生物学可能是科学进步中，最能直接且明确提升人类生活质量的领域。上个世纪，人类已彻底消除一些最古老的疾病（例如天花），但仍有许多疾病存在，彻底攻克它们将是一项巨大的人道主义成就。除了治病救人外，生物科学原则上还能提高人类健康的基本水平，延长健康寿命、增强对自身生理过程的控制能力与自主性，以及解决那些我们视为人类固有、不可改变的日常困扰。
按照前文“制约因素”的提法，将智能直接应用于生物学面临的主要挑战在于数据、物理世界速度以及内生复杂性（实际上三者相互关联）。此外，人为因素在临床试验等后期环节中亦会产生影响。下面逐项探讨。
细胞、动物甚至化学过程的实验均受制于物理世界的速度：许多生物实验方案涉及培养细菌或其他细胞，或单纯等待化学反应发生，这一过程往往耗时数天甚至数周，且无明显加速手段。动物实验可能需耗时数月（甚至更久），而人体实验则常需数年（长效结果研究甚至可能长达数十年）。与此关联的是数据问题：难点不在数量，而在于质量。我们总是缺乏清晰、明确的数据，能够从那近一万种干扰因素中分离出特定生物效应、在因果过程中起关键作用或直接测量效应的数据（而非采用间接、噪声干扰方式推断后果）。即便是庞大的定量分子数据，如我在研发质谱技术期间收集的蛋白质组数据，也常伴噪音且遗漏诸多信息（这些蛋白处于何种细胞？位于细胞何部？处在细胞周期的哪个阶段？）。
造成这些数据问题的部分原因在于内生复杂性：若曾见过展示人体新陈代谢生化反应的图表，便会知晓从庞大系统中分离任何环节的效应都极为困难，更别提以精准或可预测方式介入。最后，除去人体实验所需的固有时间外，实际临床试验还因繁冗的官僚程序及监管要求（依许多人，包括本人之见）而无谓地延长时程，拖缓进展。
有鉴于此，许多生物学家长期以来都对 AI 及大数据在生物学中的作用持怀疑态度。过去三十年里，数学家、计算机科学家与物理学家虽屡屡将各自领域技能应用于生物学，并有所斩获，但并未实现最初期望的颠覆性影响。 AlphaFold（现已使其研发者荣获诺贝尔化学奖）和 AlphaProteo【11】 等重大革命性突破在一定程度上减少了这类疑虑，但人们仍普遍认为 AI 仅在有限情形下发挥作用，常言道：“AI 能更好地分析数据，但无法生成更多数据或提升数据质量；垃圾进、垃圾出。”
但我认为这种悲观视角误解了 AI 的本质。如果关于AI进步的核心假设成立，正确看待 AI 的方式就不应仅仅把它当作数据分析工具，而应视其为一位虚拟生物学家，全面承担生物学家所做的各项工作：包括设计和执行现实中的实验（通过操控实验室机器人或直接指示人类开展实验，就如首席研究员指导研究生那样）、发明新型生物方法或测量技术等等。正是通过加速整个科研流程，AI 才能真正推动生物学革命。我要重申这一点，因为在讨论 AI 改造生物学时，最常见的误解便是仅把 AI 当作数据分析工具。依照本文开头对强大 AI 的定义，我想强调的是利用AI执行、指导并优化生物学家几乎所有工作。
更具体来说，在生物学进步中，惊人比例成果来源于极少数重大发现，这些发现往往与广泛应用的测量工具或技术有关【12】，这些技术能够在生物系统中实施精准、通用，甚至可编程的干预。每年大约只有一项类似的重大发明，而它们累计驱动了50%以上的生物学进展。正因为能突破内生复杂性与数据瓶颈，这些发现极具爆发力，直接提升了我们对生物过程的理解与控制。每十年的几项重大发现不仅奠定了生物学基础科学的主要认识，同时也催生了许多最具威力的医疗疗法。
以下是一些例子：
* CRISPR：一种能在活体内编辑任意基因（即将任意基因序列替换为另一序列）的技术。自该技术诞生以来，已经有了持续改进，包括提高针对特定细胞类型的靶向能力，增强编辑精度，以及减少错误基因编辑，这些都是为了确保在人类身上安全应用所必需的。
* 各类显微技术以更精准程度观察微观世界：先进的光学显微镜（配备多种荧光技术、特殊光学设备等）、电子显微镜、原子力显微镜等。
* 基因组测序与合成：过去几十年中，其成本已骤降数个数量级。
* 光遗传学技术：可通过光照直接激活神经元。
* mRNA 疫苗：理论上使我们能针对任何病原体设计疫苗并迅速调整（mRNA 疫苗在新冠期间广受瞩目）。
* 诸如CAR-T类型的细胞疗法：使免疫细胞能够脱离体外后再“重新编程”，原则上可以攻击几乎所有目标。
* 概念性突破，如病原学理论或揭示免疫系统与癌症之间关联的认识。【13】
我费心列举这些技术，就是为了表达一个关键论断：如果能有更多才华横溢、创意非凡的科研人员，这类重大发现的出现速度至少能提升10倍。换句话说，我认为这些成果的“智力回报率”极高，而生物与医学领域其他许多成就基本上都依赖这些成果。
