有人的地方就有江湖，巨頭們一次次的“技術戰役”就是現代江湖的樣子。各家企業牢牢把握住科技就是第一生產力的關鍵，不斷的較量平臺、技術、場景、生態等多方面的綜合實力，你方唱罷我登場好不熱鬧。

    在我們的認知中，基因科學和人工智能都是技術中的“武林高手”。在一系列新聞通稿中，二者通常會與“長生不老”“返老還童”這樣的字眼搭邊，頗有一種笑傲江湖的感覺。

    而細細去比較兩者——人工智能正處在關鍵時刻，多多少少已經滲透進了人們的生活，但基因科學總是“只聞其聲，不見其人”，猶如高嶺之花，被封存在科學家的實驗室里，少有人接觸其核心技術。

    廣闊天地，誰能大有作為？人工智能與基因科學短兵相接，是取得友好合作，還是一拼高下？在這場世紀矚目的“華山論劍”中，智能相對論行業分析師顏璇開了個腦洞。

    從高嶺之花到花開遍野

    目前，人工智能的產業圖譜已經十分豐富了，金融、教育、醫療、公共安全等領域都可以看到AI的影子。從這一點來看，基因科學雖然是AI的前輩，“名震江湖”的速度卻沒有后輩來得快。

    基因科學的應用通常集中在基因檢測。基因檢測有兩個應用場景，一個是健康檢查，比如預測癌癥等，不過這一般是富人追捧的高端體檢服務，讓它“一戰成名”的就是安吉麗娜·朱莉通過基因測序檢測出了自己罹患乳腺癌的風險；另一個則是商業化的“算命式”基因檢測，比如通過基因測試你的孩子有沒有唱歌天賦等，拳王鄒市明的兒子就做過這樣的測試。

    但這也不代表人工智能略勝一籌。生命科學這一領域限于研究環境、技術條件等壁壘，在前幾年著實發展緩慢，但是在近些年，生命科學的高科技可能就要進入一個爆發期了。比如基因編輯，大家熟知的就有明星技術CRISPR/Cas9，在去年，Mitalipov領導的國際研究團隊就完成了美國第一例人類胚胎基因修飾的研究。

    生命科學領域的想象力空間會非常大，當然，這類技術也會遇到和AI同樣的倫理道德的牽絆。如此來看，AI或者基因科學“單打獨斗”都會成為江湖中的一條好漢，但是，綜合二者的拿手好戲和一些缺陷，這兩位高手強強結合似乎更有看頭。特別是在二者都想攻下的醫療領域里，更是有大顯身手的機會。

    1、疾病診斷上，AI與基因相輔相成

    某個基因與疾病的相關性是根據統計學統計出來的。比如研究癌癥和人體基因的關系時，首先要統計大量癌癥患者的基因數據，然后進行比對，再篩選出相似的基因，即選定可能致癌的基因。

    但這樣的結果卻很容易被推翻，首先是因為統計數據是通過以往的累積數據統計的結果。而隨著癌癥統計樣本數量不斷增加，人們會發現更多的相似基因位點，患有癌癥的概率統計也就會相應地發生變化。

    其次，人類患有某種疾病還與其它因素有關，比如肺癌的患病就和大氣污染有很強的關聯性。但是基因檢測是接觸不到患者的實際情況的。

    也就是說，即使基因檢測獲得了大量數據，對于疾病的指向性依舊是有限的。而面對這樣的情況，我們加入AI能夠深度學習ToC端數據庫的功能或許會有助益。

    就拿最近美國斯坦福大學開發的AI預測死亡系統舉例，這個系統統計了12個月內死亡患者的近200萬份醫療數據，然后通過深度神經網絡利用大數據計算每條信息的權重和強度，與現有的患者進行比對，就會生成這個患者在3—12個月內死亡的概率分數。如此，也能最大限度地保證疾病診斷的正確率。

    除此之外，AI可以通過ChatBot、場景識別等功能，對患者進行行動上的監管，更有利于輔助基因的診斷。

    2、制藥業的神助攻

    英國倫敦大學學院的皮特.柯文尼教授稱：“通過病人的基因組序列，可以推斷出酶的形狀，構建準確的蛋白質三維結構，篩選匹配藥物，并將結果告訴主治醫生給出最優處方。”

