Podcast Script (zh)
[0.120-10.801] SPEAKER_01: 这是Dmitry Korkin第二次来播客。 他是伍斯特理工教授，研究复杂疾病的生物信息学。 专攻计算基因组学、系统生物学和生物医学数据。
[10.881-24.130] SPEAKER_01: 他热爱生物和计算，是个俄罗斯人，最后用俄语念了首诗。 还能要求什么呢？ 快速介绍赞助商：Brave浏览器、NetSuite、Magic 还有Magic Spoon低碳水麦片和8Sleep床垫。
[24.210-38.725] SPEAKER_01: 选择：隐私浏览、商业成功、健康饮食或舒适睡眠。 明智选择，点击下方链接获取折扣， 支持播客。 顺便说一句， 2020年最出色的科学家，非政治化、有影响力，
[38.805-47.384] SPEAKER_01: 是研究病毒的生物学家，无议程，缺睡眠， 只有对科学和病毒奥秘的纯粹热情。 病毒既可怕又美丽。
[47.464-52.270] SPEAKER_01: 可怕在威胁文明根基，无论是生物还是
[52.350-58.398] SPEAKER_01: 心理层面。 美丽在让我们洞察生命本质，甚至可能 心理层面亦然。
[58.478-68.416] SPEAKER_01: 美丽，因洞察地球生命本质，甚至可能 探索中或许会遇到不太聪明的外星生命。 宇宙里适合居住的行星和卫星。
[68.496-77.830] SPEAKER_01: 喜欢的话，YouTube订阅，Apple Podcasts评价，Spotify关注。 Patreon支持，或Twitter找Lex Friedman联系我。 接下来是我和Dimitri Korkin的对话。
[77.910-86.547] SPEAKER_01: 人们常说，蛋白质和氨基酸残基是 生命的基石。 你同意吗？把蛋白质看作生命的基本组件？
[86.847-93.731] SPEAKER_02: 可以说是，也不是。 蛋白质是基本生物单位，执行重要的 细胞功能。 但通过研究比较蛋白质，
[93.811-97.839] SPEAKER_02: 跨物种、跨领域，你会发现蛋白质 其实要复杂得多。
[97.919-100.368] SPEAKER_02: 所以它有模块化复杂性。
[100.448-103.814] SPEAKER_02: 一个普通蛋白质由几个结构单元组成。
[103.894-109.733] SPEAKER_02: 我们叫它蛋白质结构域。 蛋白质就像一串珠子，每颗是一个结构域。
[109.813-116.674] SPEAKER_02: 过去20年，科学家们一直在研究蛋白质结构域的性质， 因为我们意识到它就是那个单元。
[116.754-123.093] SPEAKER_02: 你看这些功能，很多蛋白质不止一个功能。 蛋白质功能靠结构域实现，进化中常被重组。
[123.173-130.580] SPEAKER_02: 它们像单元一样起作用，从结构角度看。 有人觉得蛋白质是球状，其实球状部分就是结构域。
[130.660-137.300] SPEAKER_02: 结构域像珠子串在线上，由氨基酸组成。 结构域是最基本的功能构建块。
[137.600-151.070] SPEAKER_01: 是的，这就是蛋白质结构域。 关于蛋白质功能，可以谈不同构建块。 像层层嵌套，但某层有最干净的基本元素。 不同组合形成复杂功能，你说蛋白质结构域。
[151.150-161.006] SPEAKER_01: 为什么流行文化不常提？ 嗯，有几个视角，历史视角是一方面。 历史上，科学家通过结构解析得到蛋白质3D坐标。
[161.086-165.590] SPEAKER_01: 较小蛋白质常是单结构域，所以认为一个蛋白质等于一个结构域。
[165.890-174.806] SPEAKER_02: 最初怀疑蛋白质是球状，其实不是。 看这个问题，有几个角度，比如历史视角。 所以，历史上科学家靠结构解析就能拿到。
[174.886-184.324] SPEAKER_02: 蛋白质的三维坐标，嗯，你知道，对较小的蛋白质，它们往往…… 这是个单结构域蛋白，一个蛋白就是一个结构域。
[184.404-195.445] SPEAKER_02: 一开始怀疑，蛋白质是球状的，然后 小蛋白越多越确信，后来用X射线和核磁。冷冻电镜突破，看清刺突蛋白同源三聚体。
[195.525-201.933] SPEAKER_02: 确信就是那样，后来有了替代方法。 知道替代方法，传统的那几种。 是X射线晶体学。
[202.013-208.479] SPEAKER_02: 和核磁共振波谱，两种主要技术，提供 给我们三维坐标。现在冷冻电镜重大突破。
[208.559-213.330] SPEAKER_02: 更先进方法让我们看更大分子。 三维形状，比如其中一个例子
[213.410-219.632] SPEAKER_02: 常见的例子，今年第一个实验结构 SARS-CoV-2的S蛋白冷冻电镜结构，刺突蛋白。
