在我們的認知中， 基因科學和人工智慧都是技術中的“武林高手”。 在一系列新聞通稿中， 二者通常會與“長生不老”“返老還童”這樣的字眼搭邊，
廣闊天地， 誰能大有作為？人工智慧與基因科學短兵相接， 是取得友好合作， 還是一拼高下？
從高嶺之花到花開遍野目前， 人工智慧的產業圖譜已經十分豐富了， 金融、教育、醫療、公共安全等領域都可以看到AI的影子。 從這一點來看， 基因科學雖然是AI的前輩， “名震江湖”的速度卻沒有後輩來得快。
基因科學的應用通常集中在基因檢測。 基因檢測有兩個應用場景， 一個是健康檢查， 比如預測癌症等，
但這也不代表人工智慧略勝一籌。 生命科學這一領域限於研究環境、技術條件等壁壘， 在前幾年著實發展緩慢， 但是在近些年， 生命科學的高科技可能就要進入一個爆發期了。 比如基因編輯， 大家熟知的就有明星技術CRISPR/Cas9， 在去年， Mitalipov領導的國際研究團隊就完成了美國第一例人類胚胎基因修飾的研究。
生命科學領域的想像力空間會非常大， 當然， 這類技術也會遇到和AI同樣的倫理道德的牽絆。
某個基因與疾病的相關性是根據統計學統計出來的。 比如研究癌症和人體基因的關係時， 首先要統計大量癌症患者的基因資料， 然後進行比對， 再篩選出相似的基因， 即選定可能致癌的基因。
但這樣的結果卻很容易被推翻， 首先是因為統計資料是通過以往的累積資料統計的結果。 而隨著癌症統計樣本數量不斷增加， 人們會發現更多的相似基因位點， 患有癌症的概率統計也就會相應地發生變化。
其次， 人類患有某種疾病還與其它因素有關， 比如肺癌的患病就和大氣污染有很強的關聯性。 但是基因檢測是接觸不到患者的實際情況的。
也就是說， 即使基因檢測獲得了大量資料， 對於疾病的指向性依舊是有限的。 而面對這樣的情況， 我們加入AI能夠深度學習To C端資料庫的功能或許會有助益。
就拿最近美國斯坦福大學開發的AI預測死亡系統舉例， 這個系統統計了12個月內死亡患者的近200萬份醫療資料， 然後通過深度神經網路利用大資料計算每條資訊的權重和強度， 與現有的患者進行比對， 就會生成這個患者在3—12個月內死亡的概率分數。 如此， 也能最大限度地保證疾病診斷的正確率。
除此之外， AI可以通過ChatBot、場景識別等功能， 對患者進行行動上的監管， 更有利於輔助基因的診斷。
製藥業的神助攻英國倫敦大學學院的皮特.柯文尼教授稱：“通過病人的基因組序列， 可以推斷出酶的形狀， 構建準確的蛋白質三維結構， 篩選匹配藥物， 並將結果告訴主治醫生給出最優處方。 ”
將基因測序技術和AI的計算能力相結合， 或許能夠探索出製藥業的新路徑。 以愛滋病的治療藥物舉例， 科學家表示， 目前他們建立的50多個類比模型， 就要配有5000個處理器的電腦不停的計算12-18個小時， 還要對計算結果做大量的資料分析， 才能給出藥物的排序。 而在製藥這件事上， AI正在全面提升人類的效率。
個人健康管理終端基因晶片一直是生命科學領域想要打造的“法寶”。 而將其與AI結合起來，會在哪個方面實現突破呢？健康管理。
基因晶片可以快速、準確的鑒定一個人的生物資訊。與AI只能圖像識別不同，智慧終端機+基因晶片或許可以打造出一個人類GIS智慧設備，這個豐富的多維度的資訊嵌合體可以用來解讀個人的健康情況、識別個人的身份資訊等。相當於有了一張智慧的、專屬的、可見的“基因身份證”。
這類設備還可以快速檢測汙微生物或有機化合物對環境、人體、動植物的污染和危害。基因晶片經過改進，能夠利用不同生物狀態表達不同的數位資訊，基於基因晶片和基因演算法，還可用於製造生物電腦。
從AI“類人”的圈子裡跳出來一方面，在基因科學中，解讀人類基因程式語言的意義在於解讀地球生物圈的程式碼。我們在教科書上就學過，基因是編譯氨基酸的密碼子。除了極少數的不同之外，地球上已知生物的遺傳密碼均非常接近。因此，根據演化論，遺傳密碼應在生命歷史中很早期就出現。而這一點，對研究物種的誕生有著非常重要的意義，在以後，我們不排除“人造”地球生物圈的可能性。
另一方面，我們目前提到的機器人、電腦等人工智慧是沒有意識的，即使我們不斷地嘗試，想讓AI變得更像人，但機器所做的主要還是認知的事情，做的是一個Pattern Recognition，聽聽聲音，看看圖像。人腦的高級功能還是無法移植到AI上。自深度學習以來，AI一直沒有重大的理論突破，也證明了創造出具有意識、情感的非生命還是很難的。
