索尼 AI 系统 Hakken 提前预言生物学发现，独立实验室证实 2/3
alex_verem · x · 2026-10-28
Sony AI 发布论文介绍知识预测系统 Hakken（arXiv:2609.04494），能预测「尚未被发表」的科学关系，并已获得实验验证。
核心结果
- 研究者将系统指向衰老相关基因，生成 150 万条假设；生物学家挑选 3 条送独立实验室验证，2 条获确认：TP53（人类癌症中最常突变的基因）与 BAMBI 的关联，以及 RAF1 与炎症基因 TNF 的关联，此前均无文献报道。
工作原理
- 将生物医学文献视为知识图谱：约 25.5 万个基因、药物、疾病等概念之间的 710 万条已知关联，从中预测应存在但未被发现的关系；每个预测附带推理链，供科学家评估后再决定是否花钱做实验。
回溯测试
- 仅用 2010 年前的论文训练，系统预测了其后两年内新发现关联的约 70%、十年内发现的约 2/3；随机基线只命中约 25%。将截止年改为 1990 或 2000 结果依然成立。
工程亮点
- 模型很小：基于 7B 开源模型，在两台机器上数天完成训练，开源版本已放 GitHub。
- 作者认为部分被标记却从未出现的关联，可能是「尚无人做出的发现」。AI 负责从 150 万条中筛出候选，最终测试哪些由人类科学家拍板。
「研究」频道最新
- 筛完一周 307 篇 AI for Science 论文：真正的考验在没见过的数据 — bravo_abad · 2026-10-28
- 强化学习采样组大小有讲究：K=4快速过滤简单题省算力 — gowthami_s · 2026-10-28
- 组采样RL技巧：全错组持续采样，稀有正样本优势拉满 — gowthami_s · 2026-10-28
- 作者设想视觉版难题：戴贝雷帽的犰狳这类怪组合最难生成 — gowthami_s · 2026-10-28
- 机器人训练新思路：自然语言之外，演示本身就是引导模态 — Ed__Johns · 2026-10-28
- VybBench 开源基准发布:用数字量化图像模型的改图保真度 — thetripathi58 · 2026-10-28