OpenAI访谈科学家：AI时代好奇心和实验精神是真正重要的事

文章作者、来源：华尔街见闻

在人工智能与生命科学的交汇处，一位免疫学家正在用代码重写科研的边界。

Derya Unutmaz是美国杰克逊实验室的免疫学家和教授，也是OpenAI社区中最活跃的科学用户之一。在与OpenAI开发者关系负责人Romain Huet的对话中，他展示了用Codex从零构建的流式细胞分析软件和CRISPR基因组设计工具，并阐述了一个激进预判：在AI驱动下，未来十年人类将能治疗所有疾病，15年内或可实现逆转衰老。

Unutmaz表示，GPT-5.5 Pro近期对一项极复杂实验结果的预测准确率达到100%，"几乎像是它拥有了我在实验室工作30年的同等经验"，这令他几乎难以置信。他认为，AI的指数级进步正被大多数人严重低估，对科研、医疗乃至所有行业的颠覆将是根本性的。

从医学院到AI信徒：一个跨越三十年的判断

Unutmaz与AI的缘分始于1990年代初完成医学院学业之后。彼时他进入生物医学研究领域，随即被生物系统的复杂程度震慑——数万亿组成部分，每时每刻数十亿个反应，远超人脑可处理的范畴。"那时我就意识到，也许有一天我们真的能用AI建立模型。"

深度学习革命、AlphaFold、ChatGPT，每一个节点他都密切跟踪。但真正让他确信AI在科学中"不可逆转"的时刻，是2024年9月OpenAI邀请他试用第一个推理模型o1-preview。他用一个跨界提示测试这款模型：将"大逃杀"游戏机制与免疫系统对抗肿瘤的场景类比，询问如何设计免疫细胞对抗癌症的实验框架。"o1-preview的回答几乎让我动情落泪。"他说，此前的GPT-4o无法给出那种深度与洞察力，而这个推理模型是关键节点——"当它开始真正推理的时候，产生的东西对科学才真正有用了。"

Codex成瘾者：一位免疫学家的编程实验

Unutmaz自称"Codex成瘾者"，且认为这一认证"当之无愧"。他的日常是：清晨喝咖啡时冒出想法，立即用Codex动手实现；有时Codex整晚运行任务，导致他过去几个月严重睡眠不足。

他向Huet展示了两款完全由Codex构建的工具。第一款是流式细胞术分析软件——这是免疫学研究中观察细胞世界的核心手段，传统上依赖价格高昂的专业商业软件。该工具可上传细胞数据文件，通过交互式界面选择荧光标记物，划定细胞门控，生成统计分析，支持等高线图和多种可视化方式，可处理约10万个数据事件且响应迅速。"这实际上是相当复杂的软件，"他说，"而我只是一个生物医学工程师，不是软件工程师，我大概只能写出一个贪吃蛇游戏，而且要花好几个月。"

第二款是CRISPR基因组工程设计工具。用户输入任意基因名称，系统自动从数据库提取基因序列，列出所有可能的靶点并排名，支持批量生成"导向RNA文库"——输入多个基因名称，一键生成对应的全套CRISPR分子设计。该应用以Swift语言构建为原生macOS应用，他表示iPad版本正在开发中。

此外，他还构建了一个T细胞信号通路模拟器，可调控受体配体质量、剂量等参数，实时展示下游分子激活状态、转录因子磷酸化模式，并支持引入抑制剂或额外受体后的通路变化模拟。"AI会对生物学产生巨大冲击的关键，在于能够模拟生物系统，"他说，"建造飞机要做空气动力学模拟，但对生物学，我们一直做不到这一点。"

数字孪生：个性化医疗的终极图景

Unutmaz描述了一个更长远的愿景——"数字孪生"：用AI完整模拟个体的基因组、代谢产物、蛋白质和免疫系统，在数字世界中为每个患者进行个性化实验，而非在真实人体上试错。

他指出，现行医学体系存在根本性局限：同一种药被数以百万计的患者服用，但真正受益者可能只是其中一小部分。以他汀类药物为例，大规模使用，却只对少数人真正有效。癌症领域已是最接近个性化的方向——肺癌患者在用药前需先对突变基因测序，因为1%的患者适用某种特定药物，对另外99%无效。他引用了一个澳大利亚案例：一位计算机科学家借助ChatGPT和Grok，为其患癌的狗量身设计了一种RNA疫苗，专门针对该肿瘤的特定突变，相关试验正在进行中。

"如果AI能够完整模拟你的生物系统，我们就可以问：给这个人用这种药会怎样？"他说，"药物可以接近100%的有效性和接近0%的副作用。我们现在需要5到10年完成的临床试验，将加速到可能只需5到10天。AI将为你做临床试验。"

他同时强调，这一切有一个关键前提——算力必须大幅提升。"即便把现在全球所有算力加在一起，也不足以模拟生物系统。"

科学2.0：智能体驱动的研究范式革命

Unutmaz对科研模式本身的变革同样持有激进判断。他将未来称为"科学2.0或3.0"：传统的"花数周构思、数月实验、数月分析"模式将成为历史，取而代之的是AI智能体集群——提出假设、模拟实验、分析数据、反馈结论、再生成新假设，形成闭环。

"我想我的角色将变成只需要告诉智能体们：我想攻克肺癌，去探索这个方向。"他说，实验室的操作层面也将大规模自动化，机器人将承担大量湿实验工作。面对"科学家是否还有工作"的质疑，他援引杰文斯悖论：效率提升不会减少工作，而会催生更多工作，因为我们目前对生物学的理解仅约10%，剩余90%有待探索，加速学习将创造庞大需求。

他亦表示，这一范式转变不局限于生物学，物理、材料科学、化学、药物发现均将受到波及——"过去药物发现需要几年，现在几个小时就能完成。"

给所有人的建议：实验精神是AI时代的核心竞争力

被问及对非科学领域人士的建议时，Unutmaz以自身科研经历作答：生物学实验95%至98%会失败，长期在失败中工作，培养了他对不确定性的耐受力和持续尝试的本能。"这就是为什么它叫'实验'——你要不断尝试，不断调整。"

他认为，这种思维方式在AI时代具有普遍价值。"AI时代真正重要的只有自主性和好奇心，"他说，"不要害怕，持续用AI做实验，问那个'如果我这样做会怎样'的问题，因为你现在可以问这个问题了——以前这样做的成本太高了。"

他以公司网站为例：过去花费数千美元制作一个"将就"的网站，现在几分钟内即可迭代出新版本。这种低成本试错能力，他认为可延伸至生活和工作的几乎所有方面。对于外界弥漫的AI焦虑，他态度鲜明："它会真正让我们进入一个黄金时代。AI研究者对我来说都是英雄，因为这将是人类最伟大的变革。"

以下为访谈全文：

生物学何时开始需要AI？

Codex成瘾者

用Codex构建细胞分析工具

模拟T细胞信号通路

CRISPR基因组工程工具

数字孪生：个性化医疗的未来

推动同行拥抱AI

科学2.0：AI驱动的未来科研范式

给所有领域的人的建议