[219.712-224.739] SPEAKER_02: 很快就解决了，因为技术进步。 技术惊人。有多少个结构域？
[224.819-229.207] SPEAKER_02: 不止一个结构域？对，非常复杂。 除了单蛋白复杂，这个
[229.287-236.972] SPEAKER_02: 结构是复合体，是三聚体，需要形成三聚体才能 正常运作。复合物是多种蛋白聚集。 好的，我们可以有
[237.052-242.044] SPEAKER_02: 相同蛋白多个副本，形成 同源寡聚体，Homo表示相同。
[242.124-248.370] SPEAKER_02: 刺突蛋白是同源三聚体例子。 它需要三个自己的副本？三个副本。 为了……对，就是这三个分子链。
[248.450-261.374] SPEAKER_02: 耦合在一起执行功能。从上面看，蛋白质是个完美三角形。但其他 看这个蛋白质，是个完美三角形。但其他 复合体由不同蛋白质组成。有的完全不同，有的相似。
[261.454-275.818] SPEAKER_02: 血红蛋白分子，对吧？它其实是一个蛋白质复合体，由四个基本亚基组成。 这是一个蛋白质复合体，由四个基本亚基组成。 其中两个相同，另外两个也相同且彼此相似，这给我们进化启示。
[275.898-289.263] SPEAKER_02: 它们彼此相似，给我们分子进化启示。 其中一个假设是，它原本是个同源四聚体，四个副本相同，后来突变特化。 相同副本后来突变，变得更特化。
[289.343-297.945] SPEAKER_02: 能多谈谈刺突蛋白吗？有有趣或美丽的方面吗？ 首先，这种蛋白质很有挑战性。我们为解码病毒结构，一直在研究刺突蛋白。
[298.245-303.550] SPEAKER_01: 主要挑战是，冷冻电镜数据帮我们重建。 你觉得哪儿有趣或好看？
[303.850-313.753] SPEAKER_02: 首先，这蛋白质挑战性极大。我们作为 我们研究的一部分，就是解码病毒的结构基础。 把每种蛋白质的结构解码出来。
[313.833-320.915] SPEAKER_02: 它的蛋白质组里，我们一直在研究刺突蛋白。 冷冻电镜数据让我们能重建，是主要挑战之一。
[320.995-329.261] SPEAKER_02: 大概能拿到这个蛋白质三分之二的3D坐标。剩下的 这个蛋白质的三分之一，其实被埋在 进入病毒膜和包膜里面。
[329.341-332.115] SPEAKER_02: 而且它周围还有很多不稳定结构。
[332.415-336.060] SPEAKER_01: 所以它会跟连着的任何东西发生化学反应。
[336.360-342.849] SPEAKER_02: 对。所以大家还在研究。它的性质 和这部分的功能，就是那三分之一，因为顶部
[342.929-352.008] SPEAKER_02: 主要作用是让一种蛋白质 去附着到人类的ACE2受体上。还有漂亮的 机制，对吧？因为有三个不同的
[352.088-362.084] SPEAKER_02: 这个链的副本，也就是三个不同的结构域。所以我们 在说结构域。这就是受体结合域RBD，它会解开 准备好去附着。
[362.164-368.224] SPEAKER_02: 嗯，所以该用AR去附着到受体了。它们 不一定是同步的，事实上是异步的。所以这就
[368.304-376.140] SPEAKER_02: 是另一个复杂的地方，因为 现在我们通常只看到一个臂伸出来准备 去附着到ACE2受体上。
[376.220-383.464] SPEAKER_02: 不过最近出现了一个突变， 人们研究了那个刺突蛋白里的突变。 最近，麻省大学医学院的一个团队，
[383.544-392.123] SPEAKER_02: 我们和几个团队合作过。 这是杰里米·鲁宾的团队， 还有几位教职人员。 他们解析了刺突蛋白的突变结构。
[392.203-395.674] SPEAKER_02: 他们发现，由于这些突变， 有多个臂展开。
[395.754-399.178] SPEAKER_02: 现在，两个臂向上打开的频率
[399.258-409.474] SPEAKER_02: 大幅增加。 有意思。 这会改变动力学吗？ 以某种方式？ 可能会改变动力学， 因为现在有两个可能的机会 与ACE2受体结合。
[409.554-422.989] SPEAKER_02: 这是个非常复杂的分子机械过程。 但第一步是附着 这种刺突蛋白，也就是刺突三聚体， 到人类ACE2受体上。 这是一种位于细胞表面的分子， 人类ACE2受体。
[423.069-429.071] SPEAKER_02: 刺突蛋白就附在细胞膜上。 细胞膜。 这基本就是启动。 触发包裹过程的关键。
[429.371-438.090] SPEAKER_01: 好比第一次约会。 所以这就是… 某种程度上。 对。 那刺突蛋白有没有可能 就这么自己飘着？ 还是需要和膜互动？