美國哲學家約翰·希爾勒曾經提出“中文房間”的實驗理論來反駁電腦和其他人工智慧能夠真正思考的觀點。在這個思維實驗裡，只要電腦擁有了適當的程式，理論上就可以說電腦擁有它的認知狀態以及可以像人一樣地進行理解活動。
在這個理論基礎上，我們或許可以開一個比較大的腦洞，就是跳出人工智慧一定要作為仿生機器、“類人AI”出現的圈子，而是利用動物的思維，類比動物的程式，這或許會是一個具有極大潛力的空間。如果把這個“人造”生物圈當作一個生物進化的實驗工廠，那麼我們或許可以從中總結出一套有別於人類的某個物種的程式語言。當人類能夠縱觀整個生命歷史時，總結歸納一個物種的程式語言也未嘗不可，而那意味著人類能夠創造以新的程式語言為基礎的“動物智慧”。
與其讓AI不斷進行人工標籤資料的積累學習，不如先構建一個動物行為的知識圖譜，進行系統化訓練，一旦訓練成功，對於人們來說，受益將會是永久性的。
最重要的是，當基因科學獲得突破，人類將有機會獲得動物、植物的非公式性變數波動（即情感波動），那麼，將這樣的波動作為資料庫植入到AI中，或許可以解決我們在日常生活中動物語料庫不足、語義不明晰的問題。如果動物存在真情實感，通過基因技術+AI技術，我們或許可以實現人與動物的情感交流。
不論如何，AI和基因科學遲早會實現花開遍地，而人類對於科技和自然的探索，就像時間之矢一樣，永遠向前。（本文首發鈦媒體）
更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
而將其與AI結合起來，會在哪個方面實現突破呢？健康管理。基因晶片可以快速、準確的鑒定一個人的生物資訊。與AI只能圖像識別不同，智慧終端機+基因晶片或許可以打造出一個人類GIS智慧設備，這個豐富的多維度的資訊嵌合體可以用來解讀個人的健康情況、識別個人的身份資訊等。相當於有了一張智慧的、專屬的、可見的“基因身份證”。
這類設備還可以快速檢測汙微生物或有機化合物對環境、人體、動植物的污染和危害。基因晶片經過改進，能夠利用不同生物狀態表達不同的數位資訊，基於基因晶片和基因演算法，還可用於製造生物電腦。
從AI“類人”的圈子裡跳出來一方面，在基因科學中，解讀人類基因程式語言的意義在於解讀地球生物圈的程式碼。我們在教科書上就學過，基因是編譯氨基酸的密碼子。除了極少數的不同之外，地球上已知生物的遺傳密碼均非常接近。因此，根據演化論，遺傳密碼應在生命歷史中很早期就出現。而這一點，對研究物種的誕生有著非常重要的意義，在以後，我們不排除“人造”地球生物圈的可能性。
另一方面，我們目前提到的機器人、電腦等人工智慧是沒有意識的，即使我們不斷地嘗試，想讓AI變得更像人，但機器所做的主要還是認知的事情，做的是一個Pattern Recognition，聽聽聲音，看看圖像。人腦的高級功能還是無法移植到AI上。自深度學習以來，AI一直沒有重大的理論突破，也證明了創造出具有意識、情感的非生命還是很難的。
美國哲學家約翰·希爾勒曾經提出“中文房間”的實驗理論來反駁電腦和其他人工智慧能夠真正思考的觀點。在這個思維實驗裡，只要電腦擁有了適當的程式，理論上就可以說電腦擁有它的認知狀態以及可以像人一樣地進行理解活動。
在這個理論基礎上，我們或許可以開一個比較大的腦洞，就是跳出人工智慧一定要作為仿生機器、“類人AI”出現的圈子，而是利用動物的思維，類比動物的程式，這或許會是一個具有極大潛力的空間。如果把這個“人造”生物圈當作一個生物進化的實驗工廠，那麼我們或許可以從中總結出一套有別於人類的某個物種的程式語言。當人類能夠縱觀整個生命歷史時，總結歸納一個物種的程式語言也未嘗不可，而那意味著人類能夠創造以新的程式語言為基礎的“動物智慧”。
與其讓AI不斷進行人工標籤資料的積累學習，不如先構建一個動物行為的知識圖譜，進行系統化訓練，一旦訓練成功，對於人們來說，受益將會是永久性的。
最重要的是，當基因科學獲得突破，人類將有機會獲得動物、植物的非公式性變數波動（即情感波動），那麼，將這樣的波動作為資料庫植入到AI中，或許可以解決我們在日常生活中動物語料庫不足、語義不明晰的問題。如果動物存在真情實感，通過基因技術+AI技術，我們或許可以實現人與動物的情感交流。
不論如何，AI和基因科學遲早會實現花開遍地，而人類對於科技和自然的探索，就像時間之矢一樣，永遠向前。（本文首發鈦媒體）
更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App