研究员
1 场深度对话收录
Alex Rives
观点集合
生命的世界模型：Biohub 的 Alex Rives 谈虚拟细胞、测量与 18 亿美元数据投入
Biohub扩展18亿美元计划，联合美国能源部、NIH、Google DeepMind、Isomorphic Labs和Meta。Rives称可观测性是瓶颈，虚拟细胞尚不能有效模拟细胞。健康疾病图谱初稿拟1至2年完成，全面地图拟5年内。
查看摘要（7段）
- Biohub 刚宣布将虚拟生物学计划（Virtual Biology Initiative）扩容至 18 亿美元，协调美国能源部、NIH、Google DeepMind、Isomorphic Labs 和 Meta，共同生成训练通用细胞生物学模型所需的数据。 项目将绘制细胞的情境图谱，把空间生物学中的分子读数与成像联系起来，覆盖“数千亿甚至更多个细胞”；同时向其他资助方和全球科学界开放合作。
- Rives 认为，可观测性是虚拟细胞模型面临的根本瓶颈之一，但并非唯一瓶颈。 “细胞有太多东西是我们根本无法测量的”；要取得进展，需要模型、大规模数据生成和观测工具。他认为，现有模型“还够不上能真正有意义地模拟细胞、并为实验生物学充当预言机的模型”。
- 未来 5 年可实现的目标，是一个“细胞的信息论模型”：根据细胞状态和输入，预测其下一状态的概率分布，并以此迈向“生命的世界模型”。 在“无限数据和算力”的极限下，各种架构最终或许会趋同；但细胞生物学距离这一极限还很远，因此归纳偏置仍然重要。
- Biohub 的核心思路落在测量硬件上：激光相位板以“世界上最强的驻波激光”为冷冻电子断层成像带来相位衬度，帮助科学家分辨单个分子及其在活细胞中的相互作用。 Biohub 还利用斑马鱼全生物成像，从胚胎追踪每个细胞直至生物体完全发育。
- LLM 的路径同样适用于生物学：先通过预训练学习统计规律，再进行 elicitation，随后推进“生物学 RLVR”，由实验室验证，形成提问、实验、学习并提出更好问题的“实证式 AI”递归闭环。 与数学和编程不同，生物学的验证必须在实验室完成，而不能依赖快速计算。
- 时间表与潜在回报：1至2年内绘出健康与疾病细胞图谱的初稿，5年内形成“相当全面的地图”；之后的问题将是“如何干预，逆转病理状态？” Rives 表示自己对 EHR 数据想得不多；他担心缺乏因果基础时，模型只会学到“一堆相关性”，但也承认健康记录有助于把现有药物和治疗送到合适患者手中。
- 这位致力于治愈所有疾病的人，对自己的健康却几乎不做追踪。 “我有一块手表会追踪睡眠，除此之外就没了。”谈到融合语言与生物学的潜在空间，他表示并不确定；我们最想知道的生物学事实未必会出现在文本中，也可能需要通过实验才能发现。