Anthropic 称 Claude 主导发现可能的新型基因编辑机制
RT @DarioAmodei：今天我们宣布了一项由 Claude 主导发现的分子机器,我们怀疑它可能代表一种新的基因编辑机制。其确切功能、生物技术用途(如果有的话)或重要性程度目前尚不清楚,但至少可以说,这是我作为博士生时会引以为傲的工作。这项工作大部分(虽非全部)由 Claude 完成:我们的生命科学团队提出了一个宽泛的研究方向,Claude 通读了文献和大量基因组数据,发现了有趣的东西,随后 Claude 提出实验来验证这一发现,我们的团队则执行了这些实验。
很容易把这件事当作一次性的偶然或奇闻轶事而不予理会,但我们已反复看到一个模式:AI 在新的智力领域中的表现,会在短短几年内从薄弱跃升到超人水平。2023 年,模型做数学题的水平和普通高中生相当都还很吃力;2024 年,它们开始在全国最优秀高中生的数学竞赛中表现出色;2025 年,它们开始解决一些小型的开放问题;2026 年初,是更重要的开放问题;而到 2026 年末,它们已开始解决整个数学领域最顶级的几个开放问题。我们相信,生物学领域的 AI 正处于类似的指数级趋势上。
当然,生物学与数学的主要区别在于,数学可以纯理论地推进,而生物学需要实验。有人据此得出结论说,AI 在生物学中的用处将很有限。我们认为这是错的。正如我们今天所展示的,人类可以与 AI 协作来完成实验,在几周内验证关键结果,必要时还可以与 AI 一起对发现进行迭代。最终,Claude 甚至有可能在具备适当保障措施的前提下,通过自主操控实验室设备来安全地完成实验,但今天我们还没有这么做(我们的实验室也是 BSL1/BSL2 设施,不处理对人类有害的材料)。
更广泛地说,生物医学的进步有许多阶段——从基础生物学发现,到转化研究,到药物发现、临床试验,最终是把药物和医疗真正送达患者。我们同样对这些后期阶段感兴趣,但哪怕只是加速第一阶段的基础生物学发现,也有可能让整条管线变得更快、更宽。加深我们对生物学的理解、磨砺生物学家的工具,可以推动后续所有阶段,例如识别新的药物靶点、找到新的治疗模式、实现更精确的测量,并加快实验循环,而实验循环的加快又会进一步加速我们对生物学的理解。这本身不会缩短临床试验的时间,但如果成功,它可以大幅增加进入管线的有前景候选物的数量——即便延迟不变,吞吐量也会提升。
在《Machines of Loving Grace》中,我写到 AI 有潜力"在 5-10 年内治愈大多数疾病"——这个目标听起来不可能,但我相信,只要把 AI 应用到管线的每一个阶段,它勉强有可能实现。第一步就是要证明 AI 能够先帮助、继而驱动生物学发现。
Claude 的这一发现,是数十年来一系列相关先行工作中最新的一项,最早可追溯到 CRISPR 这类系统,近些年又有 bridge recombinase 和 VIPR 等发现。近来,基于逆转录酶(RT)的系统——也就是 Claude 所发现系统背后的那种酶——受到了更多关注。而最近,一个斯坦福团队独立描述了一个带有相关非编码阵列的新型 RT 系统,在某些方面与 Claude 发现的系统相似,不过它们是各自独立演化出来的不同系统。我相信,我们才刚刚开始发现这类系统并将其发展
很容易把这件事当作一次性的偶然或奇闻轶事而不予理会,但我们已反复看到一个模式:AI 在新的智力领域中的表现,会在短短几年内从薄弱跃升到超人水平。2023 年,模型做数学题的水平和普通高中生相当都还很吃力;2024 年,它们开始在全国最优秀高中生的数学竞赛中表现出色;2025 年,它们开始解决一些小型的开放问题;2026 年初,是更重要的开放问题;而到 2026 年末,它们已开始解决整个数学领域最顶级的几个开放问题。我们相信,生物学领域的 AI 正处于类似的指数级趋势上。
当然,生物学与数学的主要区别在于,数学可以纯理论地推进,而生物学需要实验。有人据此得出结论说,AI 在生物学中的用处将很有限。我们认为这是错的。正如我们今天所展示的,人类可以与 AI 协作来完成实验,在几周内验证关键结果,必要时还可以与 AI 一起对发现进行迭代。最终,Claude 甚至有可能在具备适当保障措施的前提下,通过自主操控实验室设备来安全地完成实验,但今天我们还没有这么做(我们的实验室也是 BSL1/BSL2 设施,不处理对人类有害的材料)。
更广泛地说,生物医学的进步有许多阶段——从基础生物学发现,到转化研究,到药物发现、临床试验,最终是把药物和医疗真正送达患者。我们同样对这些后期阶段感兴趣,但哪怕只是加速第一阶段的基础生物学发现,也有可能让整条管线变得更快、更宽。加深我们对生物学的理解、磨砺生物学家的工具,可以推动后续所有阶段,例如识别新的药物靶点、找到新的治疗模式、实现更精确的测量,并加快实验循环,而实验循环的加快又会进一步加速我们对生物学的理解。这本身不会缩短临床试验的时间,但如果成功,它可以大幅增加进入管线的有前景候选物的数量——即便延迟不变,吞吐量也会提升。
在《Machines of Loving Grace》中,我写到 AI 有潜力"在 5-10 年内治愈大多数疾病"——这个目标听起来不可能,但我相信,只要把 AI 应用到管线的每一个阶段,它勉强有可能实现。第一步就是要证明 AI 能够先帮助、继而驱动生物学发现。
Claude 的这一发现,是数十年来一系列相关先行工作中最新的一项,最早可追溯到 CRISPR 这类系统,近些年又有 bridge recombinase 和 VIPR 等发现。近来,基于逆转录酶(RT)的系统——也就是 Claude 所发现系统背后的那种酶——受到了更多关注。而最近,一个斯坦福团队独立描述了一个带有相关非编码阵列的新型 RT 系统,在某些方面与 Claude 发现的系统相似,不过它们是各自独立演化出来的不同系统。我相信,我们才刚刚开始发现这类系统并将其发展