AI与生物

Meta的ESMFold和DeepMind的AlphaFold是两个用于蛋白质结构预测的大模型。Alpha Fold通过AI解决了确定蛋白质三维结构的难题，而ESMFold则在短序列中以高速度实现了约60倍的预测速度提升。这项技术基于语言学习，消除了对显式同源序列输入的要求，并且能够在GPU上运行，展示了无监督表示学习的巨大潜力。ESMFold的研发团队由Meta AI的Alexander Rives领导，其应用于宏基因组DNA数据库的蛋白质结构预测标志着AI在生物学应用中的显著突破，缩短了蛋白质结构预测的时间并推动了生命科学技术的进步。

BioMedGPT-1.6B是一个专为生物医药领域设计的基础大模型项目，由清华大学AIR生命科学团队研发，旨在处理药物性质预测、跨模态任务等，目标成为该领域的基础模型。目前团队已达到50人规模，并开源了先行版本以供科研人员使用。尽管模型能力尚未达到完美，但团队专注于满足正在进行相关研究的科研需求，相信随着工作推进和数据补充，该项目将有益于整个AI制药行业的发展。

两位计算生物学家利用GPT-3人工智能助手改进研究论文，助手在审稿中发现并修正错误，这项实验展示了AI在提高研究人员效率上的潜力。ChatGPT因其通用性和在蛋白质生成、基因测序领域的应用，引发了生物技术界的关注。然而，ChatGPT的全能性也引发质疑，其准确率和避免偏见的问题需要解决，开发者正努力开发相关功能以确保合理使用。Meta等公司已经开始对聊天机器人进行专业内容训练，以期提高其在技术领域的帮助能力。

加拿大专家唐建在《理解未来》科学讲座上分享了语言生成模型如ChatGPT在医药领域的潜力，强调人工智能已应用于生物医药的交叉领域，预测化学等传统领域将成为AI主战场，并提出科研将从个体转向平台模式。与会者讨论了AI对生命科学的影响和促进合作的议题。