[438.390-443.382] SPEAKER_02: 对，需要附着。 至少我知道是这样。 但它附着后，怎么停留也有变化。
[443.462-446.457] SPEAKER_02: 比如，冷冻电镜看到了整体结构。
[446.537-451.529] SPEAKER_02: 分辨率虽低，但能看出细节，之前衣壳结构未知。
[451.609-458.691] SPEAKER_02: 衣壳是病毒内核，里面有RNA，由N蛋白保护。 它基本就是保护盾。
[458.771-462.718] SPEAKER_02: 它不仅是保护盾，还能稳定外壳。 这事挺复杂的。
[463.018-465.932] SPEAKER_01: 搞懂这些对研发疫苗或药物特别有用。
[466.232-470.202] SPEAKER_02: 所以影响有很多。 首先，了解病毒本身很重要。
[470.282-475.053] SPEAKER_02: 要知道它的作用方式，复制和增殖的过程。 这是其中一个方面。
[475.133-483.550] SPEAKER_02: 另一方面是设计新疗法。 一种可能的治疗方法是。 设计纳米粒子。 有些粒子做成病毒形状，带上刺突蛋白。
[483.630-489.516] SPEAKER_02: 它们会阻断ACE2受体，跟真病毒竞争。 从而阻止真病毒进入细胞。
[489.596-494.019] SPEAKER_02: 还有个有趣的方向是研究。 蛋白质包膜的M蛋白。
[494.099-501.796] SPEAKER_02: 简单说，有四种结构蛋白。 它们构成病毒的结构。 刺突蛋白S，以三聚体形式存在。
[501.876-504.070] SPEAKER_02: 需要三个副本。
[504.150-509.757] SPEAKER_02: E是包膜蛋白。 M是五聚体。 所以需要五个副本才能正常运作。
[509.837-518.323] SPEAKER_02: M是一种膜蛋白。 它形成二聚体。 实际上它形成了漂亮的晶格。 我们一直在研究这个，模拟中看到了它。
[518.403-524.289] SPEAKER_02: 它形成了非常漂亮的网格，即二聚体相互连接的丝状结构。
[524.589-527.178] SPEAKER_01: 有大量彼此的副本。
[527.478-537.532] SPEAKER_02: 当有大量彼此的副本时，它们自然就会 形成有趣的晶格。 没错。 仔细想想，这个复合体，病毒的形状需要自组织，对吧？
[537.612-545.495] SPEAKER_02: 所以如果完全随机，你可能就得不到椭圆形的包膜外壳。 你会得到某种相当随机的形状，对吧。 所以存在一些
[545.575-551.217] SPEAKER_02: 这些M二聚体以非常特定的定向方式相互连接，有规律性。 这完全理解了吗？
[551.297-563.060] SPEAKER_02: 目前还不清楚。 从我们上次见面后，这六个月我们一直在工作。 实际上这就是我们开始理解包膜整体结构和关键部分的地方。 我们建好了这个结构。
[563.140-573.263] SPEAKER_02: 等等，包膜也有晶格结构？ 包膜其实就是病毒颗粒的外壳。 N蛋白在内部，是核衣壳蛋白。 懂了。 但N很可能和M蛋白相互作用。
[573.343-580.111] SPEAKER_02: 那E和M呢？它们在哪儿？ E这些蛋白在细胞上拷贝数不一样。 好。 在病毒颗粒上。
[580.191-584.637] SPEAKER_02: E是五聚体复合物， 每个颗粒可能只有两三个。
[584.717-590.765] SPEAKER_02: 大约有1000个M二聚体， 它们基本构成整个外壳。 所以外壳大部分是M蛋白。
[591.065-596.951] SPEAKER_01: 说颗粒，就是病毒粒子， 病毒，单个病毒。 单个的，是的。
[597.251-611.278] SPEAKER_02: 病毒的单个元素，单个病毒。 单个病毒，对。 大约有50到90个刺突三聚体，对吧？ 所以当你展示一个- 每个病毒颗粒。 每个病毒颗粒。 抱歉，你刚说50到90？ 50到90，对吧？ 酷。
[611.358-613.923] SPEAKER_02: 所以它就是这样组织的。
[614.003-622.768] SPEAKER_02: 那么现在- 通常，对吧？ 所以那些靶向刺突蛋白的抗体， 刺突蛋白的某些部分。 但也有些治疗方法，对吧？ 所以这些小分子
[622.848-627.190] SPEAKER_02: 结合这些蛋白的关键部分， 破坏它的功能。
[627.270-637.254] SPEAKER_02: 所以一个有希望的方向， 这是最新的方向之一， 其实是靶向蛋白的M二聚体。 靶向构成外壳的蛋白。 因为如果你能摧毁外壳，
[637.334-642.395] SPEAKER_02: 你其实在摧毁病毒颗粒本身。 所以阻止它完全发挥作用。
[642.695-647.884] SPEAKER_01: 所以你觉得， 从网络安全的角度看， 病毒安全的角度， 那是最佳攻击途径吗？
