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(xiàng)菌株培養(yǎng)任務(wù)，機(jī)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(shí)驗(yàn)室里，它能夠構(gòu)思并做實(shí)驗(yàn)，然后解釋結(jié)果。

如果說(shuō)這是未來(lái)生物實(shí)驗(yàn)室的圖景，那么今天的實(shí)驗(yàn)室和它已經(jīng)沒(méi)有什么很大的不同了。穿著白色實(shí)驗(yàn)服的科學(xué)家在裝著冷凍試管的箱盒旁走動(dòng)著，架子上擺滿(mǎn)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(biāo)準(zhǔn)配置。至于人工智能，直到你在風(fēng)扇低沉的嗡嗡聲中聽(tīng)到機(jī)器人似蛐蛐叫的聲音時(shí)，你才會(huì)注意到它們的存在。

這些機(jī)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(gè)電子廠舊址上。這里每天都在進(jìn)行著各種各樣的微生物實(shí)驗(yàn)，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(gè)叫“回聲”的機(jī)器人，它的機(jī)械臂抓起一個(gè)嵌有數(shù)百個(gè)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(pán)上。接下來(lái)發(fā)生的事情非常微妙，人眼難以觀察得到。

“它吸移液體時(shí)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(yùn)營(yíng)工程副總裁杰德·迪安（Jed Dean）說(shuō)道，“而是一種完全不同的方式?！彼靡粋€(gè)移液管吸取以微升計(jì)的微量液體并噴射到塑料塊的每個(gè)凹槽小格里（在細(xì)胞尺度上就相當(dāng)于潮汐波浪般的水量了），事實(shí)上機(jī)器人從來(lái)沒(méi)有接觸到它，而是通過(guò)每秒500次的聲波脈沖使液體自身產(chǎn)生漣漪，吸移比人類(lèi)傳送操作時(shí)小到1‰的水滴。

以上情景并不是在未來(lái)發(fā)生的。一些大型生物實(shí)驗(yàn)室使用機(jī)器人和條形碼已經(jīng)有多年歷史，被稱(chēng)為聲波液滴噴射（ADE）的液體移動(dòng)技術(shù)甚至已經(jīng)存在了幾十年。當(dāng)問(wèn)及實(shí)驗(yàn)機(jī)器人目前正在做什么實(shí)驗(yàn)的時(shí)候，迪安透露說(shuō)，這個(gè)實(shí)驗(yàn)不是他設(shè)計(jì)的，而是一個(gè)計(jì)算機(jī)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(shū)亞·霍夫曼（Joshua Hoffman）說(shuō)道，他指的是一個(gè)長(zhǎng)期以來(lái)的誤解。他說(shuō)，“在這個(gè)決策圈里有一位人類(lèi)科學(xué)家，觀察結(jié)果并進(jìn)行真實(shí)性檢驗(yàn)?！钡?，在數(shù)據(jù)解釋、假說(shuō)產(chǎn)生以及實(shí)驗(yàn)計(jì)劃制定方面，最終的目標(biāo)是“擺脫人類(lèi)的直覺(jué)”。

Zymergen是有著相同目標(biāo)的幾家公司之一：利用人工智能（AI）來(lái)增強(qiáng)或取代人類(lèi)在科學(xué)過(guò)程中的作用。“說(shuō)起人工智能，人們就會(huì)想到機(jī)器人下棋?！痹摴臼紫夹g(shù)官亞倫·金伯爾（Aaron Kimball）說(shuō)道?！拔覍?duì)ML很滿(mǎn)意，”霍夫曼說(shuō)，ML指的是機(jī)器學(xué)習(xí)，是計(jì)算機(jī)科學(xué)的一個(gè)分支，它幾乎包攬了AI最新進(jìn)展的所有成果，“AI滲透進(jìn)了所做的一切事情?！?/p>