我为什么会这样认为？这是因为当我们试图确定"智力回报"时，应养成习惯先回答以下问题。首先,这些发现通常仅由少数研究人员完成，而且往往是同一批人反复做出，这表明其背后依赖的是技能而非随机搜索(后者可能暗示漫长的实验才是限制因素)。其次,这些发现常常本可以在实际发现之前的很多年就能取得，例如,CRISPR作为细菌免疫系统中自然存在的组成部分，自上世纪80年代就已经为人所知，但人们花了整整25年才意识到它能够重新利用于通用基因编辑。再者，由于科学界对有前景方向的支持不足，这些发现往往被推迟了不少年(参见关于mRNA疫苗发明者的专访；类似故事也屡见不鲜)。最后，成功的项目往往是一番"拼凑"或事后之举，而并非最初就被看好且获得巨额资金投入的结果。这表明，推动发现的不仅仅是集中庞大资源，更关键的是创造力和机智。
最后，尽管某些发现有"序列依赖性"(需要先有发现A才能获得工具或知识去实现发现B)，这可能再次造成实验延迟，但许多，或许是大多数发现都是相互独立的，意味着可以同时并行开展多项研究。这些事实，加上我作为生物学家的普遍经验，都强烈表明：如果科学家能更聪明，更善于在人类已掌握的海量生物学知识之间建立联系，就会有数百个类似发现等待被发现(再次想想CRISPR的例子)。尽管人类已进行了数十年精心设计的物理建模，但AlphaFold/AlphaProteo 在解决重要问题上比人类更有效的成功案例，提供了一个原则性证明(虽然仅限于狭窄领域的特定工具)，并为未来指明了方向。
因此，我推测强大AI至少能将这些发现的速度提高10倍，让我们在5-10年内实现未来50-100年的生物学进展。【14】为什么不是100倍？这也许可能，但此时序列依赖性和实验时间就变得至关重要：要在1年内实现100年的进展，需要一次性就做对许多事情，包括动物实验以及显微镜或昂贵实验设施的设计等。我其实对(可能听起来荒谬的)在5-10年内实现1000年进展的想法持开放态度，但对1年内实现100年进展则持强烈怀疑态度。换句话说，我认为存在一个无法避免的固定延迟：实验和硬件设计有一定"延迟时间"，需要进行一定"不可约减"次数的迭代才能学到无法通过逻辑推导获得的知识。但在此基础上，大规模并行可能是可行的。【15】
最后，关于临床试验和社会障碍，必须明确指出：生物医学创新在成功部署方面有着异常出色的记录，这与其他一些技术形成了鲜明对比。【16】正如引言中提到的，许多技术尽管在技术层面运行良好，却常常因社会因素受阻。这可能会使人对AI所能实现的成就持悲观态度。但生物医学的独特之处在于，虽然药物研发过程过于繁琐，但一旦研发成功,其产品通常都能被顺利推广和应用。
总结以上观点，我的基本预测是：AI驱动的生物学与医学，将使我们把未来50到100年内人类生物学家可能取得的进展，浓缩到仅仅5至10年内。我称之为"压缩的21世纪"：在强大AI问世后,我们将在短短几年内实现整个21世纪生物学与医学领域中，原本需要几十年才能达成的全部进展。
虽然预测强大AI在短期内究竟能实现什么本质上既困难又充满猜测，但提出"未来100年人类仅靠自身能实现什么?"这一问题有其一定的实际依据。仅凭我们在20世纪取得的成就，或者基于21世纪前20年的趋势进行外推，甚至探讨"10个CRISPR和50个CAR-T"的效果，都能为我们估算强大AI可能带来的总体进展提供实际、扎实的参考。
下面尝试列举一些我们可能预期的成果。尽管这些内容并非基于任何严格方法论，细节上几乎肯定会存在偏差，但它们旨在传达我们应预期的那种激进变革的总体水平：
* 对几乎所有自然传染病实现可靠的预防和治疗【17】。鉴于20世纪在抗击传染病方面取得的巨大进展，设想我们能够在"压缩的21世纪"中或多或少"完成任务"的目标并不激进。mRNA疫苗和类似技术已为"万能疫苗"提供了方向。传染病是否能在全球(而非部分地区)彻底根除，还取决于贫困和不平等问题(详见第三部分)。
* 消除大多数癌症。近几十年来，癌症死亡率每年下降约2%；按照当前人类科学发展速度，我们有望在21世纪消除大多数癌症。某些亚型已基本治愈(例如使用CAR-T疗法治疗某些类型的白血病)，而我更期待那些高选择性药物，它们能在癌症早期精准作用于特定靶点，并阻止癌症继续生长。AI还将根据癌症个体化基因组，精确调整治疗方案成为可能，这在今天虽然可行，但需要耗费大量时间和专业知识，而AI应该能帮助我们实现规模化。死亡率和发病率都有可能降低95%以上。话虽如此，癌症种类极其多样且具有非常强的适应性，可能是所有疾病中最难彻底消灭的。如果仍然存在一些罕见、难治的恶性肿瘤，也并不令人意外。
译者注：
～待续～
感谢阅读，欢迎转发、点赞👍和推荐❤️，谢谢！