【專訪】Alex Rives：虛擬細胞卡關，問題在人類還看不清細胞
AI 能寫程式，解數學，為什麼還治不好癌症？Biohub 科學負責人 Alex Rives 在 Podcast《The Cognitive Revolution》給的答案是：卡關的不是 AI，是人類還看不清細胞。他曾共同創辦 EvolutionaryScale，打造蛋白質 AI 模型 ESM。Biohub 由祖克柏夫婦的慈善機構支持，使命是治癒或預防所有疾病。它剛宣布把虛擬生物學計畫擴大 18 億美元，合作對象包括美國能源部，NIH，Google DeepMind 與 Meta。
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
這場有三個重點。第一，現在號稱虛擬細胞的模型還不及格，根本原因是量測工具看不到關鍵資訊。第二，他的目標是五年內做出細胞的資訊模型，能預測細胞下一步會怎麼變。第三，語言模型的訓練方法可以搬到生物，但答案必須回到實驗室驗證。合起來看，這是一場先補資料，再談 AI 的長期押注。
◎虛擬細胞還不靈，因為看不到該看的東西
主持人 Nathan Labenz 問他，虛擬細胞模型為何至今沒有改變醫療。Rives 說，細胞複雜到分子之間的互動都會左右整體。要突破，模型架構，大規模資料，能看見關鍵現象的量測工具三者缺一不可，其中量測最根本。Biohub 今年發表的雷射相位板，就像替昏暗照片調高對比，讓電子顯微鏡能在細胞裡分辨個別蛋白質，看出它們怎麼互動。
◎五年目標：預測細胞下一步會變成什麼
Rives 說，終極目標是生命的世界模型，從原子結構到組織互動都能模擬，但那還很遠。眼前做得到的是細胞的資訊模型：輸入細胞現況和外來刺激，預測它接下來可能變成哪些狀態。這有點像氣象預報，給的是機率，不是定論。他估計一到兩年內會有健康與疾病細胞圖譜的初稿，五年內相當完整。到時候就能問：怎麼把病態細胞推回健康狀態。
◎語言模型的配方適用，但要靠實驗驗證
他認為生物 AI 會走跟語言模型一樣的路：先用大量資料預訓練，再引出解決特定問題的能力。ESM 和 AlphaFold 都是用跨物種的蛋白質訓練出來的，只用人類資料反而做不準。差別在驗證。數學和程式能用電腦即時檢查答案，生物卻得進實驗室，讓 AI 自己提問，做實驗，修正理解。他也提醒，人類最想知道的生物知識，還沒有寫進任何文字。
回到開頭的問題，Rives 的答案是先打好資料基礎，而不是急著拿現有資料訓練更大的模型。談到病歷資料，他擔心模型只會學到一堆相關性，連不回背後真正的病因。被問到自己怎麼追蹤健康，他說「I barely think about that at all」（我幾乎沒在想這件事），身上只有一支記錄睡眠的手錶。接下來值得觀察的，是細胞圖譜的初稿能不能在一兩年內出現。
說明治癒所有疾病對他的意義：不是長生不老，而是沒有癌症，傳染病，慢性與退化性疾病的世界。
提出解決虛擬細胞問題需要三個部分：模型，大規模資料，量測工具，並認為現有虛擬細胞模型還達不到真正模擬細胞的程度。
區分生命的世界模型與細胞的資訊模型，認為後者在未來五年內可透過 AI 達成。
說明 Virtual Biology Initiative 四月啟動，最新合作夥伴包括美國能源部，NIH，Google DeepMind，Isomorphic，Meta，重點是空間生物學，規模達數千億個細胞的資料。
介紹雷射相位板：由柏克萊的 Holger Müller 構想，為電子顯微鏡帶來相位對比，主要應用在冷凍電子斷層掃描。
說明 Biohub 用透明的斑馬魚追蹤胚胎發育中的每一個細胞，以及免疫細胞在活體內的移動。
以 ESM 和 AlphaFold 為例，說明跨物種資料對預測人類生物學不可或缺。
預估健康與疾病細胞圖譜的初稿在一到兩年內出現，五年內可相當完整；並在 [50:00] 談到對病歷資料只能學到相關性的疑慮。
看完今天的，讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
已出刊 144 期 ・ 隨時可退訂