Zymergen實(shí)際研究開(kāi)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(jī)器人對(duì)每種微生物的基因組進(jìn)行探索和修改，以便設(shè)計(jì)出生產(chǎn)效率更高的產(chǎn)品。“問(wèn)題是，被送到Zymergen的微生物本身已是高度優(yōu)化的?！被舴蚵f(shuō)。經(jīng)過(guò)多年的研究和培育，這些細(xì)胞對(duì)于它們所要做的事情已經(jīng)非常擅長(zhǎng)。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(shí)驗(yàn)，并且跟蹤每次實(shí)驗(yàn)的數(shù)據(jù)；換句話說(shuō)，就是要搞科學(xué)研究。Zymergen試圖加速科學(xué)研究的進(jìn)度。霍夫曼說(shuō)道，在傳統(tǒng)生物學(xué)研究中，“一個(gè)人站在實(shí)驗(yàn)臺(tái)前，對(duì)各種假設(shè)進(jìn)行測(cè)試，但數(shù)量終究有限，比如說(shuō)每個(gè)月可以測(cè)試10種假設(shè)?！倍寵C(jī)器人來(lái)做這樣的工作就快多了，Zymergen運(yùn)行的機(jī)器每周可做多達(dá)1 000次實(shí)驗(yàn)。但是機(jī)器人只會(huì)遵照人類(lèi)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(dāng)有人問(wèn)如何通過(guò)算法設(shè)計(jì)實(shí)驗(yàn)時(shí)，金伯爾從一個(gè)簡(jiǎn)單的前提開(kāi)始說(shuō)起，“比如原來(lái)的微生物有大約5 000個(gè)基因，假設(shè)有10種方法可以改變某個(gè)基因，那么你就需要做50 000次實(shí)驗(yàn)來(lái)進(jìn)行嘗試，實(shí)驗(yàn)性的“戰(zhàn)役”一開(kāi)始就要培育1 000個(gè)菌株，每一株都有一個(gè)有意為之的突變?！彼f(shuō)，“每一株都生活在一個(gè)小水滴里，你要給它喂糖，讓它‘烹調(diào)’一段時(shí)間，然后檢測(cè)可以獲得多少產(chǎn)品?！逼渲锌赡軙?huì)有25株能夠產(chǎn)生稍微多一些的目標(biāo)化學(xué)物質(zhì)，這些菌株成為下一輪實(shí)驗(yàn)的“種畜”，其余的則存放到冷凍室?！暗l(fā)現(xiàn)之路絕不會(huì)是平坦的。尋找正確的突變組合需要對(duì)遺傳基因的整體‘景觀’進(jìn)行漫長(zhǎng)而曲折的探索，”金伯爾說(shuō)，“盲目地朝著效率頂峰的方向走去，永遠(yuǎn)不會(huì)實(shí)現(xiàn)真正重大的登頂。這是因?yàn)槿绻阒皇前阉挟a(chǎn)生微小改進(jìn)的突變結(jié)合到一種微生物中，它們不會(huì)有大的增益。相反，微生物還會(huì)‘生病’，遠(yuǎn)遠(yuǎn)不如原來(lái)的菌株健康?！痹谶x擇正確道路的過(guò)程中，需要繞過(guò)許多曲折的歧路旁道，才有可能抵達(dá)廣闊的山谷，需要心中擁有一種同時(shí)顯示所有突變影響的心理地圖，一種三維的、包括成千上萬(wàn)突變的心理地圖。機(jī)器學(xué)習(xí)需要時(shí)刻保持導(dǎo)向。但這里關(guān)鍵的區(qū)別在于：當(dāng)機(jī)器人最終發(fā)現(xiàn)能促進(jìn)化學(xué)產(chǎn)出的基因變化時(shí)，人們對(duì)生物效應(yīng)背后的生物化學(xué)卻仍然毫無(wú)頭緒。

自動(dòng)化的發(fā)現(xiàn)之路

如果實(shí)驗(yàn)不能加深我們對(duì)生物學(xué)原理的理解，那真的是科學(xué)嗎？但對(duì)于金伯爾，這并不是問(wèn)題，“我們能得到回報(bào)，是因?yàn)樗尚?，而不是因?yàn)槲覀兠靼诪槭裁??！?/p>

霍夫曼說(shuō)道，至目前為止，Zymergen的機(jī)器人實(shí)驗(yàn)室將生產(chǎn)效率提高了10%以上，這個(gè)增長(zhǎng)幅度聽(tīng)起來(lái)可能并不算多，但對(duì)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(mén)來(lái)說(shuō)，這一點(diǎn)提高轉(zhuǎn)化的經(jīng)濟(jì)效益，比國(guó)家科學(xué)基金會(huì)每年70億美元的預(yù)算還要多。機(jī)器人發(fā)現(xiàn)的占有優(yōu)勢(shì)的遺傳變化代表著真正的發(fā)現(xiàn)，包括那些人類(lèi)科學(xué)家可能還沒(méi)有確認(rèn)的一些發(fā)現(xiàn)。例如，大多數(shù)促進(jìn)產(chǎn)出的基因與合成想要的化學(xué)物質(zhì)沒(méi)有直接關(guān)系，其中一半沒(méi)有已知的功能?！拔乙呀?jīng)在幾種不同的微生物中看到了這種模式，”迪安說(shuō)，在沒(méi)有機(jī)器學(xué)習(xí)的情況下，找到正確的基因組合就像在保險(xiǎn)箱的轉(zhuǎn)盤(pán)上試圖用數(shù)千個(gè)數(shù)字破解密碼一樣，“我們的直覺(jué)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(jī)器學(xué)習(xí)系統(tǒng)，這取決于你問(wèn)的是誰(shuí)。“很多。”加利福尼亞大學(xué)研究基因組學(xué)的計(jì)算機(jī)科學(xué)家伊利亞斯·塔格科波洛斯 （Ilias Tagkopoulos）說(shuō)，“如果沒(méi)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(shí)驗(yàn)，從而最大限度地提高信息的獲取率和接近我們的目標(biāo)。”它看似無(wú)窮無(wú)盡的應(yīng)用包括預(yù)測(cè)改變醫(yī)院環(huán)境的細(xì)菌的進(jìn)化，以及設(shè)計(jì)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(wèn)題。