[648.184-660.504] SPEAKER_02: 或者，那是个有前途的攻击途径？ 我会说是的。 所以，还有很多研究要做。 对，我认为，所以—— 我想，有更多攻击面。 更多攻击面。 但从其他进化分析来看，
[660.584-664.531] SPEAKER_02: 这种蛋白质进化更稳定 与刺突蛋白相比。
[664.831-667.338] SPEAKER_01: 哦，稳定意味着目标更静态？
[667.638-673.408] SPEAKER_02: 嗯，对，所以它不会变， 从进化角度看它不会进化 不像刺突蛋白那样剧烈变化。
[673.708-684.644] SPEAKER_01: 新闻里有很多东西 英国毒株的突变情况。 我在南非也看到一些情况。 大概是昨天。 你刚提到稳定性这些。 哪些地方可能突变？ 还有哪些... 对。
[684.724-696.206] SPEAKER_01: 哪些突变会更危险？ 放宽视野来看，你怎么看？ 病毒突变的方式，你了解的， 还有最近的新闻？ 从生物学看，你担心吗？ 从人类角度，担心吗？
[696.506-704.470] SPEAKER_02: 所以突变是 病毒进化的常见方式，对吧？ 这基本就是 它们进化的方式。 也是它们能从一种物种
[704.550-715.730] SPEAKER_02: 跳到另一种物种的方式。 近期我们也看到一些跳跃。 这个病毒有跨物种传播的例子 从人传到狗 所以跨物种传播有风险 因为每次跨物种传播时
[715.810-723.913] SPEAKER_02: 它也会变异，对吧？ 所以当它跳到 跳到新物种再跳回来，对吧？ 所以它获得了一些突变 由新宿主环境驱动，对吧？
[723.993-731.040] SPEAKER_02: 这和人类环境不同 所以我们不知道这些突变是否 在新物种中获得的 对人类是中性的 或者可能有害 是的
[731.340-740.500] SPEAKER_01: 变化总是可怕的 但是你是否担心 我的意思是，似乎因为传播 现在冬季传播异常高 尤其是疫苗快出来了 其实已经在部署了。
[740.580-746.640] SPEAKER_01: 有人担心会带来进化压力。 对病毒产生选择性压力，导致变异。 这让人担心吗？
[746.940-753.081] SPEAKER_02: 是的。 而且总有人这么想。 科学家脑子里， 会发生什么，对吧？ 所以有过讨论。 关于军备竞赛，
[753.161-757.932] SPEAKER_02: 人类的能力 去更快接种疫苗， 比病毒， 变得对疫苗有抵抗力。
[758.012-763.851] SPEAKER_02: 我并不太担心。 仅仅因为 对此没有太多证据。 疫苗的剧烈变异。 没错。 显然疫苗存在变异。
[763.931-775.740] SPEAKER_02: 所以我们每年都要打疫苗， 针对季节性的流感， 因为病毒会突变。 对吧？ 但我觉得研究这个很重要。 毫无疑问，对吧？ 所以对我来说，其中一个关键点，
[775.820-787.130] SPEAKER_02: 可能我有点偏见，因为 我们也在尝试这么做。 但其中一个关键方向是 理解病毒的关键是理解它的演化。 这样就能一定程度上理解 导致病毒的关键机制，
[787.210-797.113] SPEAKER_02: 跳跃，比如病毒从北欧跳跃 从一个物种传到另一个物种。 这些机制让病毒 对疫苗和治疗产生耐药性。 对吧？ 希望这些知识能让我们
[797.193-801.279] SPEAKER_02: 一定程度上预测演化轨迹。 病毒未来的进化方向。
[801.579-814.700] SPEAKER_01: 从生物学角度看， 问个傻问题， 病毒里有没有哪部分如果增强， 比如通过突变， 能让它更高效地执行功能？ 我们说的是这种特定冠状病毒。 比如之前我们讨论了不同的，
[814.780-827.785] SPEAKER_01: 比如包膜、M蛋白、E蛋白、 N蛋白和S蛋白，也就是刺突蛋白。 有没有哪些—— 另外还有二十多种。 此外， 但这想法是不是很傻？ 比如这些部分如果发生突变，
[827.865-831.510] SPEAKER_01: 哪个可能影响最大， 可能严重破坏病毒有效性？
[831.810-840.227] SPEAKER_02: 其实，这是个很好的问题。 因为简单说，我们现在还不知道。 当然，这种病毒有这个能力。 效率更高了。 原因呢，
[840.307-850.790] SPEAKER_02: 你看病毒啊， 它就是个机器，对吧？ 所以它功能很多。 很多功能几乎完美， 但它们不完美。 突变能让功能更完美。 比如，和ACE2受体结合，对吧？
[850.870-856.616] SPEAKER_02: 刺突蛋白，对吧？ 那，这是不是， 病毒效率到顶了？ 附着怎么进行的？ 或者还有未知突变，对吧？
[856.696-863.255] SPEAKER_02: 让附着更强？ 或者，还有更多， 某种程度上更高效 从病毒功能看？ 这个例子很明显。
