E17 有生之年,除了助手和小工具,AI 还会如何改变我们的生活碳基生物生存指南

E17 有生之年,除了助手和小工具,AI 还会如何改变我们的生活

59分钟 ·
播放数10171
·
评论数58

时至今日,即使你不是 AI 从业者,相信你也一定完成了和 AI 的初接触。不过,在你刁难、调戏、围观 Deepseek 的时候,能想象有一天 AI 会像过去30年的网络发展一样,完全颠覆你的日常生活吗?

这期播客,我想借着 AI 皇冠上的明珠:AI 在生命科学中的应用,和学界、业界伙伴一起来探索看看,五年,十年,甚至几十年后,AI 驱动的未来可能会长什么样,而我们碳基生物,又该如何与硅基相处。

特别感谢 Li Lei 和 Ally 的参与,AI 未来是个很大很大的话题,但希望这期播客能陪你一起想象一下,我们有生之年,一个可能的 AI 未来。

【时间轴】

04:09 没有自我意识的 AI 怎么会想要毁灭人类?

09:37 AI 驱动的生命科学:数字孪生

10:53 如何在虚拟世界数字孪生你的心脏

15:35 AI 如何帮助实现数字心脏

18:08 数字心脏到底有什么用?

23:16 也许有生之年,你我可以在移动端与你的数字心脏共处

27:46 有了数字心脏,心脏科医生会不会变成 AI 的打工人?

30:41 分子层面, AI 助力药物研发

41:05 计算化学家 vs 实验化学家,AI 是否取代了后者?

48:44 你我有生之年的 AI 未来,大概碳基不会完全被取代,但一定是合作共存

50:23 Garbage in,garbage out:现在的 AI,真的够好吗?

56:06 回看30年前的人们对2025的预测,准确吗?

📃 本期播客提到的文献素材传送门:

封面设计特别鸣谢 💝: wow lab

本期音乐:春日漫游

小红书账号:碳基生物生存指南(ID:4196506308)

