scripod.com

AI for Science 爆发:AI 能解锁伟大的科学发现吗? | S10E29

AI for Science 正从热门概念走向具体的科研工具:它既可能自动化文献、代码和实验流程,也可能通过构建虚拟细胞,帮助人类理解生命系统并加速药物研发。本期宋乐分享了这条道路的技术路径、能力边界与落地前景。
本期节目从宋乐跨越计算机、生物学、学术界与产业界的经历谈起,梳理了 AI for Science 的两条路线:以 Coding Agent 自动调用工具和整合知识,或深入专业数据训练领域模型。讨论进一步聚焦虚拟细胞世界模型:它需要整合从 DNA、蛋白质到细胞表型的多尺度、多模态信息,并持续模拟细胞状态变化。嘉宾认为,AI 已能承担许多初级科研工作,但原创科学发现仍需要跨领域概念跳跃;未来突破不只取决于更大的模型和更多数据,也取决于新架构、测量技术与真实实验的闭环。虚拟细胞有望先在细胞疗法、免疫疗法和药物毒理预测等场景逐步商业化。
01:49
01:49
AI 是加速科研发现的终极工具
05:14
05:14
在学校里做大模型,基本上是不可能的
12:30
12:30
训练千亿参数蛋白质语言模型
17:07
17:07
从蛋白质走向细胞、组织和个体
22:34
22:34
AI for Science 的两条路径终将汇聚
26:22
26:22
AI 已经带有人的初级智能
35:00
35:00
创造基因是人类智慧的最高处
44:50
44:50
虚拟细胞首先要理解多尺度、多模态信息
49:37
49:37
四到五年后,虚拟细胞可能达到工业可用水平
53:39
53:39
关键不是数据有多少,而是信息有多少
58:48
58:48
算法和测量手段会螺旋迭代上升
1:06:14
1:06:14
虚拟细胞不必一步到位,先从可落地的细胞类型开始