[863.335-874.935] SPEAKER_02: 但看每个蛋白质， 就是说，它就在那儿， 它存在是有原因的。 它有它的功能。 可能某些突变会， 增强这个功能。 也可能某些突变让这个功能 效率低很多，对吧？
[875.015-876.268] SPEAKER_02: 这也是事实。
[876.568-887.925] SPEAKER_01: 既然聊到病毒的演化历史， 咱们把视角拉远， 看看蛋白质的演化。 我翻了翻， 2010年《自然》杂志那篇关于， 《蛋白质宇宙持续扩张》的论文。
[888.005-899.222] SPEAKER_01: 然后它某种程度上暗示 还讨论到 蛋白质来自一个共同祖先， 这挺有意思的。 想想也挺有意思，比如， 哪怕只是第一个有机物。 那是地球生命的起点。
[899.302-913.677] SPEAKER_01: 从那以后，到现在， 是什么？ 35亿年后， 现在有数百万种蛋白质， 它们还在进化。 而这，部分来说， 是你研究的事情之一。 你觉得有趣吗， 关于蛋白质进化，
[913.757-920.479] SPEAKER_01: 从最初的祖先到今天？ 有没有美感和洞见的东西， 关于这个漫长的故事？
[920.779-929.776] SPEAKER_02: 所以我觉得， 如果选一个关键词， 关于蛋白质进化， 我会选模块化， 这是我们最初讨论过的。 而那就是蛋白质，
[929.856-940.839] SPEAKER_02: 不再被视为，你知道， 就像一串字母 有复杂的层次 在蛋白质的结构里 这些复杂结构还会 不只是蛋白质序列 其实能追溯到
[940.919-950.102] SPEAKER_02: 基因和核苷酸序列 所以说，再次 这些蛋白结构域 它们不光是功能模块 也是进化模块 所以某种程度上 在进化后期
[950.182-958.947] SPEAKER_02: 我是说，一旦稳定 结构和功能上 的模块一出现 它们基本上不变 这些域保持原样 所以比较不同蛋白质时 你会发现很多
[959.027-971.672] SPEAKER_02: 会有类似的片段出现。 而这些片段呢，就会对应上。 我们称之为蛋白质结构域家族。 所以它们还是不一样。 因为你还是带着突变 而且，你知道吗 这个嘛，你知道的。 不同的突变，都是因为
[971.752-986.801] SPEAKER_02: 要多样化，你知道的。 功能更丰富了。 蛋白质结构域，你知道吧。 不过，你并不。 你很少见到， 你看，进化这事儿 它会自己裂开。 这个结构域碎成了片段 因为，而且这是，你知道的。
[986.881-1000.246] SPEAKER_02: 结构域一旦分裂， 实际上呢，你…… 你知道吧，这事儿其实挺简单的。 你可以完全关掉它 或者至少 你可以减少它 而且那并不是 从这个角度看很高效 关乎细胞功能的
[1000.326-1008.882] SPEAKER_02: 所以 蛋白质结构域层面 非常重要 除此之外 如果你看蛋白质 这个结构单元 它们执行功能 但人们对这了解很少
[1008.962-1017.588] SPEAKER_02: 连接它们的东西 蛋白质结构域 我们叫它连接子 连接子非常灵活 蛋白质的一部分 尽管如此，它们执行 功能很多。
[1017.888-1020.001] SPEAKER_01: 就像小尾巴、小头。
[1020.301-1034.525] SPEAKER_02: 所以说我们确实有尾巴。 它们也叫末端， C末端和N末端。 这些位置正好在 在 一端和另一端， 蛋白质序列上。 它们也非常重要。 它们 归因于 非常特定的相互作用， 蛋白质之间的。
[1034.605-1052.370] SPEAKER_02: 所以。 但你指的是链接 结构域之间的。 连接结构域的。 而且，你知道， 除了， 只是， 简单视角， 如果有， 你知道，一个很短的域， 你有，抱歉， 一个很短的连接子， 你有两个相邻的域。 它们就挨在一起。
[1052.450-1066.535] SPEAKER_02: 如果有一个很长的连接子， 你就有了这些域， 它们非常灵活， 还能执行， 大量空间重组。 对吧？ 所以， 但除此之外， 对吧， 就这个连接子本身， 因为它很灵活， 其实它能适应。 变成很多不同的形状。
[1066.615-1081.304] SPEAKER_02: 所以它是个。 它是个很好的相互作用子。 在相互作用上。 在这种蛋白质中。 和其他蛋白质之间。 好的。 所以这些东西也在进化。 你知道。 而且它们。 某种程度上。 有各种不同的规律。 或者是驱动规律。
[1081.384-1091.403] SPEAKER_02: 构成进化基础的。 因为它们不再需要。 保持一定的结构。 对吧？ 和蛋白质域不同。 除此之外。 你有些东西。 這個研究得更少。
[1091.483-1106.729] SPEAKER_02: 而這是一種 這跟概念有關 就是可變剪接 所以是可變剪接 所以它是一個 這是個很酷的概念 這是某種 我們一直很著迷 比如說，你知道 超過十年 在我實驗室 並嘗試研究 跟這個有關
