種三維的、包括成千上萬突變的心理地圖。機器學(xué)習(xí)需要時刻保持導(dǎo)向。但這里關(guān)鍵的區(qū)別在于：當機器人最終發(fā)現(xiàn)能促進化學(xué)產(chǎn)出的基因變化時，人們對生物效應(yīng)背后的生物化學(xué)卻仍然毫無頭緒。

自動化的發(fā)現(xiàn)之路

如果實驗不能加深我們對生物學(xué)原理的理解，那真的是科學(xué)嗎？但對于金伯爾，這并不是問題，“我們能得到回報，是因為它可行，而不是因為我們明白為什么?！?/p>

霍夫曼說道，至目前為止，Zymergen的機器人實驗室將生產(chǎn)效率提高了10%以上，這個增長幅度聽起來可能并不算多，但對于以微生物發(fā)酵為基礎(chǔ)的年產(chǎn)值1 600億美元的化學(xué)工業(yè)部門來說，這一點提高轉(zhuǎn)化的經(jīng)濟效益，比國家科學(xué)基金會每年70億美元的預(yù)算還要多。機器人發(fā)現(xiàn)的占有優(yōu)勢的遺傳變化代表著真正的發(fā)現(xiàn)，包括那些人類科學(xué)家可能還沒有確認的一些發(fā)現(xiàn)。例如，大多數(shù)促進產(chǎn)出的基因與合成想要的化學(xué)物質(zhì)沒有直接關(guān)系，其中一半沒有已知的功能。“我已經(jīng)在幾種不同的微生物中看到了這種模式，”迪安說，在沒有機器學(xué)習(xí)的情況下，找到正確的基因組合就像在保險箱的轉(zhuǎn)盤上試圖用數(shù)千個數(shù)字破解密碼一樣，“我們的直覺在復(fù)雜性面前很容易一觸即潰?！钡降子卸嗌倏茖W(xué)可以委托給機器學(xué)習(xí)系統(tǒng)，這取決于你問的是誰?！昂芏??！奔永Ｄ醽喆髮W(xué)研究基因組學(xué)的計算機科學(xué)家伊利亞斯·塔格科波洛斯 （Ilias Tagkopoulos）說，“如果沒有理由，我們就不能讓數(shù)據(jù)決定我們下一步應(yīng)該做什么實驗，從而最大限度地提高信息的獲取率和接近我們的目標。”它看似無窮無盡的應(yīng)用包括預(yù)測改變醫(yī)院環(huán)境的細菌的進化，以及設(shè)計更健康美味的休閑食品等，基本上包括任何復(fù)雜的優(yōu)化問題。

如果機器真的能在某些科學(xué)任務(wù)中取代人類，許多科學(xué)家都將欣然接受。與工人或出租車司機不同的是，大多數(shù)研究人員都喜歡自動化部分工作。特別是在分子和細胞生物學(xué)領(lǐng)域內(nèi)，諸如噴出液體、電鍍細胞、計數(shù)菌落等手工操作，都是相當繁瑣和昂貴的。某位研究生最微不足道的一點小小的失誤或計算不精確，都有可能會浪費數(shù)周的工作成果。在更糟糕的情況下，為那位學(xué)生設(shè)計實驗的博士后的草率決定，甚至可能會導(dǎo)致幾個月的辛勤勞動付之東流。

然而，一些生物學(xué)家在用人工智能解釋數(shù)據(jù)和設(shè)計實驗后，卻發(fā)現(xiàn)它并沒有想象中那么理想?！拔覀儼l(fā)現(xiàn)，現(xiàn)有的機器學(xué)習(xí)方法仍然不足以完成這個任務(wù)?！奔永Ｄ醽喫固垢４髮W(xué)計算生物化學(xué)家萊朱·達斯（Rhiju Das）說道，他的研究領(lǐng)域是分子折疊和新藥物設(shè)計?！芭c利用同樣數(shù)據(jù)的人類相比，它們在RNA設(shè)計問題上失誤得可怕?！北M管他不知道這是為什么，但涉及“設(shè)計”的任務(wù)似乎更需要人類的直覺。也許Zymergen碰巧遇到了一些生物學(xué)中極少見的非常適合計算機控制的部分實驗。加利福尼亞門洛帕克的Transcriptic是另一家探索自動化的生物技術(shù)公司，它的創(chuàng)始人之一馬克斯·霍達克（Max Hodak）也意識到了這種方法的局限性，他相信機器人可以承擔實驗室很多單調(diào)乏味的工作。但他說，“如果你還在用你的雙手做事，那你就不是在做科學(xué)研究?！钡飳W(xué)家的大腦不會很快被取代，因為自然世界是如此的復(fù)雜。霍達克說道，“進化帶來了生物物種的豐富性，但這也是為什么它這么難以理解，它具有不可簡約、不可還原的復(fù)雜性?！睘榱嗽O(shè)計更好的實驗，人工智能可以給生物學(xué)家一些有限的幫助，但他擔心外包更多的科學(xué)過程將“比我們想象的復(fù)雜得多?！被暨_克說。

即使人工智能控制研究工作能夠行得通，人類會明白計算機發(fā)現(xiàn)了什么嗎？結(jié)果背后的計算可能仍然是一個黑匣子。“一個引人注目的可能性是，我們正在結(jié)束一個‘可理解的’科學(xué)時代?！辟e夕法尼亞匹茲堡市卡內(nèi)基梅隆大學(xué)與分子生物學(xué)家進行合作研究的計算機科學(xué)家阿德里安·特里尤勒（Adrien Treuille）說道，研究人員對計算機的依賴可能不僅是做科學(xué)實驗，而且還要對它做出解釋，生物學(xué)理論的一些證據(jù)是如此的復(fù)雜，接受這些證據(jù)需要對計算結(jié)果有信心才行。

既然如此，科學(xué)家是否應(yīng)該把他們的計算機也作為論文的合著者呢？“我當然不會這么做，”波士頓一家利用人工智能進行科學(xué)發(fā)現(xiàn)的Nutonian公司的首席執(zhí)行官邁克爾·施米特 （Michael Schmidt）說道，但他又加了一句，“嗯，當人工智能可以讀并能理解報紙的時候，它們就能成為作者了?！?/p>

[資料來源：Science][責任編輯：松 石]