    將基因測序技術和AI的計算能力相結合，或許能夠探索出制藥業的新路徑。以艾滋病的治療藥物舉例，科學家表示，目前他們建立的50多個模擬模型，就要配有5000個處理器的計算機不停的計算12-18個小時，還要對計算結果做大量的數據分析，才能給出藥物的排序。而在制藥這件事上，AI正在全面提升人類的效率。

    3、個人健康管理終端

    基因芯片一直是生命科學領域想要打造的“法寶”。而將其與AI結合起來，會在哪個方面實現突破呢？健康管理。

    基因芯片可以快速、準確的鑒定一個人的生物信息。與AI只能圖像識別不同，智能終端+基因芯片或許可以打造出一個人類GIS智能設備，這個豐富的多維度的信息嵌合體可以用來解讀個人的健康情況、識別個人的身份信息等。相當于有了一張智能的、專屬的、可見的“基因身份證”。

    這類設備還可以快速檢測污微生物或有機化合物對環境、人體、動植物的污染和危害。基因芯片經過改進，能夠利用不同生物狀態表達不同的數字信息，基于基因芯片和基因算法，還可用于制造生物計算機。

    從AI“類人”的圈子里跳出來

    一方面，在基因科學中，解讀人類基因程序語言的意義在于解讀地球生物圈的程序代碼。我們在教科書上就學過，基因是編譯氨基酸的密碼子。除了極少數的不同之外，地球上已知生物的遺傳密碼均非常接近。因此，根據演化論，遺傳密碼應在生命歷史中很早期就出現。而這一點，對研究物種的誕生有著非常重要的意義，在以后，我們不排除“人造”地球生物圈的可能性。

    另一方面，我們目前提到的機器人、計算機等人工智能是沒有意識的，即使我們不斷地嘗試，想讓AI變得更像人，但機器所做的主要還是認知的事情，做的是一個PatternRecognition，聽聽聲音，看看圖像。人腦的高級功能還是無法移植到AI上。自深度學習以來，AI一直沒有重大的理論突破，也證明了創造出具有意識、情感的非生命還是很難的。

    美國哲學家約翰·希爾勒曾經提出“中文房間”的實驗理論來反駁電腦和其他人工智能能夠真正思考的觀點。在這個思維實驗里，只要計算機擁有了適當的程序，理論上就可以說計算機擁有它的認知狀態以及可以像人一樣地進行理解活動。

    在這個理論基礎上，我們或許可以開一個比較大的腦洞，就是跳出人工智能一定要作為仿生機器、“類人AI”而出現的圈子，而是利用動物的思維，模擬動物的程序，這或許會是一個具有極大潛力的空間。

    來自澳大利亞新英格蘭大學的基爾斯蒂·阿爾伯特就曾驚嘆于螞蟻的智能，“螞蟻比我們想象的要聰明太多——我們把螞蟻叫做超個體，因為他們形成了許多與人類大腦類似的網絡。”的確，與人類的社交系統相比，蟻群的社交系統相當的精密。

    如果把這個“人造”生物圈當作一個生物進化的實驗工廠，那么我們或許可以從中總結出一套有別于人類的某個物種的程序語言，要說明的是，這種動物專屬的程序是一直存在的，比如螞蟻的社交行為，只是在進化過程中沒有動物會自己總結下來。當人類能夠縱觀整個生命歷史時，總結歸納一個物種的程序語言也未嘗不可，而那意味著人類能夠創造以新的程序語言為基礎的“動物智能”。

    與其讓AI不斷進行人工標簽數據的積累學習，不如先構建一個動物行為的知識圖譜，進行系統化訓練，一旦訓練成功，對于人們來說，受益將會是永久性的。

    最重要的是，當基因科學獲得突破，人類將有機會獲得動物、植物的非公式性變量波動（即情感波動），那么，將這樣的波動作為數據庫植入到AI中，或許可以解決我們在日常生活中動物語料庫不足、語義不明晰的問題。如果動物存在真情實感，通過基因技術+AI技術，我們或許可以實現人與動物的情感交流。

    不論如何，AI和基因科學遲早會實現花開遍地，而人類對于科技和自然的探索，就像時間之矢一樣，永遠向前。