在過(guò)去的一年中，人工智能迎來(lái)了突破性的技術(shù)，它們來(lái)自O(shè)penAI的DALL-E2和ChatGPT。

Link: https://openai.com/dall-e-2

Link: https://openai.com/blog/chatgpt

或許你在網(wǎng)絡(luò)上已經(jīng)或多或少了解了一些，甚至已經(jīng)在無(wú)意中使用過(guò)了這些技術(shù)所帶來(lái)的成果。而這些技術(shù)，已經(jīng)開(kāi)始沖擊傳統(tǒng)的AI，并帶來(lái)全新的研究方向。

介紹

DALL-E2和ChatGPT都是生成式人工智能，也就是說(shuō)，它可以根據(jù)簡(jiǎn)單的描述和關(guān)鍵詞來(lái)創(chuàng)造出事物。例如，DALL-E2是根據(jù)文本描述，來(lái)生成相應(yīng)的圖像；ChatGPT則是一種自然語(yǔ)言模型，能夠?qū)崿F(xiàn)自然對(duì)話，也就是說(shuō)你可以和它對(duì)話，甚至可以解決一些問(wèn)題，如圖。

圖片來(lái)自官網(wǎng)

研究相關(guān)

如此充滿創(chuàng)造性的生成式人工智能在生物技術(shù)領(lǐng)域同樣受到關(guān)注。例如，蛋白質(zhì)工程的傳統(tǒng)方法涉及執(zhí)行迭代誘變和蛋白質(zhì)序列的選擇和從頭設(shè)計(jì)以創(chuàng)建具有所需特性的蛋白質(zhì)，包括結(jié)構(gòu)和序列特異性。但是生成式AI有可能改變這一協(xié)議，使其更容易從頭生成人工蛋白質(zhì)序列。

Madani及其同事開(kāi)發(fā)了ProGen，這是一種語(yǔ)言模型，在通過(guò)已知蛋白質(zhì)家族的2.8億個(gè)序列的訓(xùn)練后，可以生成具有可預(yù)測(cè)功能的蛋白質(zhì)序列。

Link: https://www.nature.com/articles/s41587-022-01618-2

生物技術(shù)公司也在研發(fā)和利用生成式AI來(lái)創(chuàng)造新的治療藥物。因?yàn)樾》肿铀幬镅邪l(fā)領(lǐng)域?qū)⑹芤嬗谶@些生成式人工智能模型。進(jìn)入FDA審批程序的候選藥物最終很少被批準(zhǔn)用于臨床，但人工智能模型有潛力發(fā)現(xiàn)更多與生物學(xué)相關(guān)的化合物。例如，于2020年成立的Generate Biomedicines公司，便開(kāi)始使用生成式人工智能來(lái)創(chuàng)建蛋白質(zhì)，并且這些蛋白質(zhì)可以用作新型療法，更好地適應(yīng)特定條件。

Link：https://generatebiomedicines.com

對(duì)于研究人員和學(xué)生，則是開(kāi)發(fā)了一個(gè)名為OpenBioML的“開(kāi)放研究實(shí)驗(yàn)室”， OpenBioML的目標(biāo)是成為一個(gè)機(jī)器學(xué)習(xí)和生物學(xué)交叉的開(kāi)放、合作研究實(shí)驗(yàn)室。從討論最新的發(fā)展到為前沿項(xiàng)目合作，再到復(fù)制封閉資源的研究。尋求最大限度地發(fā)揮人工智能在生命科學(xué)中的積極影響。OpenBioML得到了Stability AI（由生物技術(shù)公司所開(kāi)發(fā)）的支持，旨在通過(guò)為合作研究項(xiàng)目提供大規(guī)模計(jì)算資源，使該技術(shù)民主化。其首批兩個(gè)項(xiàng)目包括BioLM，將自然語(yǔ)言處理應(yīng)用于計(jì)算生物學(xué)和化學(xué)，以及DNA- diffusion，開(kāi)發(fā)可以通過(guò)文本提示生成DNA序列的人工智能。

Link：https://openbioml.org/

結(jié)語(yǔ)

雖然傳統(tǒng)的機(jī)器學(xué)習(xí)方法已經(jīng)在生物醫(yī)學(xué)領(lǐng)域取得了很多的成功案例，但是仍然存在一些不足。生成式人工智能的出現(xiàn)，將進(jìn)一步推動(dòng)生物醫(yī)學(xué)的發(fā)展。生成式AI在生物醫(yī)學(xué)領(lǐng)域應(yīng)用的前景如何呢？

有請(qǐng)chatGPT來(lái)給我們講兩句。[鼓掌!][歡迎!]文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-597584.html

生成式 AI 在生物科學(xué)領(lǐng)域的應(yīng)用可能具有巨大的潛力。例如，生成式模型可以生成新的分子結(jié)構(gòu)，以便進(jìn)行藥物發(fā)現(xiàn)和開(kāi)發(fā)；生成式模型可以生成新的生物圖像，以便進(jìn)行生物醫(yī)學(xué)圖像分析；生成式模型還可以生成新的基因組數(shù)據(jù)，以便進(jìn)行基因組學(xué)研究等。
然而，生成式 AI 在生物科學(xué)領(lǐng)域的應(yīng)用仍然面臨許多挑戰(zhàn)。例如，生成式模型的準(zhǔn)確性和可靠性仍然需要進(jìn)一步提高；生成式模型的解釋性和透明性仍然需要進(jìn)一步提高；生成式模型的數(shù)據(jù)偏差問(wèn)題仍然需要得到解決。
因此，總體來(lái)說(shuō)，生成式 AI 在生物科學(xué)領(lǐng)域的應(yīng)用前景具有很大的潛力，但仍然需要解決許多技術(shù)挑戰(zhàn)。