生物學家要失業了？AI在矽谷造了一個全自動實驗室

舊金山灣地區的初創生物技術公司 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。然而環顧四周，你會發現，這個實驗室的工作人員似乎不太一樣，他們身上發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，這裡是 Zymergen 公司的未來生物學實驗室。

在這裡你可以看到機器人伸出一個機械手，抓取一個上面有數百個小孔的塑料板，然後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衝擊，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，然後送往下一個儀器進行分析。相比起傳統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，甚至已經存在了數十年之久。那麼這個實驗室究竟「未來」在哪裡呢?Zymergen 的共同創始人 Jed Dean 博士會告訴你：「我不知道這些機器人在做什麼實驗。因為這些實驗完全是由一個人工智慧程序設計的。」

沒錯，儘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、到分析數據，這些還都是人類科學家的工作。對於 Zymergen 來說，他們的目標就是完全取代人類科學家們的作用，由人工智慧程序完成這些工作。最近一段時間以來在機器學習方面的發展，使得機器人有望完全勝任這些工作。

Zymergen 公司的實際業務是想提高可以生產重要工業原料的微生物的產量，這些原料可以用於生物燃油、塑料、製藥等許多領域。通過改造這些微生物的基因組，Zymergen 想要找到大量提高產量的方法。

不過，這些工業微生物已經經過多年的選擇和優化，要想更進一步的提高產量，需要對其基因組進行非常深入的研究，並且根據初步數據再做下一步研究。這即使對於非常優秀的科學家來說也是一件費時費力的事情。Zymergen 首席執行官 Joshua Hoffman 的估計是一個科學家一個月大約可以完成 10 項實驗。通過傳統機器人的幫助，這個數字可以提高到每周 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。

對於一個有 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，那麼至少有 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揮作用的地方，通過上一步實驗的結果，機器學習演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量的 10%。這看上去是一個小數字，但是對於年產值 1600 億美元的化學工業來說，10% 的提升可能意味著數十億美元的經濟效益。

不過，人工智慧能夠找到提升產量的方法，但是卻不知道其背後的生物學機制。Dean 博士卻認為，這其實是人工智慧的優勢之一。因為傳統科學方法只會從已知的與生產特定產品相關的基因入手，這其實有很大的局限性。Zymergen 的實驗發現，許多人工智慧發現的能夠提高產量的基因變化與其化學合成通路沒有直接的聯繫，其中甚至許多基因的功能是未知的。

而對於生物學家來說，這些發現又是令人激動的。因為他們可以通過提高產量這一結果出發，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慧程序能夠自己去尋找這背後的機制。到那時，恐怕人類科學家真的沒有用武之地了。