李杉 编译自 Science

量子位 报道 | 公众号 QbitAI

如果说这是未来的生物实验室，它似乎与现在的实验室没有多大差别。

里面有身穿白大褂的科学家，还有许多放着冷冻试管的盒子。架子上的化学品——有一瓶瓶的纯酒精、一罐罐的糖、蛋白质和盐——都是培养微生物和操纵它们基因的标准配置。

在听到机器人的声音前，你甚至不会注意到它们的存在：它们就像蟋蟀一样，用低沉的声音为彼此歌唱。

这些机器人都为Zymergen效力，这是一家生物技术公司，2014年搬进位于旧金山湾东岸的这个电子工厂旧址。他们在这里开展微生物实验，寻找各种方式来提高有用化学物的产量。里面有一台机器人名叫Echo(不是亚马逊那个Echo)。在一堆笨重的设备里面，有一个机械手臂抓取了一个塑料孔板，上面放着几百个盛着液体的孔。

一束激光扫描了孔板侧面的条形码，然后由Echo将其放到托盘上。之后的流程十分精细，用肉眼根本无法看清。

“这并不是复制了我手动移液的过程。”该公司联合创始人兼运营和工程副总裁Jed Dean说，他是一位分子生物学家。“而是一种截然不同的方法。”不必使用移液管吸取液体，然后把液体逐一注入每个容量只有细胞那么大的孔里面，机器人整个过程都没有触碰它。相反，它使用了每秒500次的声波脉冲让液体自己震动，形成比手动操作小100倍的液滴。

这些都算不上多么具有未来感。大型生物学实验室多年以前就开始使用机器人和条形码。即便那种名为“声学微滴喷出”的移液技术也已经存在了数十年。

但是，当我向Dean询问这个机器人正在从事什么项目的时候，才真正了解其中的玄机。“我不知道。”他说。他可以轻易得出答案，但这个实验并不是他设计的，而是由电脑程序自动生成的。

“我再说明一下，”Zymergen CEO Joshua Hoffman准备消除我们之间的误解，“这一过程中有人类科学家的参与，他们负责查看结果，并进行事实核查。”但之所以用程序来解读数据、生成假设和规划实验，最终目的还是“摆脱人类的直觉”。

与Zymergen秉承相同目标的公司还有好几家：他们都在利用人工智能技术增强甚至取代人类在科学流程中的作用。

他们将其称作“人工智能支持的生物科技”，但Zymergen的联合创始人却不太喜欢这种说法，“‘人工智能’听起来像是机器人在下象棋。”该公司CTO Aron Kimball说，“我更喜欢‘机器学习’。”霍夫曼说，他所说的机器学习是计算机科学的一个分支，最近的人工智能技术进步几乎都来自这一领域。“这样更能说明我们在干什么。”

Zymergen的工作其实是调整工业微生物，j2直播，从而为生物燃料、塑料或药品制作原料。为了增加产量，很多企业都把繁重的工作交给Zymergen来完成。该公司的机器人之后会探索和修补每个微生物的基因，希望能够设计一个更好版本，提升其化合物的效率。

霍夫曼表示，问题在于，送到Zymergen的微生物已经“高度优化”。经过多年的研究和培育，这些细胞已经非常擅长它们所从事的工作。所以，想要进一步提升效率，就需要更加深入的探索基因，开展实验，然后使用所能获得的各种数据——换句话说，就是搞科研。

Zymergen试图加快这一过程。Hoffman表示，“一个人整天忙个不停也只能测试为数不多的假设，大约每月10个。”机器人则能加快这一过程——Zymergen的机器每周可以做1000次试验。但机器人只能遵照命令执行：如何向它们下达正确的指令才是真正的瓶颈。

当我问他们，这种算法是如何设计实验的时候，Kimball举了个简单的例子。“你拿到的原始微生物大约有5000个基因。假设有10种方式可以改变一个既有基因，那就要做5万次试验。”这些实验首先要制作1000个菌株，每一个都要有专门的突变。“每一个放在一滴里面。你可以向其中添加糖，培育一会儿，然后看看能得到多少产品。”可能有25个菌株可以多生产一些目标化学物。这些菌株可以用于培育下一轮实验使用的菌株，其余的放到冰箱里面。

但要发现过程绝非一帆风顺。Kimball表示，光是找到合适的突变就需要经过漫长的过程。如果只是一门心思想要实现最高效率，几乎不可能到达巅峰。原因在于，如果你只是将所有能够实现轻微提升的突变合并到单一的微生物里，未必能够实现重大改进。相反，由此生成的菌株会“生病”，效果远不及最初的菌株。所以，选择合适的路径（包括绕道达成目标）需要绘制一份心理地图，j2直播，同时展示所有菌株的所有效果——这份地图不只是3个维度，而是数千个维度。这就需要机器学习来指引方向。

但其中还是有一个关键差异：当机器人终于发现能够提高化学品产出的基因变化后，他们不会了解这些效果背后的生物化学原理。