展开Show Notes
过年了!!!!
梦妮爱读文献
:
过去几期万物的 AI 节目也都有听!也都很有启发!!(就是不爱评论这个坏习惯,要改要改😂
周与明
周与明
2025.3.02
21:12 听下来就是通过 AI 建模,在正式手术前先在电脑上通过模型进行“预手术”,目的是增加手术效率,减少手术次数或者病人来医院反复检查的次数「重点来了」而 AI 的应用是在建模这个环节,因为心脏建模很复杂很困难,比如数据不够
HD351368i
HD351368i
2025.3.02
哇撒!终于更新了,这几个月把您以前的博客都听了一遍。
grace_GKqQ
grace_GKqQ
2025.3.21
可以做一期生理期和更年期的节目吗?
梦妮爱读文献
:
可以!并且很快了!
一粒海盐
一粒海盐
2025.3.02
天啊确实好可怕
梦妮爱读文献
:
期待又害怕👀
30:25 哇,这里的叠音,像BBC的新闻报道
梦妮爱读文献
:
拖更的时间都在剪辑🌚
哇我的星标终于更新了!
云本
云本
2025.2.28
00:00 Wow~更新啦!梦妮春天好🌿🌸🌳🦋☘️
XELACUL
XELACUL
2025.3.05
终于更新啦!
终于更新了,每天会去看是否更新☺️
xx和yh
xx和yh
2025.3.04
终于更新啦!!!!
离酱
离酱
2025.3.04
更新了,撒花🌸
34:18 这个上课我们老师也说了!!!🤓
谈得来
谈得来
2025.3.01
06:28 春节前后人工智能爆炸性新闻,铺天盖地躲都躲不过去,一不小心就看到啦,虽然听了几百期人工智能播客,不过知道你的更新,必须仔仔细细听几遍,相信你严谨学习态度。
梦妮爱读文献
:
谢谢支持!希望这期播客是个有趣的视角~
熊小灵
熊小灵
2025.3.03
万物皆可ai,原来在生物领域,已经可以应用到这种程度了
Haomilton
Haomilton
2025.2.28
46:53 基于我当前的认知,目前在催化领域,AI也是一个很热门的话题,比如使用不同的算法、描述符来进行催化材料的筛选、反应条件的优化等等。但是在实际应用来看也会有一些很有意思的问题,比如ai预测出来某种特定元素比例、晶体结构对某个反应效果可能是最佳的,但是如何合成这种材料则需要一些实验上的经验。有些时候对比ai和人力的时间成本时,实际上很多实验条件的组合我们并不会一一都去做,而是会根据正交实验的结果,结合自己的经验和观察出来的趋势去往某个方向优化。不过有些时候喂给模型一些更多层面的数据来进行预测,比如某些目前给不出化学意义的参数,ai有时候也能给出一些看起来反直觉但有价值的结果。
目前看来ai还是更多地作为一个有价值的工具参与实际研究,而不是说立马替代人力。我最希望看到的是ai软件上的进化结合自动化这种工程上的进化,来真正解放双手。
Haomilton:更严格来说目前更多提的是机器学习在化学领域的应用,而不是目前有一个化学通用大模型,你告诉他我有做什么反应需要什么结果就能得到一个完美的实验方案。大多数机器学习的化学研究的流程可能是通过实验收集到数据集再喂给模型进行训练,根据预测结果再进行实验迭代(当然对于计算化学家来说自然是根据数据库用软件计算某些实验关键参数,基于预测结果进行实验验证)。所以目前看来应该是实验者给ai打工,我们反而是ai离不开的人。
彭boomboom
彭boomboom
2025.3.02
过年啦!!!
终于更新啦!
终于更新惹!!
06:00 这里有点小问题哦。 AlphaGo zero确实没有训练过人类棋谱,但是不代表它是完全零知识开始强化学习的,关于围棋的规则都是人为定义输入到程序当中的。参见《Ai 3.0》:
AlphaGo Zero确实没有在学习过程中使用任何人类示例,但并不是说它不需要人类的指导,相反,某些方面的人类指导对其成功至关重要,包括它的ConvNets的具体架构、对蒙特卡洛树搜索方法的使用,以及这两者所涉及的众多超参数的设置。正如心理学家和人工智能研究人员盖瑞·马库斯所指出的:“AlphaGo的这些关键部分没有一个是通过纯粹的强化学习,从数据中学到的,相反,它们是由DeepMind的程序员在一开始就植入其内的……”
格式引文:
[美] 梅拉妮·米歇尔著.AI 3.0.湛庐文化.2021:189.
生而为猫奴:DeepMind对于其成果,特别是在AlphaGo项目上取得的成果的最为重要的声明是:“我们的结果全面地证明了一个纯粹的强化学习方法是完全可行的,即便在最具挑战性的领域,不用人类的示例或指导,**除基本规则之外**不提供任何其他领域的知识,程序也有可能训练到超人类水平。”……DeepMind的雅达利游戏程序实际上是比AlphaGo更好的、不用人类指导进行学习的案例,和AlphaGo不同的是,雅达利游戏程序没有被植入游戏的规则都完全不具备,它只是通过在屏幕上的一次次尝试来学习这些东西,并最终掌握了玩好这些游戏的技巧。 格式引文: [美] 梅拉妮·米歇尔著.AI 3.0.湛庐文化.2021:188.
梦妮爱读文献
:
谢谢指出!!确实 Zero 虽然用了机器学习,但整体的算法设计和人类还是有非常非常紧密的关系。Zero 也有关于围棋基本规则的输入。当时在录制时也有点犹豫这里要怎么讲清楚又不会太过复杂,但最后还是决定不展开,用“几乎”来替代过去。也特别感谢分享和指出!这是非常全面且必要的补充了🙏
3条回复