《通用大模型算法：ChatGPT在生物技术领域的应用与意义》

出品丨虎嗅科技组

作者丨苏北佛楼蜜

编辑丨陈伊凡

题图丨视觉中国

在2022年的12月份，我国的两位计算生物学家Casey Greene与Milton Pividori，进行了一次前所未有的尝试。他们邀请了一位非科学家助理，协助修改三部重要的研究论文。令人惊讶的是，这位非专业人士在阅读过程中，甚至在一个方程式的引用上出现了错误。然而，这个审稿过程却非常顺利，而且收费合理，每份文件的费用仅为0.50美元。这无疑是一个极具创新性的实验，展示了科学领域的开放性和包容性。

这名助手并非人类，而是一种名为GPT-3的人工智能算法。

“这将帮助我们提高研究人员的工作效率。” 科学家对此感到震惊。

如今，ChatGPT——这个基于通用大模型算法诞生的人工智能产品，自问世以来，便引发了全球范围内的广泛关注。众多科技巨头纷纷宣称，将ChatGPT纳入自家业务范畴，试图将其运用到各个领域。人们对ChatGPT的热情高涨，或为之欢呼雀跃，或深感忧虑，认为它的影响力似乎已经超越了自身。在各种应用场景中，ChatGPT能否为生物技术领域带来新的机遇呢？

ChatGPT与生物技术的结合

在2020年，人工智能领域的领军企业OpenAI推出了一款备受瞩目的模型。该模型一经问世，便被广泛地宣扬为一款具有强大功能的生成式AI聊天机器人工具。它不仅可以应对各种文学创作，如散文、诗歌等，还可以轻松处理计算机编程任务，以及精细编辑研究论文。总之，这款模型的功能似乎已经涵盖了各个领域，展示出了其卓越的能力。

昨日，微软（Microsoft）公司表示，将把ChatGPT整合到搜索引擎Bing和网络浏览器中，谷歌（Google）公司也在今日展示了其名为Bard的人工智能对话系统。这些系统可以根据用户提供的复杂问题，提供全面而综合的回答，小到制定详细的旅行计划，大到分析公司的运营策略。

ChatGPT在生物技术上最有前景的应用似乎是在蛋白质生成和基因测序领域。

位于加利福尼亚的生物技术企业Profluent采用与ChatGPT类似的AI模型，研发出了一种具有创新性的抗菌蛋白。这些新型抗菌蛋白已在实验室环境中展现出良好的灭菌效果，证明了其具备强大的抗菌能力。

这一模型名称为ProGen，是一种大型语言模型 (LLM)，它利用大量文本作为训练数据，开发分析和生成语言的能力——类似于ChatGPT，但 Progen的语言是蛋白质语言。

在简明扼要的情况下，我们可以通过运用人工智能以及大型语言模型，如支持ChatGPT的语言模型，来探索生物学领域的基本语言，进而尝试创造具备治愈疾病潜力的新蛋白质。

原内容描述了ProGen技术生成的百万个人工序列，并从中筛选出了100种用于实验室合成的序列。这些序列中，有66种表现出与鸡蛋清溶菌酶类似的化学反应，被选为阳性对照。现在，我们将在文章中详细介绍这一研究过程及其结果。在当前的科学领域中，人工序列生成技术的发展日益成熟，尤其是ProGen技术，已经能够轻松地生成大量独特的人工序列。为了进一步探索这些序列的应用潜力，研究人员从ProGen生成的百万种不同的人工序列中挑选出100种具有代表性的序列，并在实验室中进行了合成。经过一系列的实验检测，研究人员发现，有66种合成的序列表现出了类似于鸡蛋清溶菌酶的化学反应，这种现象被认为是阳性对照，意味着这些序列可能具有实际应用价值。这个发现为科学家们提供了一个新的研究方向，他们可以进一步研究这些序列的性质和功能，以期在未来的研究中取得更多的突破。同时，这项研究也为我们提供了一个重要的工具，可以帮助我们更好地理解生物系统的工作机制，从而设计出更加高效、安全的生物技术应用方案。总的来说，这个研究成果对于生物学、生物技术以及相关领域的研究者都具有重要意义，它不仅推动了科学研究的发展，也为未来生物技术应用的可能性打开了新的大门。

