實驗室究竟“未來”在哪里呢？Zymergen 的共同創(chuàng)始人 Jed Dean 博士說：“我不知道這些機器人在做什么實驗。因為這些實驗完全是由一個人工智能程序設計的。”
舊金山灣地區(qū)的初創(chuàng)生物技術公司 Zymergen 的實驗室，乍看之下普普通通——實驗室的桌子上整齊的放著試管，架子上是各種化學藥品。然而環(huán)顧四周，你會發(fā)現(xiàn)，這個實驗室的工作人員似乎不太一樣，他們身上發(fā)出一些機械運動以及風扇的聲音。沒錯，在這個實驗室里工作的全是機器人，這里是 Zymergen 公司的未來生物學實驗室。
在這里你可以看到機器人伸出一個機械手，抓取一個上面有數(shù)百個小孔的塑料板，然后掃描了這個板上的條形碼。下一步動作則是肉眼無法觀察到的，機器人通過給予這個塑料板一個聲波的沖擊，使每個小孔都能濺出一滴小液珠，這個液滴迅速地被機械手獲取，然后送往下一個儀器進行分析。相比起傳統(tǒng)上科研人員使用移液器一個孔一個孔的操作，這個機器人 1 秒鐘可以取 500 個樣本。
不過，Zymergen 的科學家會告訴你，這些一點都不未來。使用機器人進行實驗操作，通過條形碼來進行記錄都已經(jīng)獲得了相當廣泛的應用。而通過聲波取液的技術，稱之為聲微滴噴射，甚至已經(jīng)存在了數(shù)十年之久。那么這個實驗室究竟“未來”在哪里呢？Zymergen 的共同創(chuàng)始人 Jed Dean 博士說：“我不知道這些機器人在做什么實驗。因為這些實驗完全是由一個人工智能程序設計的。”
盡管機器人在實驗室中有了普遍的應用，但是，從提出假說、設計實驗、到分析數(shù)據(jù)，這些還都是人類科學家的工作。對于 Zymergen 來說，他們的目標就是完全取代人類科學家們的作用，由人工智能程序完成這些工作。最近一段時間以來在機器學習方面的發(fā)展，使得機器人有望完全勝任這些工作。
Zymergen 公司的實際業(yè)務是想提高可以生產(chǎn)重要工業(yè)原料的微生物的產(chǎn)量，這些原料可以用于生物燃油、塑料、制藥等許多領域。通過改造這些微生物的基因組，Zymergen 想要找到大量提高產(chǎn)量的方法。
不過，這些工業(yè)微生物已經(jīng)經(jīng)過多年的選擇和優(yōu)化，要想更進一步的提高產(chǎn)量，需要對其基因組進行非常深入的研究，并且根據(jù)初步數(shù)據(jù)再做下一步研究。這即使對于非常優(yōu)秀的科學家來說也是一件費時費力的事情。Zymergen 首席執(zhí)行官 Joshua Hoffman 的估計是一個科學家一個月大約可以完成 10 項實驗。通過傳統(tǒng)機器人的幫助，這個數(shù)字可以提高到每周 1000 項，不過前提是需要給機器人提供正確的實驗設計和指令，這往往是一個瓶頸。
對于一個有 5000 個不同基因的微生物來說，如果每個基因可以有 10 個變種，那么至少有 50000 個不同的微生物需要測試。你可以從中找出可以提高產(chǎn)量的幾十個，接下來還要對這些不同的單個基因變種的組合進行測試。即使每周能夠測試 1000 種，這仍然是一個漫長的過程。此外，光測試產(chǎn)量是不夠的，微生物本身的生長能力也需要密切關注。而這就是機器學習能夠發(fā)揮作用的地方，通過上一步實驗的結果，機器學習算法能夠設計出下一步需要進行試驗的假說。
Hoffman 先生表示，目前為止，Zymergen 能夠提升一些微生物產(chǎn)量的 10%。這看上去是一個小數(shù)字，但是對于年產(chǎn)值 1600 億美元的化學工業(yè)來說，10% 的提升可能意味著數(shù)十億美元的經(jīng)濟效益。
不過，人工智能能夠找到提升產(chǎn)量的方法，但是卻不知道其背后的生物學機制。Dean 博士卻認為，這其實是人工智能的優(yōu)勢之一。因為傳統(tǒng)科學方法只會從已知的與生產(chǎn)特定產(chǎn)品相關的基因入手，這其實有很大的局限性。Zymergen 的實驗發(fā)現(xiàn)，許多人工智能發(fā)現(xiàn)的能夠提高產(chǎn)量的基因變化與其化學合成通路沒有直接的聯(lián)系，其中甚至許多基因的功能是未知的。
而對于生物學家來說，這些發(fā)現(xiàn)又是令人激動的。因為他們可以通過提高產(chǎn)量這一結果出發(fā)，進行反向推理，這有望揭開更多不為人所知的基因的功能。還有一種更終極的可能，那就是有一天人工智能程序能夠自己去尋找這背后的機制。到那時，恐怕人類科學家真的沒有用武之地了。
