生物AI路线之争：靠语言模型还是苦涩教训？生物学家不买账
charlieharris01 · x · 2026-10-26
一场关于「AI 能否解决生物学问题」的路线争论：被引用的观点指出，AI 阵营（信奉 scaling laws 和苦涩教训的人）与生物学阵营之间存在明显分裂——前者相信 AI 变强就能做出医学新发现，后者认为「生物学的苦涩教训」近乎荒谬，可靠模拟人体毒理学至少还要 5-10 年。
Sam Sinai 转发并补充了几点「不那么和谐」的看法：
- 未来几年攻克生物疾病，收益主要来自语言模型的实用性，而非分子机器学习；
- 生物模型（非 LLM）苦涩教训的支持者没错，只是可能「病态地」太早——数据不够，且能快速收集的数据大概率不是对的那种；
- 只靠扩大模型和被动积累的公开数据是低性价比方向：今天的模型输出水平仅相当于 GPT-2，一个懂生物信息学的人用线性回归、甚至不加额外数据，就能在很多应用上击败这些模型——而很少有人把 AI 进展拿来做这样的基准对比。
所属事件:AI 派与生物学派激辩：AI 能否真正加速药物发现(4 条相关)→
「漫话AGI」频道最新
- 数学家拆解 OpenAI 流体奇点论文:用物理不稳定性造出前所未有的光滑外力 — Singularitarian · 2026-10-26
- Nina Beguš 在 Artificiality Summit 讲「虚构作品早已抵达」AI 人文课 — begusgasper · 2026-10-26
- KOL 论人类为何恐惧自然：我们面对的是信息流而非山海 — bilawalsidhu · 2026-10-26
- OpenAI 早期可解释性研究者：现在万亿参数模型绝大多数神经元已可读 — tszzl · 2026-10-26
- Jeff Ladish：厂商不会训练模型不说谎，且激励正走向「巧妙说谎」 — JeffLadish · 2026-10-26
- DeepMind 论文：RL 训练让模型道德论证更果断但谄媚未减 — omarsar0 · 2026-10-26