如果機(jī)器真的能在某些科學(xué)任務(wù)中取代人類(lèi)，許多科學(xué)家都將欣然接受。與工人或出租車(chē)司機(jī)不同的是，大多數(shù)研究人員都喜歡自動(dòng)化部分工作。特別是在分子和細(xì)胞生物學(xué)領(lǐng)域內(nèi)，諸如噴出液體、電鍍細(xì)胞、計(jì)數(shù)菌落等手工操作，都是相當(dāng)繁瑣和昂貴的。某位研究生最微不足道的一點(diǎn)小小的失誤或計(jì)算不精確，都有可能會(huì)浪費(fèi)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(jì)實(shí)驗(yàn)的博士后的草率決定，甚至可能會(huì)導(dǎo)致幾個(gè)月的辛勤勞動(dòng)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(jì)實(shí)驗(yàn)后，卻發(fā)現(xiàn)它并沒(méi)有想象中那么理想?！拔覀儼l(fā)現(xiàn)，現(xiàn)有的機(jī)器學(xué)習(xí)方法仍然不足以完成這個(gè)任務(wù)?！奔永Ｄ醽喫固垢４髮W(xué)計(jì)算生物化學(xué)家萊朱·達(dá)斯（Rhiju Das）說(shuō)道，他的研究領(lǐng)域是分子折疊和新藥物設(shè)計(jì)?！芭c利用同樣數(shù)據(jù)的人類(lèi)相比，它們?cè)赗NA設(shè)計(jì)問(wèn)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(jì)”的任務(wù)似乎更需要人類(lèi)的直覺(jué)。也許Zymergen碰巧遇到了一些生物學(xué)中極少見(jiàn)的非常適合計(jì)算機(jī)控制的部分實(shí)驗(yàn)。加利福尼亞門(mén)洛帕克的Transcriptic是另一家探索自動(dòng)化的生物技術(shù)公司，它的創(chuàng)始人之一馬克斯·霍達(dá)克（Max Hodak）也意識(shí)到了這種方法的局限性，他相信機(jī)器人可以承擔(dān)實(shí)驗(yàn)室很多單調(diào)乏味的工作。但他說(shuō)，“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(huì)很快被取代，因?yàn)樽匀皇澜缡侨绱说膹?fù)雜。霍達(dá)克說(shuō)道，“進(jìn)化帶來(lái)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(jiǎn)約、不可還原的復(fù)雜性。”為了設(shè)計(jì)更好的實(shí)驗(yàn)，人工智能可以給生物學(xué)家一些有限的幫助，但他擔(dān)心外包更多的科學(xué)過(guò)程將“比我們想象的復(fù)雜得多?！被暨_(dá)克說(shuō)。

即使人工智能控制研究工作能夠行得通，人類(lèi)會(huì)明白計(jì)算機(jī)發(fā)現(xiàn)了什么嗎？結(jié)果背后的計(jì)算可能仍然是一個(gè)黑匣子?！耙粋€(gè)引人注目的可能性是，我們正在結(jié)束一個(gè)‘可理解的’科學(xué)時(shí)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(jìn)行合作研究的計(jì)算機(jī)科學(xué)家阿德里安·特里尤勒（Adrien Treuille）說(shuō)道，研究人員對(duì)計(jì)算機(jī)的依賴(lài)可能不僅是做科學(xué)實(shí)驗(yàn)，而且還要對(duì)它做出解釋?zhuān)飳W(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(duì)計(jì)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(jì)算機(jī)也作為論文的合著者呢？“我當(dāng)然不會(huì)這么做，”波士頓一家利用人工智能進(jìn)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(shuō)道，但他又加了一句，“嗯，當(dāng)人工智能可以讀并能理解報(bào)紙的時(shí)候，它們就能成為作者了?！?/p>

[資料來(lái)源：Science][責(zé)任編輯：松 石]