AI成功设计全新病毒，是生化危机的前奏吗？

　　点击蓝字关注，多点在看防失联

　　个人观点，不代表任何组织与单位

　　8月6号《科学》上发表的一篇论文引发了广泛关注，斯坦福大学的科学家用生成式AI成功设计了16个自然界中不存在的全新病毒：

　　新冠疫情期间，实验室制造病毒的阴谋论影响很大，因此，这项研究发表后也有不少人担忧这是否意味着AI将制造下一个大流行，或者至少有人可以利用AI制造一个全新、无解药的致命病毒。

　　大可不必，这项研究很大程度上只是验证了生成式AI用于“生成”DNA序列时还能生成部分可用的序列，距离真正制造“全新”病毒还差得很远。

　　研究人员的出发点实际上都不是要制造全新病毒。他们是想解决噬菌体治疗细菌感染时的缺陷：合适的噬菌体很少。

　　噬菌体如其名是专门寄生、消灭细菌的一类病毒。我们想到治疗细菌感染时首先会想到的都是抗生素，可是理论上噬菌体也可以帮我们消灭某个病菌。偶尔你还会看到噬菌体成功治疗细菌感染的案例，比如2015年时，加州圣地亚哥大学的一对教授夫妇在埃及度假，丈夫不幸感染了鲍曼不动杆菌：

　　这种细菌对很多抗生素耐药，这位丈夫还特别不走远，感染的菌株连唯一有效的抗生素组合都耐药。绝境之中，医疗团队尝试用噬菌体治疗，成功救下他的性命。

　　你可能好奇，既然噬菌体治疗如此厉害，抗生素救不了的人都能救，为什么我们很少听说这种治疗呢？

　　其实噬菌体治疗的历史不比抗生素短，二三十年代时很流行，青霉素可是1928年被弗莱明发现，40年代才进入实用。

　　但是自从青霉素这样的有效抗生素出现后，噬菌体治疗就日薄西山。原因很简单：尽管噬菌体是全球种类最丰富的生命体，据估计有10的31次方种噬菌体，比其它所有物种加起来都多，可是要找到针对某个具体细菌的噬菌体并且有效培养出来却非常困难。可以说是看天吃饭，撞上了就撞上了。

　　更糟糕的是，哪天你撞了大运找到一种可以杀灭某个病菌的噬菌体，细菌可以像面对抗生素一样，出现“耐药性”，也就是抗性。于是，你需要再撞一次大运，碰上一个能克服新的抗性病菌的噬菌体。

　　这显然是一种很难稳定的规模化应用的治疗。而现代医学里需要的恰恰正是稳定和可以规模化。

　　斯坦福大学的研究团队想到了一个好主意，噬菌体杀灭一种细菌的能力说到底都是编码在基因组里的，而基因组的信息又只是ATCG四个碱基的排列组合。就像ChatGPT可以帮我们写出一篇文章，为什么不让生成式用ATCG这四个碱基编码，编出一个噬菌体基因组呢？

　　这样，我们就不是要在自然界亿万个噬菌体里找出可以杀死某个细菌的噬菌体，只需要AI在电脑上帮我们编出很多个噬菌体的基因序列，再筛选出可以杀菌的个体就行。

　　但要注意，科学家让AI生成噬菌体基因组不是真的让AI自由发挥造出个病毒。如同ChatGPT背后是海量的训练数据，我们看到的“生成”是在这海量训练数据基础上的“模仿”人类写作，斯坦福科学家是用200万个噬菌体基因组去训练AI，甚至在细节上做了特别强化——他们希望制造一种近似天然噬菌体174的病毒，大肠杆菌对这种噬菌体174有抗性，研究目的是让AI生成出打破抗性的噬菌体174“亲友”，于是，1.5万个与噬菌体174近似的基因组用于训练优化。

　　因此，与其说科学家让AI生成了一个全新的病毒，倒不如说科学家让AI去研究了上百万个病毒基因组，让AI模仿着写出了与其中一种病毒类似的基因组，只是在某个性状上有特定变化。

　　而且更需要谨慎解读的是论文展示的成功率：AI设计了302个它认为符合标准的潜在噬菌体，可是除去17个根本合成不了，剩下285个科学家合成了，检测后只有16个符合能真正杀死大肠杆菌的标准。

　　噬菌体是非常简单的病毒，只有5千多个碱基，相比之下新冠3万多个碱基，流感病毒1.4-1.5万个碱基，HIV将近1万。设计类似后面这些感染人的病毒，难度可要大得多。

　　更何况一旦牵扯到针对人的病毒，“致命性”可比针对细菌的病毒复杂多了，如何规避多层次的人体免疫系统，如何兼顾病毒的传染性、伤害性等等。

　　这个研究更像证明了类似ChatGPT可以模仿人来写一篇文章，生成式AI也可以模仿已有的病毒，构造自然界不存在但高度类似自然界病毒的“合成”病毒基因组——16个新病毒的基因组与噬菌体174的基因组相似度高达97%，可以说是复制出了一批类似的兄弟姐妹。

　　但回到开发有效的抗菌噬菌体治疗，或者你心怀不轨想制造能引发下一个大流行的病毒。如果思考更深层的设计哲学，会发现研究论证的生成式AI并没有解决真正的难题。

　　ChatGPT可以轻松帮你写出成千上万篇文章，但如今有人用ChatGPT写出了《红楼梦》、《荷马史诗》这样的经典著作了吗？催生的反而是无数人抱怨当下的文章AI味太重。

　　能作为有效抗菌治疗的噬菌体和能引发下一个大流行的危险病毒，恰恰如同病毒届里的《红楼梦》、《荷马史诗》，需要的不是当下生成式AI擅长的批量高仿，而是一个真正的精致原创。

　　这其实也是当下AI制药的痛点，生成式AI擅长的迅速“设计”大量类似分子，和制药的限速步骤——找到那个唯一能治病的分子，是错位的。

　　甚至在我个人看来，就抗菌治疗而言，指望AI构建出一个有效的噬菌体，可能性比AI设计新的抗生素都低，毕竟抗生素的结构比完整的病毒简单多了。