十一月十一日,谷歌 DeepMind 发布了 Alpha Genome 2,用于预测变异对特定细胞类型的影响。这类工作的意义不在榜单,在于它把 AI 从语言和图像推进到了生命科学的底层机制。

生物数据和文本数据完全不同,这个差异决定了 AI 在这里的打法也不一样。

生物数据难在哪?

第一是样本少。文本可以 crawl 到万亿 token,实验数据一次只能做几百个样本,成本还极高。

第二是噪声大。同一个实验,不同批次、不同操作者,结果会有系统性差异。这种噪声不是随机的,很难用统计方法消掉。

第三是因果深。文本里的因果关系可以被语言表达,生物里的因果藏在分子相互作用里,中间隔着好几层,很难直接观察。

模型怎么处理这些困难?

靠多模态对齐和迁移。把不同实验、不同物种、不同组织的数据放到同一个表示空间里,让模型学会跨数据源找规律。

这是 AlphaFold 系列的核心思路:不直接学因果,学一个足够好的表示,让下游任务能在这个表示上做准。

预测变异影响有什么用?

最直接的用途是药物靶点筛选。一个变异会导致什么细胞反应,如果能提前预测,就能大幅减少湿实验的试错量。

第二个用途是罕见病诊断。很多罕见病由罕见变异引起,临床上难以判断是否致病。模型能给一个概率参考,帮助医生决策。

这类模型能商用吗?

短期难。因为准确率还不足以直接用于临床决策,多数场景只能作为辅助参考。而辅助参考的商业价值,取决于监管是否认可。

另一个障碍是数据获取。训练这类模型需要大量高质量的配对数据,这些数据大多在药企和科研机构手里,不在公开数据集里。

对普通创业者有什么启示?

启示不在生物,在方法论:垂直领域的 AI 机会,往往不在模型本身,在数据壁垒和评估体系。

谁能拿到别人拿不到的数据,谁能定义别人定义不了的评估标准,谁就能在这个领域站住。模型能力会趋同,数据和评估不会。

这条消息最该记住哪一点?

AI 的能力边界正在从符号世界向物理世界和生命世界扩展。这个扩展的速度,取决于数据的可得性,而不是算法的先进性。

所以未来几年,最值钱的不是模型公司,是握着独特数据的机构。这个判断对做垂直 AI 的团队尤其重要。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论