[1106.809-1116.004] SPEAKER_02: 但是 你知道 所以通常 你知道 一個簡單觀點 是一個基因 就等于 一个蛋白质。 对吧？ 所以基因 呢， 你转录它， 翻译它， 就变成蛋白。 但实际
[1116.084-1123.804] SPEAKER_02: 咱们讲 真核生物， 尤其是 比较晚近的、 很复杂的， 基因可不 等于一个蛋白了。 它其实能 产生好几个
[1123.884-1135.505] SPEAKER_02: 功能上， 你懂的。 活跃的 蛋白质产物。 而且每个 就是， 你看， 是 叫做 可变剪接产物。 原因在于 ， 如果看这个基因， 它其实有， 还有 一些片段。
[1135.585-1149.635] SPEAKER_02: 这些片段， 有些， 它呢， 它基本上是 这样的。 所以有个片段。 就是后面要翻译的部分。 我们叫它外显子。 然后有一段， 它是 不参与翻译的， 会被切掉。 我们叫它内含子。 所以有外显子， 内含子， 外显子， 内含子， 等等，
[1149.715-1158.852] SPEAKER_02: 等等， 等等， 对吧？ 所以有时候会有， 你懂的， 几十个这样的外显子 和内含子。 所以实际就是 在這個過程中 當基因 被轉化
[1159.152-1160.928] SPEAKER_01: 變成RNA
[1161.228-1168.495] SPEAKER_02: 我們有 一些東西 被 剪掉 內含子 被剪掉 和外顯子 現在 被組裝 在一起 有時 我們會 丟棄 一些外顯子
[1168.575-1182.080] SPEAKER_02: 而剩下的 蛋白質產物 会成为 不同的， 不同的， 对吧？ 所以， 所以现在你有 蛋白质片段 那不存在了， 它们被切除了 和内含子一起。 有时 你会 基本上取 一个外显子 再替换它
[1182.380-1186.071] SPEAKER_01: 用另一个， 对吧？ 所以有些灵活性 在， 在这个过程里。
[1186.371-1203.788] SPEAKER_02: 所以， 这就创造了 一个全新的层次 因为现在—— 但这是随机的吗？ 它是随机的吗？ 不是随机的。 我们， 而这就是 我认为 现在，现代 单细胞 的出现， 还有， 还有在此之前 组织水平 测序、 下一代 测序技术 如RNA-seq
[1203.868-1214.200] SPEAKER_02: 我们可以 看到 这些 这些就是事件 通常 发生 作为回应 在 这是个动态事件 发生 回应 对 对疾病 或回应 对特定 发育阶段 的细胞 而且 这就是 一个非常
[1214.280-1227.785] SPEAKER_02: 很复杂 层面 那 也 经历 我是说 因为它 在基因层面 对吧 所以它经历 某种进化 对吧 而且 现在我们有了 这种相互作用 在两者之间 发生了什么 正在发生的事 在 在蛋白质世界
[1227.865-1241.822] SPEAKER_02: 那正在发生什么 在 你知道 RNA世界 而且 比如 你知道 它是 它通常是 我们看到 这个 边界 这些外显子的 重合 和边界 蛋白质结构域的 对吧 所以 所以存在 存在
[1241.902-1258.251] SPEAKER_02: 你知道， 紧密互动 和那一点 并不总是， 我的意思是， 你知道， 否则它会 太简单了， 对吧？ 但我们确实看到 这种联系 而且显然 进化 会抓住 这种复杂性 并且， 你知道， 选择有利于 任何成功的，
[1258.551-1260.327] SPEAKER_01: 无论什么
[1260.627-1267.592] SPEAKER_02: 是的， 我们看到这一点 复杂性 在起作用 而且， 并让 这个问题， 你知道，
[1267.892-1288.444] SPEAKER_01: 更复杂 但更让人兴奋。 一个小岔路， 我不知道 如果你想到这一点 进入世界 计算机科学的， 有 道格拉斯·霍夫施塔特， 我觉得， 想到了 一个名字 哪些是？ 我不知道。 你熟悉吗？ 这些东西， 但它是个计算机程序， 有， 我猜， 外显子和内含子，
[1288.524-1307.067] SPEAKER_01: 它们会复制， 整个目的 这个程序 就是复制自身。 所以， 它会打印副本 自身的副本， 但也能携带 里面的信息。 所以， 这是一种非常 粗糙的， 好玩的练习 的 我们可以来点 复制 这些想法 从细胞里 或者我们能有 一个电脑程序
[1307.147-1315.390] SPEAKER_01: 你运行它时 只打印自己， 全部自己 再用不同的 编程语言 等等。 我一直在玩 并写它们 这是一种
[1315.690-1328.115] SPEAKER_02: 好玩的小练习。 你知道， 我小时候， 所以 你知道 它本质上就是 其中之一 的一个 有点 主要阶段 在 在 信息学 奥林匹克竞赛 你必须达到的 为了成为 那么好 就是 你应该能 去
