爆火全網的ChatGPT，如何在生物醫藥領域進行應用？

近期，一家剛剛成立三年的初創公司Profluent，首次利用深度學習語言模型合成了自然界不存在的全新蛋白質，極大加速蛋白質工程的研究。

科學家們采用類似ChatGPT的蛋白質工程深度學習語言模型——ProGen，首次實現了AI預測蛋白質的合成。這些蛋白質不僅與已知的完全不同，相似度最低的甚至只有31.4%，但和天然蛋白一樣有效。目前，這項工作已經正式發表于Nature子刊。

ProGen是一個12億參數的條件蛋白質語言模型，其基于Transformer架構，通過自注意機制來模擬殘基的相互作用，并且可以根據輸入控制標簽生成不同的跨蛋白質家族的人工蛋白質序列。Progen的算法也與ChatGPT背后的模型GPT3.5類似，它通過學習氨基酸如何組合成2.8億個現有蛋白質的語法，學會了如何生成新的蛋白質。

Madani表示：“就像ChatGPT學習英語之類的人類語言一樣，我們是在學習生物和蛋白質的語言。”值得注意的是，還有一些初創公司也在嘗試相似的技術，比如Cradle，以及Flagship Pioneering的Generate Biomedicines等。

雖然ChatGPT或類似的語言模型能在生物醫藥領域能夠得到廣泛應用，但仍有隱憂。首先，ChatGPT沒有聯網，因此并不能替代搜索引擎。它無法訪問最新的事件進展，因為其當初在進行模型訓練時，數據只更新到2021年，而科研技術日新月異，為了保持預訓練語言模型在生物醫藥領域的準確性，需要實時更新數據或聯網。其次，因為ChatGPT接受的是大量數據的訓練，有時可能會生成包含冒犯性或不恰當語言的回復。這是利用訓練數據生成文本的算法的局限性之一。例如科技媒體CNET曾曝出，ChatGPT編寫的77篇內容中，41篇有錯誤，目前，平臺已予以更正，并表示將暫停此種方式生產內容。

Nature也對此問題表達了重視，這家權威的學術出版機構表示，學研圈都在擔心，學生及研究者們可能會以大型語言模型生成的內容當作本人撰寫的文本，除卻冒用風險外，上述過程還會產生不可靠的研究結論。

Nature針對ChatGPT代寫學研文章、被列為作者等一系列問題，給了定性。具體來說，有兩個原則。第一，任何大型語言模型工具（比如ChatGPT）都不能成為論文作者；第二，如在論文創作中用過相關工具，作者應在“方法”或“致謝”或適當的部分明確說明。

盡管ChatGPT沒有徹底改變我們現有的生產方式，但其發展仍然是令人欣喜的。人工智能對生物醫藥領域的介入不僅有望幫助診斷重大疾病，而且能夠提高研發的效率，如何正當的使用新興工具，將決定我們的未來。