舊金山灣地區(qū)的初創(chuàng)生物技術公司 Zymergen 的實驗室，乍看之下普普通通——實驗室的桌子上整齊的放著試管，架子上是各種化學藥品。然而環(huán)顧四周，你會發(fā)現(xiàn)，這個實驗室的工作人員似乎不太一樣，他們身上發(fā)出一些機械運動以及風扇的聲音。沒錯，在這個實驗室里工作的全是機器人，這里是 Zymergen 公司的未來生物學實驗室。
在這里你可以看到機器人伸出一個機械手，抓取一個上面有數(shù)百個小孔的塑料板，然后掃描了這個板上的條形碼。下一步動作則是肉眼無法觀察到的，機器人通過給予這個塑料板一個聲波的沖擊，使每個小孔都能濺出一滴小液珠，這個液滴迅速地被機械手獲取，然后送往下一個儀器進行分析。相比起傳統(tǒng)上科研人員使用移液器一個孔一個孔的操作，這個機器人 1 秒鐘可以取 500 個樣本。
不過，Zymergen 的科學家會告訴你，這些一點都不未來。使用機器人進行實驗操作，通過條形碼來進行記錄都已經(jīng)獲得了相當廣泛的應用。而通過聲波取液的技術，稱之為聲微滴噴射，甚至已經(jīng)存在了數(shù)十年之久。那么這個實驗室究竟“未來”在哪里呢？Zymergen 的共同創(chuàng)始人 Jed Dean 博士說：“我不知道這些機器人在做什么實驗。因為這些實驗完全是由一個人工智能程序設計的。”
盡管機器人在實驗室中有了普遍的應用，但是，從提出假說、設計實驗、到分析數(shù)據(jù)，這些還都是人類科學家的工作。對于 Zymergen 來說，他們的目標就是完全取代人類科學家們的作用，由人工智能程序完成這些工作。最近一段時間以來在機器學習方面的發(fā)展，使得機器人有望完全勝任這些工作。
Zymergen 公司的實際業(yè)務是想提高可以生產(chǎn)重要工業(yè)原料的微生物的產(chǎn)量，這些原料可以用于生物燃油、塑料、制藥等許多領域。通過改造這些微生物的基因組，Zymergen 想要找到大量提高產(chǎn)量的方法。
不過，這些工業(yè)微生物已經(jīng)經(jīng)過多年的選擇和優(yōu)化，要想更進一步的提高產(chǎn)量，需要對其基因組進行非常深入的研究，并且根據(jù)初步數(shù)據(jù)再做下一步研究。這即使對于非常優(yōu)秀的科學家來說也是一件費時費力的事情。Zymergen 首席執(zhí)行官 Joshua Hoffman 的估計是一個科學家一個月大約可以完成 10 項實驗。通過傳統(tǒng)機器人的幫助，這個數(shù)字可以提高到每周 1000 項，不過前提是需要給機器人提供正確的實驗設計和指令，這往往是一個瓶頸。
對于一個有 5000 個不同基因的微生物來說，如果每個基因可以有 10 個變種，那么至少有 50000 個不同的微生物需要測試。你可以從中找出可以提高產(chǎn)量的幾十個，接下來還要對這些不同的單個基因變種的組合進行測試。即使每周能夠測試 1000 種，這仍然是一個漫長的過程。此外，光測試產(chǎn)量是不夠的，微生物本身的生長能力也需要密切關注。而這就是機器學習能夠發(fā)揮作用的地方，通過上一步實驗的結果，機器學習算法能夠設計出下一步需要進行試驗的假說。
Hoffman 先生表示，目前為止，Zymergen 能夠提升一些微生物產(chǎn)量的 10%。這看上去是一個小數(shù)字，但是對于年產(chǎn)值 1600 億美元的化學工業(yè)來說，10% 的提升可能意味著數(shù)十億美元的經(jīng)濟效益。
不過，人工智能能夠找到提升產(chǎn)量的方法，但是卻不知道其背后的生物學機制。Dean 博士卻認為，這其實是人工智能的優(yōu)勢之一。因為傳統(tǒng)科學方法只會從已知的與生產(chǎn)特定產(chǎn)品相關的基因入手，這其實有很大的局限性。Zymergen 的實驗發(fā)現(xiàn)，許多人工智能發(fā)現(xiàn)的能夠提高產(chǎn)量的基因變化與其化學合成通路沒有直接的聯(lián)系，其中甚至許多基因的功能是未知的。
而對于生物學家來說，這些發(fā)現(xiàn)又是令人激動的。因為他們可以通過提高產(chǎn)量這一結果出發(fā)，進行反向推理，這有望揭開更多不為人所知的基因的功能。還有一種更終極的可能，那就是有一天人工智能程序能夠自己去尋找這背后的機制。到那時，恐怕人類科學家真的沒有用武之地了。
