Dario Amodei

今天我们宣布了由 Claude 主导发现的一种分子机器，我们怀疑它可能代表一种新的基因编辑机制。其精确功能、生物技术用途（如果有的话）或重要程度尚不清楚，但至少，这是我会以作为博士生能完成它而感到自豪的工作。这项工作主要由 Claude 完成，尽管并非完全如此：我们的生命科学团队提出了一个广泛的研究领域，Claude 阅读了文献和大量基因组数据并发现了一些有趣的东西，然后 Claude 提出了验证该发现的实验，我们的团队执行了这些实验。 很容易把这当作一次性的事情或好奇心就打发掉，但我们反复看到一种模式：AI 在新的智力领域的表现会在短短几年内从薄弱变成超人。2023 年，模型在数学上还难以达到普通高中生的水平。2024 年，它们开始在面向全国顶尖高中生的数学竞赛上表现出色；2025 年，它们开始解决次要的开放问题；2026 年初是更重要的开放问题；而到 2026 年末，它们开始解决整个数学中排名最靠前的那些开放问题。我们相信，面向生物学的 AI 正处于类似的指数趋势上。 当然，生物学与数学的主要区别在于：数学可以纯理论上完成，而生物学需要实验。有人据此得出结论，认为 AI 在生物学中的用途将是有限的。我们认为这是错的。正如我们今天所展示的，人类可以与 AI 协作来进行实验，在几周内验证关键结果，并在必要时与 AI 一起对发现进行迭代。最终甚至可能让 Claude 本身通过自主控制实验室设备来安全地执行实验——在适当的安全措施到位的前提下——但我们今天并没有这样做（我们的实验室也是一个不处理对人类有危险材料的 BSL1/BSL2 设施）。 更广泛地说，生物医学进步有许多阶段——从基础生物学发现，到转化研究，到药物发现、临床试验，再到最终向患者交付药物与医疗服务。我们对这些后期阶段也感兴趣，但即便只是加速基础生物学发现这第一阶段，也有潜力加快并拓宽整条管线。增进我们对生物学的理解、锐化生物学家的工具，可以推动所有后续阶段向前，例如识别新的药物靶点、发现新的治疗模态、实现更精确的测量，以及加快实验循环本身，而这又会进一步加速我们对生物学的理解。这本身不会缩短临床试验时间，但如果成功，它可以大幅增加进入管线的有希望候选物的数量——吞吐量增加，尽管延迟仍然存在。 在《Machines of Loving Grace》中，我写过 AI「在 5–10 年内治愈大多数疾病」的潜力——这个目标听起来不可能，但我相信，如果 AI 被应用于管线的每一个阶段，它刚好有可能实现。第一步是证明 AI 可以先协助、再驱动生物学发现。 Claude 的发现是相关先前工作脉络中的最新一项，这些工作可追溯数十年，始于 CRISPR 等系统，并延续到过去几年中桥接重组酶和 VIPR 等发现。最近，基于逆转录酶（RT）的系统受到了更多关注，而 Claude 识别出的系统底层正是这类酶。就在最近，一个斯坦福团队独立描述了一种带有相关非编码阵列的新型 RT 系统，在某些方面与 Claude 发现的系统相似，尽管它们是彼此独立演化而来的不同系统。我相信，我们才刚刚开始发现这类系统，并把它们发展成强大的生物技术工具。 我为 Anthropic 投入资源、通过生命科学加速 AI 的公共收益感到自豪，我们既希望扩大生命科学团队，也希望与其他科学家合作，把这一方法扩展到广泛的问题上。如果你有研究合作提案，或有兴趣加入我们的生命科学团队，请联系我们。