努力成为工程造价信息资讯类第一门户!

帮助中心 广告联系

广东工程造价信息网-一级造价师,二级造价师,报考条件,考试科目,培训,注册-广东造价信息网

热门关键词: 

  会议聚焦人工智能(AI)与生物制造深度融合路径,举行了《2025人工智能赋能生物制造产业创新发展蓝皮书》启动仪式,还创办了2025生物科学智能产业生态联盟,

  与此同时,越来越多企业将“AI+合成生物学”作为重要战略,上市龙头中嘉必优、华恒生物、凯赛生物、川宁生物等均有所布局。足以看到,业界对两者跨界融合所催生的创新潜力寄予厚望。

  然而随着AI合成生物学的发展,背后的 军民两用风险、治理差距和道德困境也随之出现,我们需要相关的监督策略和法规来使行业负责任、可持续的发展。

  最初,机器学习和生物设计工具用于生物设计任务,例如根据氨基酸序列预测蛋 白质结构。曾获2024诺贝尔化学奖,为人们熟悉的AlphaFold就属于此类。

  而现在,随着transformer等深度学习架构的日益普及,大型语言模型 (LLM) 被用于执行更复杂的任务。

  例如根据核酸序列预测物理结果,使用使用AlphaFold 3,已经可以准确预测生物分子相互作用的结构。

  而未来的生成式AI不仅会提供判别和预测能力,还可能会诞生“AI生物设计师”,类似 BioAutomata 这样的平台体现了这一愿景,AI已经可以指导工程微生物的设计-构建-测试-学习(DBTL)周期的每一步。

  Design-by-Data 和 Flatcarbon等初创公司利用AI,对微生物、酵母或细胞系进行正向工程设计。

  许多用于生物设计的 AI 模型,如生成神经网络或梯度提升模型,都以“黑匣子”的形式运行。这一形式并不妨碍技术实用性,但限制了安全的可评估性,也可能延缓用于生物设计的 AI 模型的接受和合法化。

  此外,如果算法存在未被发现的缺陷或训练偏差,黑客可以利用这些缺陷或训练偏差来故意输出危险设计,那么生物安全风险就会增加。

  美国国防部的DARPA最近发布的恶意AI报告,就围绕生物制造的数据或模型中毒进行了兵棋推演,突出了不透明系统的漏洞。

  而早在2024年,该部门就启动了生物制造Switch计划,目标开发一套敏捷、可重新编程的生物制造系统,增加供应链的弹性和适应性,以满足国防部的各种需求。

  而且AI 模型和工具的数字化和分布式特性使防止滥用的工作进一步复杂化,与物理材料不同,包含 AI 算法或 DNA 序列的数字文件可以很容易地跨境共享和复制,因此难以跟踪和控制其传播。

  从技术角度来看,需要增强的筛选方法来检测和过滤掉潜在危险的序列,包括由 AI 算法生成的序列,在政策方面,需要国际协调和统一治理框架。

  最后,论文强调了 关键的第一步是迫切需要解决人工智能合成生物学的黑匣子,不仅能加速科学理解和应用开发,还能将技术交到更广泛的用户手中,可以使问题解决大众化,并从不同的贡献者那里获得创新解决方案。

推荐阅读

免责声明

本网转载作品的目的在于传递更多信息,涉及作品内容、

版权等问题,请联系我们进行修改或删除!