[1328.195-1341.525] SPEAKER_02: 写一个程序 能够自我复制 因此 然后任务变成了 甚至 你知道 有点更复杂了 所以 什么是最短的 程序？ 当然 它是 你知道 它是一个函数 编程语言里的 不过没错 我记得 你知道 很长，
[1341.605-1344.693] SPEAKER_02: 很长， 很久以前 当我们试图 你知道
[1344.993-1357.522] SPEAKER_01: 简单来说 而且要短 找到 快捷键 其实有 在Stack Exchange上 我认为 整个 就是比赛 人们只想出 不管什么任务 我不知道 比如 写代码 报告 今天的天气 而且比赛 是关于
[1357.602-1374.288] SPEAKER_01: 在任何编程语言中 最短的程序是什么 而且它其实让你 大家该去看看 因为它让你意识到 有一些 奇怪的编程语言 存在 但 你知道 只是深入聊一下 稍微 更深一点 你觉得 你知道 在计算机科学里
[1374.368-1388.488] SPEAKER_01: 我们通常不会考虑 程序 就像现在的机器学习领域 那些还算基础的程序 然后还有人类 在自我复制 对吧？ 而且还有这些突变 等等。 你觉得会不会有一个世界 那里有程序
[1388.568-1401.922] SPEAKER_01: 那种 有进化过程？ 所以我不是说 进化算法， 而是指程序 那种 彼此配对 并进化 并且 比如 自己 复制自己。 所以这有点像 这里的想法 是 你知道， 所以你可以有
[1402.002-1420.441] SPEAKER_01: 一个失控的情况。 所以我们考虑 机器学习 作为一个系统 越来越聪明 越来越聪明 越来越聪明，越来越聪明， 至少目前的机器学习系统 是这样的， 就像， 它， 它是个程序 你可以， 比如， 关掉 丢出一堆 小程序到那里 让它们， 比如，繁殖 然后交配
[1420.521-1428.380] SPEAKER_01: 然后进化 然后复制 你有没有 想过那种世界 你知道 当我们从 生物 系统 你看到的 到 到人工的吗 我是说
[1428.680-1440.571] SPEAKER_02: 它 有点像 你 你把 那种 智能体领域 对吧？ 这其实就是 这个 独立的 有点 代码 运行的 互相交互 相互交换信息 对吧？ 所以 我 我不懂为什么不 我的意思是
[1440.651-1444.377] SPEAKER_02: 我 我 你知道 这可能是某种 自然的演变
[1444.677-1462.535] SPEAKER_01: 在 在, 在这个, 你知道, 计算机科学领域。 我觉得这有点 一个有趣的可能。 这很可怕， 也是。 但我觉得这非常 强大的工具， 比如有， 比如代理交互， 你知道， 我们有社交网络 有数百万人 他们互动。 他们很蠢。 你知道， 他们是，
[1462.615-1479.556] SPEAKER_01: 他们可能 这算法挺傻的。 你知道， 挺有意思的。 想想看， 可能有 进化机器人 和人类共存。 有一片海 的人类 和机器人， 它们 最先运作 在数字空间里。 再想想， 我， 我挺喜欢这个想法。 有人在干活， 我想， 在哈佛，
[1479.636-1496.940] SPEAKER_01: 在宾大。 有的 机器人实验室 那些 你知道 搭建 基本任务 他们造了一个机器人 能 有多余资源的话 造一个复制品 自己的 就像在物理空间里 没错 这个 非常难做到 但非常有趣 没错 我记得有个 比如说
[1497.020-1514.588] SPEAKER_01: 关于它的研究 机器人 能造桥的。 然后它们复制一个 自己的副本。 然后它们互相连接。 对。 所以就有， 比如， 自己建桥， 用积木块。 你可以想象， 比如， 一栋楼 自己组装。 对。 来自， 来自机器人零件。 但有意思的是， 去
[1514.668-1525.244] SPEAKER_01: 在那台机器人里面。 增加能力 产生突变 还有， 还有， 做各种有趣的， 比如， 小事 你说的 进化中 从一个 原始蛋白质 基础模块 再到，
[1525.544-1541.336] SPEAKER_02: 比如， 这种奇怪的复杂。 嗯， 如果你想想这个， 就是说， 你知道， 零碎部分 有的。 你懂的。 所以说， 你提到的那个 那个啊， 你知道， 这个嘛， 这个嘛， 这个嘛， 目标就是， 某种程度上， 不一样， 对吧？
[1541.416-1557.498] SPEAKER_02: 所以目标是， 你知道， 基本上， 要嘛， 得优化你的搜索， 对吧？ 所以呢， 不过， 有点像， 这个， 想法是有的。 所以说， 所以你， 人们意识到， 你知道， 那个， 你知道， 这次重组 改变了全局。 在，
[1557.578-1573.230] SPEAKER_02: 搜索的时候。 然后你有， 你知道， 其他的， 有点像， 受自然启发 算法， 对吧？ 所以呢 其中一个原因 那就是 那就是 你知道 我觉得它是 它最有趣 是基于黏液的算法 对吧？ 所以呢
