西尔瓦娜·库兹米切克，加州大学科学教授。很高兴见到你。欢迎来到TED。西尔瓦娜，你对科学充满热情已经很久了。能聊聊这张照片吗？是的，这张照片是我15岁时拍的。我出生在瑞士的一个小镇。我的父母并不从事科学，但不知为何，我对周围的自然以及我们人类自身的生物学运作方式产生了深深的着迷。所以我真的很想找到一种方法，能够进入实验室做科学研究。这对我来说其实并不容易，但最终我说服了我的科学老师之一，让他说服一位同事允许我进入实验室。这就是我参与第一个科学项目的样子，后来我赢得了全国竞赛，还赢得了欧盟竞赛。我想正是从那时起，我获得了继续从事科学研究的信心。但作为科学神童也有一个缺点，那就是你会觉得自己有责任做出一些成就。我认为你一生都有这种感受，并且一直在思考你可以解决哪些最大的问题。跟我们讲讲这张图表吧。好的，当然。我从事科学研究至今大概已经20多年了，但我想说，这实际上是我第一次真正公开露面。我通常都是幕后工作者。不过，我从本科起就一直在思考一个问题——我在瑞士读本科，专业是生物学和神经科学，并了解了更多关于阿尔茨海默症的知识。我们了解到大脑中正在发生巨大的变化。很多研究聚焦于疾病的晚期阶段，知道它有多严重，但讲座结束后我们却根本不知道疾病是如何开始的。我们仍然没有治疗方法，这已经是多年前的事了。大概17年前吧，这个问题一直困扰着我，因为我不明白为什么我们不了解它是如何开始的？为什么我们没有治疗方法？有这么多明显的变化在发生，这让我对疾病生物学产生了兴趣，特别是复杂疾病，阿尔茨海默症就是一种复杂疾病。这听起来总是很复杂，但它的意思并非如此。它意味着疾病有多个不同的风险因素，基本上每个患者都有独特的风险因素组合。这与感染不同，感染只有一个病因。而这里列出的几种疾病也同样具有根本性的复杂性。没错。心脏病、许多癌症（显然不包括意外伤害）、中风和阿尔茨海默症。这些都是复杂疾病。这就是为什么近年来医学科学难以在这些疾病上取得重大突破。基本上，所有这些疾病都涉及基因变化、环境因素的组合，每个患者都是独特的，拥有独特的风险因素组合。因此，我们科学界一直在苦苦挣扎，试图理解所有这些不同患者的共同点，以便找到可以靶向并治愈疾病的方法。但你看到了一个用不同方式攻克这些疾病的机会。是什么发生了变化？我认为现在有三个因素结合在一起，就在最近一两年内，使得理解阿尔茨海默症这类复杂问题成为可能。从高层次概括，是三个领域：测量、改变和理解。测量对我们来说意味着单细胞测序。这是一种技术，让我们能够一次观察一个细胞，捕捉细胞内部关键动态过程的快照，即细胞的RNA表达。基本上，RNA就像细胞的语言，而这项技术一次一个细胞地拍下细胞内部活动的快照。第二步是改变，我们需要有能力精确地改变某些东西，一次改变一个基因，让它停止产生RNA，或者上调RNA。这是我15年来一直从事的领域——CRISPR技术。作为一个领域，我们取得了很大进展，现在可以在整个基因组中对所有基因进行这种定向改变。这也是最近才真正成为可能的。最后，当然，人工智能是一切的前沿，尤其是在今天，但我们在过去两年里看到，它变得真实且有效，人工智能可以帮助我们理解这类过程。所以如果我没理解错的话，正如人工智能破解了人类语言的理解，你看到了利用人工智能理解我们自身细胞语言——RNA的可能性。是的，完全正确。这基本上就是核心原则，为此，你需要能够以这种定向方式测量和改变它。打个比方，当时这个领域对此是持怀疑态度的。即使是六年前，人们也不确定是否真的能基于语言和语言预测来规模化构建大型语言模型，从而建立起对世界的某种概念，至少能相当好地近似智能，对吧？这就是过去六年的关键洞察：一个模型可以从人类语言中学到如此多的东西。