全文共3994字，预计学习时长8分钟
图源：
始皇帝嬴政病了，距离他统一天下不过9年，皇帝职业还没耍够呢，怎么能就这样溜了？亚达亚达，我还要再活500年！
于是，他派出童男童女各五百人入海寻药，在家躺着翘首以盼。
结果，人都有去无回。
汉武帝刘彻也病了，但他比嬴政“幸运”多了，因为这时已有方士吆喝可以炼制丹药，再也不用去虚无缥缈的海上“送人头”了。
方士李少君，自称见过蓬莱仙人安期生。他向汉武帝显摆，他有一项神奇的技能，可以化丹砂为黄金，再用这些黄金涂抹餐具表面。一日三餐使用这种特制的餐具，就可以延年益寿。寿命足够长了，就能到海上见到安期生，求得仙药，治好大病，长生不老啦。
李少君这个脑洞开得很大，理论逻辑也没毛病，所以刘彻深信不疑。
不过，他还没帮汉武帝实现长生大业，自己就先病死了。
嬴政和刘彻得的病是一种人人都会得的病。这个病一直困扰着人类，人们试图阻止它，但收效甚微。
它就是衰老。
年龄只是数字，人类能够实现永生？
其实“衰老是种疾病”这种观点有悖常理，因为人们更多的把衰老当作时间流逝的痕迹，是无法避免的自然现象。
但近年来，科学界中有越来越多的声音表示两者其实并无联系。
如果真的毫无关系，年龄有一天也许只是个数字，并不代表什么。
据《卫报》报道称，35个发达国家中对2030年以后出生女性预测的最长寿命是90多岁，比出生的多了6.6年。马克思·普朗克人口研究所主任兼杜克大学教授詹姆斯·沃普尔表示，“近160多年来，人类最长寿命每年都会增加四分之一。”人类寿命正逐步趋向于最大限度，这遭到了非议。对此沃普尔很快回应，“假如寿命接近极值，那预期寿命的增速应该更慢。但事实并非如此。”人类能对抗衰老、实现永生这一想法听起来荒谬又自大。但不少未来学家仍坚信着这一点。
刘慈欣 图源：
刘慈欣在给女儿的信中曾写道：在你们这一代，人类征服了死亡。在我写这封信的时候已经有人指出：第一个永生的人其实已经出生了，当时我是相信这话的少数人之一。我不知道你们是怎么做到的，也许你们修改了人类的基因，关掉了其中的衰老和死亡的开关，或者你们的记忆可以数字化后上传或下载，躯体只是意识的承载体之一，衰老后可以换一个……“
图源：Unsplash/Andres Urena
谷歌PK死亡，AI能助力人类对抗衰老吗？
一些大型科技公司纷纷加入到抵制衰老这场竞赛中。谷歌的卡利科实验室于启动，旨在解决与年龄相关的疾病问题，延长人类寿命。
苹果公司也不甘示弱，将客户的健康作为了重点关注对象。苹果CEO蒂姆·库克曾在CNBC的一次采访中表示，
“假设自己在未来回看过去，如果要问‘苹果公司对人类最大的贡献是什么’，答案是健康。”
的确，医药领域正在成为一个可量化数据的宝库。不只囊括健康档案、家族史、血样检测这样的研究点，还有生命的本源——DNA。按普利策奖得主、生物学家悉达多•慕克吉的话讲：结合计算机科学研究基因这个生命体的最小单位，是非常明智的。况且该领域也历经了一场比特分析与计算的变革。
图源：Unsplash/由Taylor Vick
各行业中，以数据为中心的发展势必会波及到医疗领域。《时代》杂志上报道“谷歌VS死亡”，“医学正逐渐成为一门信息科学”等新闻日趋频繁。综合所有的信息，像谷歌这种视“信息为某种商品、可开发利用并能高效提升的资源”的科技企业，给自身的定位是充分利用宝贵数据，这才是最正常的操作。
其次，谷歌的动力就是利用技术，用埃里克·施密特的话说就是“解决之前从未搞定的问题。”衰老或者至少是与年龄相关的疾病，就是众多难题之一。而许多医学专家认为人工智能与基因组的结合可以解决问题。埃里克本人在一次演讲中引用谷歌合伙人拉里·佩奇的话表示“边调查边工作也是在利用人工智能”。
解决AI难题不是为了其自身使命，而是使AI能够用于解决更广泛的、且人们没有能力应对的难题。
人工智能正在改变卡尔口中的整个产业的“知识工作”的面貌，医疗领域也不例外。
著名未来学家贾迈斯·卡西奥曾指出这场变革是必然的演变过程，体现在“人们如何处理适应自己创造的大量知识”上。至于基因组的知识则来源于成千上万的序列及其统计意义的大量信息中——与人体的构造相关。
图源：Unsplash/Amelie Ohlrogge
同时，他预测：“人类不会脱离循环——事实上，更多的人可以做那些先前只能由神职人员做的事情”。
医学研究证实了这一点。药物发现研究人员德里克·洛跟《纽约》时报这样说道，
“并不是说机器会取代药剂师，只是借助机器的人会取代墨守成规的药剂师”。
技术也许无法保证人类的永远长寿，但人对于机器智能越来越多的依赖将带领我们步入到全新的世界中，医疗进步飞快——未来会有更多百姓付得起、服务个性化、预防更稳妥的护理，这样人们的生命和健康时间都会延长很多。
利用“人类代码”，携手AI破解“长生不老”谜题
医学研究人员一直在破解基因。首例完整的基因序列历经终于在问世，耗资30亿美元。斯坦福大学遗传学兼计算机科学副教授安舒尔·昆达耶在一次关于“人工智能的未来”会议上提出，“如今我们可以在短短几天时间里编辑基因序列，而且经费不会超过2000美元”。成本迅速降低，基因组数据爆炸式呈现——机器学习算法有助于深入了解数据。这有可能会挽救病人的生命，因为他们的基因信息对职业医生开处方时的作用很大，药物最合适，副作用也小。然而，仅靠基因解码来实现大众期望的药物升级是远远不够的；研究员必须明白基因片段如何表达才能真正充分利用到20000个基因序列。