该团队随后选择了五种新型抗菌蛋白，并测试了它们对大肠杆菌的抵抗力。其中两种新蛋白质能够杀死细菌。

X射线成像技术揭示了令人惊讶的事实：尽管这些抗菌蛋白的氨基酸序列与已知天然蛋白存在超过30%的差异，但它们仍然以与天然蛋白质极为相似的方式折叠。这表明，尽管这些蛋白在序列上有所不同，但它们的结构却具有高度相似性，这可能意味着它们具有类似的生物学功能。

这项研究的潜在意义在于，未来我们或能借助人工智能的合作，创造出原本不存在于自然界中的蛋白质，并为其赋予各种特定功能。如此一来，人类将在微观世界里扮演上帝的角色。

攻克蛋白质后，ChatGPT似乎又开始朝着基因高歌猛进。

科技公司Nvidia在今年的JP摩根医疗健康大会称，随着新一代基因组测序速度的不断加快和成本的不断降低，目前我们测序基因组DNA的能力已经超越了分析DNA序列并从中获取洞见的能力。而更快速有效地处理海量的基因组序列信息离不开人工智能。

大型语言模型通过可以分析人类语言一样分析DNA序列，以此加快基因组的拼接、基因突变的发现，并且用人类对话的方式将发现表述给研究人员。

比如，整合ChatGPT的基因测序分析系统可能在处理患者的基因组测序数据后给出——“这名患者的某基因上的突变可能导致罕见遗传病A”的结论，它似乎代替了医生。

ChatGPT是万能的吗？

一切的发现和应用似乎都朝着好的方向前进。但面对似乎全能的工具，随之而来的是人类的反思和“批判”。它是万能的吗？

部分看客也跟着给出了自己的答案：不是。

首先，我们开始思考翻译和替代的准确率？

比如，目前大型语言系统的缺陷在于“提供信息的真实度有待提高”。由于ChatGPT基于对已有语言数据的学习提供回答，它的回答也受到数据库中不真实、有偏见、或者过时知识的影响。

这可能意味着对于专业性强的话题，如果大型语言系统没有经过足够专业数据的训练，很可能提供错误的回答。对于不了解专业知识的普通人来说，无法侦辨虚实。

此外，由于海量的数据训练是保证ChatGPT的基础，因此在数据的输入过程中，可能存在历史偏见等遗留问题，种族、性别、文化、年龄歧视等不良因素都会隐匿在其中。想要人工剔除是十分困难的事情，如何防止ChatGPT根据这些数据输出有害言论是需要解决的另一个挑战。

在Nature上发表的最新评论中，有研究人员指出，建立使用ChatGPT的规范和法规至关重要，才能确保这一技术被正当、透明、公平的使用。

开发者比评论人更清楚这其中隐藏的问题。去年9月，Google子公司DeepMind发表了一篇关于名为Sparrow的“对话代理”的论文4，该公司的首席执行官兼联合创始人 Demis Hassabis 表示，该论文将在今年以私人测试版的形式发布。谷歌的目标是开发甄别包括引用消息来源的能力在内的功能。

一些科学家也认为，目前，ChatGPT还没有接受足够专业的内容培训，无法对技术主题有所帮助。Kareem Carr是哈佛大学的生物统计学博士生，当他在工作中试用时感到不知所措。

“我认为ChatGPT 很难达到我需要的水平。”他说。

因此，一些科技公司正在根据专业科学文献对聊天机器人进行培训，尽管它们也遇到了自己的问题。

去年11月，拥有Facebook的科技巨头Meta发布了一个名为Galactica的法学硕士项目，该项目接受过科学摘要培训，旨在使其特别擅长制作学术内容和回答研究问题。

但测试中仍然出现了问题，目前该演示已从公共访问中撤出。

对此，“不再能通过随意滥用它来获得乐趣了。”Meta 的首席人工智能科学家Yann LeCun在推特上略显愤懑地回应道。

种种小小的不愉快背后，可能意味着ChatGPT的果实并未完全成熟。狂欢之余，子弹仍需飞一会儿。