同样，我们可以将这个理念应用于RNA，它基本上就是细胞的语言，尤其是细胞的动态语言，因为它一直在变化。它反映了细胞正在发生什么，同时也反映了细胞的遗传信息。它的复杂程度与人类语言大致相当，还是远高于人类语言？很难说，但我认为一个关键区别在于——这也是为什么人工智能在生物学中可能如此强大——人类语言是由人类创造的，对吧？所以我们理解它，是我们发明了它。而我们的新语言或者说生物语言是进化而来的，并非由人类创造。所以它对我们来说基本上是难以理解的。我们可以预测"生存还是毁灭"的左侧，比如我们知道莎士比亚，我们可以补全它。而在右侧，没有人类能真正补全它，对吧？但人工智能不在乎。为了破解它，我认为你必须采取同样的立场，即获取海量数据。谈谈这个过程吧。好的，当然。我们从大型语言模型中学到的是，它们非常"饥饿"，对数据需求很大。实际上，我们几千年来一直在为这些语言模型生成数据，它们使用了人类世世代代和各个文明创造的所有语言。在生物学中，我们没有类似的东西，对吧？尤其是当你考虑我们需要精确的测量，一次一个细胞，而且我们需要知道那个细胞到底发生了什么，因为我们正在构建一个预测模型，一个动态模型，能够预测当细胞发生某种变化时会如何改变。所以我们需要生成那个数据集，这是构建任何有用模型的核心。那么，具体是怎么做的呢？本质上，这结合了我之前提到的前两个要素：进行定向改变。在这种情况下，我们使用CRISPR技术关闭或开启一个基因，一次一个基因、一次一个细胞地进行，然后使用单细胞RNA测序测量结果，从而捕捉细胞发生的变化。所以你对细胞进行所谓的"扰动"，然后测量输出。你需要做多少这样的实验？你的计划是什么？我们的计划是至少进行十亿次这样的实验。在未来四年内，这将是大量的实验。你不是在说软件层面，而是十亿次实际的生物学实验？是的，物理实验。我是生物学家，实验生物学家。我们在实验室里进行大量实验。我们能这样做是因为我们使用了一些技巧，使实验更具可扩展性，我们实际上不是在运行十亿个小型的单独反应。我们能够使用不同的条形码技术，在更大的池中运行这些实验，然后反推出我们对细胞做了什么。好吧，如果事情按照你希望的那样发展——我想你已经看到了成功的迹象——一旦你收集到那些数据，你就能从模型中得到一些真正惊人的结果。谈谈这个吧。是的，简单说一下为什么我觉得我们能完成十亿次实验：我们到目前为止已经做了大约六千万次实验。你已经做了六千万次，没错。所以我们感觉良好，可以继续下去。但这一切的目的是，我们想学习的不仅仅是"如果我有这个细胞并做出这种改变，细胞会发生什么"。我生成这个模型的最终动机是为了人类健康。因此，我们现在可以有一个疾病状态。重要的是，这可以是例如某种细胞，比如阿尔茨海默症中的一种脑部免疫细胞——小胶质细胞，我们可以测量它在许多患者身上的表现，而不仅仅是一个患者。这些数据已经存在，所以我们甚至不需要生成它。这样我们就能看到所有患病的细胞，然后我们也有所有健康的细胞，同样跨越不同人群，接着我们可以询问模型：模型知道如何改变细胞，那么我需要施加什么干预？什么基因改变？什么化学改变？才能将所有患者中同一疾病的所有患病细胞转化回健康细胞？这是一个惊人的预测：如果这个模型真正理解了DNA的语言，它就能预测出医学界从未知道的东西。因为要做到这一点，可能需要对细胞进行一系列复杂的干预，不像吃一片阿司匹林那么简单。可能是多种因素的复杂组合，或者仅仅是选择正确的一个的问题。有2万种可能性，上调或下调则多达4万种可能性。而目前生物医学中靶点识别的常规方法是"猜测-验证"方式。你有一个假设，涉及一个基因，然后花几年时间验证它是否正确。