剖析Ray Kurzweil 的预测：模拟生物学是加快长生不老进程的途径

最近，全世界许多媒体纷纷报道了著名科学预言家、未来学家-雷蒙·库茨维尔（Ray Kurzweil） 关于人类到 2030 年将实现永生的预测，引起人们的关注与好奇。

对此，麻省理工学院的一位俄裔美国计算机和人工智能科学家、研究科学家-莱克斯弗里德曼（ Lex Fridman） 对Ray Kurzweil进行了采访，采访中 Ray 谈到了从 2030 年左右开始“长生不老”速度的进程。

他的信念是基于全力以赴快速改进 AI 以加速抗衰老医学的进步。Lex Fridman详细了解了 Ray 的信念和陈述，以及应用 AI 加速药物发现和抗衰老工作进展的实际工作。

Demis Hassabis 和 Deep Mind 开发了 Alphafold 来解决蛋白质折叠问题。这是人工智能加速药物发现的前沿。

AlphaFold 的意义

AlphaFold 在解决蛋白质折叠问题方面取得了重大进展。Hassabis 认为在人们于 2018 年以 AlphaFold 1 进入该领域，然后在 2020 年以 AlphaFold 2 进入该领域之前，如果回顾一下之前的十年进展，从 2006 年到 2016 年，在之前的 CASP 版本上，你可以看到本质上几乎十年没有任何进展。”

AlphaFold 是一种能够非常准确地预测蛋白质结构的系统，可能对未来的药物发现和开发产生深远的影响。这项突破性技术将开创数字生物学的新时代， AlphaFold 就是概念证明。该系统有望预示着被称之为数字生物学的新时代的到来。

AlphaFold 并不是一家专注于蛋白质的科技公司的唯一系统。Facebook 母公司 Meta 的科学家们还开发了一种名为 ESMFold 的人工智能语言模型，可以预测与病毒、细菌和其他微生物有关的 6 亿多种蛋白质的未知结构。研究人员重新调整了该模型的用途，该模型最初是为解码人类语言而设计的，可以准确预测蛋白质的 3D 结构。

虚拟小区

DeepMind 还致力于其他一些化学和生物学项目，以加快药物发现过程。Hassabis 设想开发一种模拟所有细胞动力学的“虚拟细胞”，并可用于进行计算机实验。这将简化研究过程，只需要在最后阶段进行湿实验室验证。

Meta 和 Deepmind 都可以提供有用的方法。也就是说，ESMFold 的速度优势可以补充 AlphaFold 更高的准确性。研究人员可能会将 ESMFold 用于初始预测或大型项目，然后使用 AlphaFold 对感兴趣的特定蛋白质改进结果。这种结合可以优化研究过程并最大限度地发挥两种模型的优势。

像 AlphaFold 和 ESMFold 这样的突破有可能促进药物发现和其他科学领域的进步，有可能帮助开创数字生物学的新时代。Hassabis 的演讲展示了 DeepMind 雄心勃勃的愿景，同时强调了人工智能开发中对安全、责任和道德的需求。

到 2030 年可以实现虚拟单元，它可以加快一些工作。然后它可以扩展到虚拟器官，然后是虚拟身体，用于快速虚拟临床试验。

Ray 相信技术的发展步伐正在加快，AI 日益强大的力量现在已被广泛接受。生物技术革命已经到来，并开始从根本上改变解决医学问题的方式。随着这些概念成为现实，我们是否想长生不老的问题变得越来越不理论化，而是越来越真实。

模拟生物学——将 AI 应用于生物学

Ray 说：人们现在正在将 AI 应用于延长寿命。我们实际上是在模拟生物学，所以我们现在可以用模拟生物学来做测试。以 Moderna 疫苗为例。他们实际上测试了数十亿种不同的 mRNA 序列，并找到了可以制造疫苗的序列。他们在三天内完成了这件事，那就是疫苗。然后他们花了十个月的时间在人体上进行测试，但它从未改变。它保持不变，今天也一样。最终，我们不需要对人类进行测试。我们将能够在一百万个模拟人身上进行测试，这比在几百个真人身上进行测试要好得多。

幸好我们有疫苗，否则会有更多人死亡。这并不是说我们已经到了那一步，但我们正在开始模拟生物学，最终我们将使用模拟生物学找到解决我们在医学中遇到的所有问题的方法。所以，我们才刚刚开始。Ray认为我们将在未来的十年中看到这一点非常突出。技术的快速进步可能让我们永远活着。当然，如果人们不想解决这个问题，那么人们就不会利用这些进步。所以我们会有机会，但这并不意味着每个人都能这样做。