图源：Unsplash/Daniel Christie昆达耶解释称，他的团队利用原始数据，采用机器学习模型，可以提供“一些基因组的综合性功能注释”。以这种方式，昆达耶的团队发现了阿尔兹海默症的潜在疗法——阿尔兹海默症是一种遗传病，是许多基因治疗的目标，长期以来传统疗法都没有任何效果。在研发有效疗法时，掌握关注点、预测药物的作用对制药研究员来说帮助极大。直接编辑基因或阻断相关疾病的基因片段复制的技术激起了基因学领域的热情。一个名为CRISPR-Cas9的系统吸引了很多人，“因为相比其他现有基因编辑方式，该系统更快、成本更低、信息更精准、效率更高”。但若没有目标，基因编辑再精准也没用。类似昆达耶的这种项目可以帮助获取基因目标。尽管DNA是核心，但治疗疾病还需其他方面的参与。DNA指导蛋白质翻译（将RNA作为中介转录和翻译指令），蛋白质功能与指导的一样。但此过程中，“序列会紊乱……无序会导致像肥胖、帕金森综合征和阿尔兹海默症这样的疾病”。出于这个原因，预测蛋白质的形状对理解蛋白质机能至关重要，但这一直难以实现。直到，研究人员将此问题众包，转向计算机达人寻求蛋白质折叠问题的解决方法，课题才有所进展。接下来不到三周的时间，这个困扰了科学家十年之久的难题——“处理艾滋病病毒再繁殖中一种关键的蛋白质剪切酶结构”便有了重要的突破。
蛋白质折叠，图源：Wikimedia CommonsAI技术的发展，让预测时间方面也取得了大的突破——需要花几周时间进行预测的项目只用几个小时就可以搞定。
谷歌的AlphaFold，一种在上述Foldit游戏基础上训练的深度计算法，在蛋白质折叠挑战中以巨大的优势击败了98名对手。“其预测的蛋白质结构最准确，43种里预测出25种，而排名第二的只预测出43种里的3种。”
AlphaFold的完胜表明AI在生物化学研究领域的重要性越来越大。
同时，对蛋白质折叠的认识不仅让研究人员关注遗传性疾病的机能，同时关注如何研发相应的治疗药物。正如《纽约时报》所报道，“如果科学家可以预测蛋白质形状，便能决定其他分子如何与其更好地‘结合’”可以更广泛地提供类似AlphaFold这样的工具，以便大大减少治疗先前不可治疾病需要花费的时间和金钱。
图源：Wikimedia Commons/IBM沃森机器学习和在医药领域的应用不局限于基因计算或蛋白质折叠。，IBM的人工智能机器沃森完成了医生不可能完成的工作。不到10分钟，沃森就分析了两千万个癌症相关论文并成功诊断一个病号——这是东京大学的医生在治疗他们60岁病号的几个月里都不能完成的繁重工作量。AlphaFold情况也类似。我们已经看过沃森和谷歌DeepMind的例子，这些AI系统能更好地对大型数据进行分析和比较。除了发展深度学习计算法，收集并尽可能提供更多的健康数据也同等重要。依据国家老龄化研究所的陈述，健康人群和高危患者的基因信息库越庞大，“研究人员发现更多风险基因的线索就越多”。昆达耶在讲话时也提到，机器学习算法是要同时输入个人和大范围的基因组以及健康数据，才能有效识别统计中基因组成的比特与这些比特错误可能导致的疾病之间的明显关系。值得庆幸的是，一些研究所正齐心协力帮助研究人员取得丰富的数据——ENCODE（DNA百科全书）。它作为一个公共研究联盟，其数据库可以自由访问。
modENCODE中果蝇部分的数据集概要。图源:《科学》
与此同时，哈佛大学在启动了个人基因组计划，这是一个志愿性项目，参与者为基因研究贡献自己的血样。希望健康信息的广泛适用性和不断扩充的数据库,以及健康记录的集成数字化,会推动AI的进步,比如IBM的沃森和谷歌的DeepMind的应用。
有了这些数据，机器学习会成为医者和药物研究员的关键助手。正如昆达耶所说，“将这些数据转化为提前预测、诊断、较小药物靶点和最佳治疗策略”。尽管还没超越技术障碍，但毫无疑问AI会带领人类走进先进医疗水平的全新时代。个人治疗更加人性化和高效，医患关系完全被打破，不是淘汰医疗服务者，而是提升他们的专业素养，从而更高效地治疗患者。随着医疗领域AI的兴起，研究人员将有权分析之前不能接触的数据，利用好人类代码——DNA——来解码是什么让我们健康长寿，最终使个性化治疗成为现实，并有可能进一步解决最难治愈的疾病——衰老。
古有炼丹修仙求长生之道，今有AI解码谋永生之法，技术在进步，相信有朝一日AI能实现人类的“长生不老”之梦。
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
编译组：孙梦琪、杨月相关链接：/ai-almost-immortal-478d13bfd24a
如需转载，请后台留言，遵守转载规范
推荐文章阅读
ACL论文集50篇解读
EMNLP论文集28篇论文解读
AI三大顶会中国学术成果全链接
ACL 论文集：34篇解读干货全在这里
10篇AAAI经典论文回顾
长按识别二维码可添加关注
读芯君爱你