所以如果你要从4万种东西中挑选，即使只挑一个，那也要花上很久，对吧？这就是为什么我们至今仍未治愈这些疾病。那么，随着你逐步完善这个模型，你打算用它做什么？如果我没理解错，你要创建的是一个虚拟细胞。甚至不止于此，它是一个通用的虚拟细胞，研究人员无论研究哪种细胞，都可以使用你的模型。谈谈你的计划吧。全部意义在于它是一个通用的虚拟细胞，这意味着它需要学会泛化到一种新的细胞类型或新的细胞状态（例如一种新疾病），而无需事先看到该新细胞类型的训练数据。这是一项极具挑战性的任务，这也是我们正在认真思考如何进行这些实验的原因。但最终，我们在这里看到的是，这个愿景是真实的。这是我们的状态设计器。我们已经在八个月前构建了第一个模型。它还不是很好，但明确地说，它是当时最先进的模型，是当时发表的最佳模型。但它还有很长的路要走，才能达到我认为真正有用的准确度。但这是一个基于我们现有模型的界面，你可以说：我有一个起始细胞，我想这样改变它，然后模型就会输出最有可能按你的方式改变细胞的几种不同方案。你没有把这个模型自己保留或授权给公司，而是公开提供。没错，是的。我们有几种方式让人们能够使用它并跟进进展。首先，我们将在今年晚些时候发布这个工具让人们试用，同时附上免责声明，比如它不是很准确，准确率大概20%。此外，我们将在未来四年内不断迭代。我们还每年为整个社区举办一次虚拟自挑战赛。第一次有1000支团队参加，这真正推动了整个领域向前发展，达到我们需要达到的水平。这太棒了。你们研究所的出色工作将通过提供这个工具而真正催化全球的研究。有些人可能会想，等一下，这会不会有点危险？有些使用它的人可能并不关心人类的福祉。你怎么看？是的，这确实是一个问题，我们在申请过程中也遇到过。关键要记住的是，这仅适用于人类细胞。理论上，有人可以为病毒构建类似的工具。我要说，不要那样做，那是个坏主意。因为那样你绝对可以用它来制造危险的东西。但这只是让你能够将人类细胞转变为不同的状态，我认为这很难被滥用。而且原则上，如果出现了一种危险的病毒，而模型运行正常，那么这将是给我们提供最快防御的方法之一。例如，它会告诉你病毒正在靶向细胞中的哪个基因。目前我们知道被靶向的细胞会发生什么。所以是的，它绝对能帮助我们进行防御。这是你的团队，跟我们介绍一下吧。ARC实际上是在2021年才启动的，当时我们决定推出。2022年才真正开始运行。所以只有四年时间，但我们发展得很快。这是之前和之后的对比？这只是过去一年的增长。现在我们有300多人，我们希望通过ARC实现的目标之一是将不同学科的人聚集在一起，让人工智能和生物学在同一屋檐下、同一个研究所里。我们开始的时机正好，可以预见到机器学习对生物学的意义。维安娜，看到无畏社区支持你并帮助你扩展这个愿景，我非常激动。很难想象有比这更勇敢的努力来应对人类的需求，并让我们对人工智能感觉更好。那么，如果这里有人的家人患有阿尔茨海默症或心脏病，你会对他们说什么？我想说的是，我认为生物医学将在这些疾病方面发生转变。可能不是三个月内，所以你需要一点耐心，但我认为在四到五年内，我们将能够拥有足够准确的模型，变得有用。这将是一种完全不同的生物学研究方法，不再是一次一个假设。像阿尔茨海默症这样的领域可能会因为只专注于一个可能错误的主导假设而陷入困境。而有了这些模型，你可以进行全面的、数据驱动的审视：在所有我们可以用药物靶向的东西中，如果针对它们全部会发生什么？然后哪一个是最有效的？这是一种完全不同的解决问题的方法，我认为这非常令人兴奋。西尔瓦娜，感谢您不可思议的愿景，感谢您在这里与我们分享。真是精彩绝伦。非常非常棒。
【全文结束】