[1573.310-1582.934] SPEAKER_02: 它是 第一个是日本团队引入的 日本团队 不过 它能 解决 一些 一些预先的 你知道 所以 那就是 还有 然后我觉着 很多东西 我们还没 去 怎么说呢
[1583.014-1589.120] SPEAKER_02: 向自然学习 对吧 所以啊 有很多 算是 想法 自然 嗯 能给我们的 那
[1589.420-1592.229] SPEAKER_01: 怎么说呢 就看我们了 再到，
[1592.529-1594.038] SPEAKER_02: 到， 到，
[1594.338-1612.173] SPEAKER_01: 你懂的， 好好利用它。 比如你的人脉， 你懂的， 很多灵感， 来自大自然， 跟神经网络有关。 也许有， 别的灵感， 还没被发现。 在大脑里， 或者别的， 方面， 的， 各种系统， 甚至免疫系统， 它的方式， 它们会互相影响。 最近我 开始明白
[1612.253-1629.217] SPEAKER_01: 就是说 比如免疫系统 和 大脑运作方式有关。 比如说 里面发生很多事 同时都在发生， 其中 所有这些 都没建模 在人工神经网络里。 要是你加入 一点那种 生物元素进去， 你就能想出 一些东西， 一些很酷的玩意儿。 我 我不太确定 你熟悉吗
[1629.297-1640.013] SPEAKER_01: 德雷克方程 那个估算 我刚做了个视频 是关于它的 因为我想 讲下我的估算 关于它的 这是个 一个方程 结合了 很多因素 来估算 有多少外星文明
[1640.313-1642.321] SPEAKER_02: 在银河系里 哦，是的
[1642.621-1658.041] SPEAKER_01: 我听说过 是的 所以第一个， 有趣的参数之一， 你知道， 就像是 有多少 恒星诞生 还有多少 行星 平均 每颗恒星 对于这个， 有多少 宜居行星 存在。 然后是， 这开始变得 非常有趣的
[1658.121-1674.098] SPEAKER_01: 就是概率 生命 出现 在一个宜居的星球上。 所以就像， 我不知道 你想想， 你当然会想到 很多进化的事， 但你有没有想过 关于那个， 进化论 没讲到的， 就像是 进化的起点， 生命起源？ 我估计
[1674.178-1689.424] SPEAKER_01: 概率 生命出现 在一个宜居星球上 定为1%。 这非常科学 严谨。 好的。 嗯， 首先， 宏观来看， 关于德雷克方程， 你会把 比例定在 地球上多少？ 而且， 总的来说， 有没有什么， 你有没有想过 生命是怎么 起源的？
[1689.504-1694.635] SPEAKER_01: 你知道， 比如蛋白质 作为第一种， 早期的一个 起点？ 对。
[1694.935-1704.954] SPEAKER_02: 所以， 回想2018年， 有一篇特别棒的论文 登在《自然》杂志上 他们发现 一种最简单的 氨基酸， 甘氨酸， 在彗星尘埃中。
[1705.034-1717.621] SPEAKER_02: 所以这是， 抱歉 要是发音不准， 这是个俄罗斯名字 彗星， 我想是丘留莫夫-格拉西缅科， 就是这颗彗星， 还有一项 任务要去采集， 并接近这颗彗星，
[1717.701-1732.808] SPEAKER_02: 并获取 它尾巴产生的星尘。 而且， 科学家分析它时， 他们其实发现了， 微量的， 你知道， 甘氨酸， 它构成了， 你知道， 是基本的一种， 20种基本的一种， 氨基酸，
[1732.888-1748.134] SPEAKER_02: 构成蛋白质的氨基酸， 蛋白质， 对吧？ 所以， 所以那有点， 那很让人兴奋。 特别兴奋， 对吧？ 但, 你知道, 这是, 这问题很有意思, 对吧? 那, 你晓得, 啥, 假如有外星生命, 它由啥构成? 蛋白质,
[1748.214-1760.604] SPEAKER_02: 对吧? 或者可能是RNA, 对吧? 所以我们看到, 你知道, 这个, RNA病毒, 当然, 你知道, 有点 你知道 一组分子机器 对吧 所以 嗯，对 这是个 这问题特别有意思
[1760.904-1778.623] SPEAKER_01: 你 你觉得概率有多大 比方说 这有多难 比方说 有多不可能 光在地球上 你觉得我们这一切 所做的事 比方说 这算不算 我们真这么幸运吗 还是说这事儿躲不开？ 比方说 你什么感觉？ 当你坐下 想想 地球上的生命？ 高于还是低于1%？ 嗯
[1778.703-1783.288] SPEAKER_01: 因为1%已经很低了 但还是可以说 该死 这机会还挺大的
[1783.588-1792.574] SPEAKER_02: 是的 这个 这机会确实不小 我是说 我 我个人会 但话说回来 你知道 我 其实 可能不太合适 来 来 来 做这种估算 不过我会 嗯 凭直觉 我可能 放低一些
[1792.654-1793.582] SPEAKER_02: 更低
[1793.882-1796.389] SPEAKER_01: 不过 我是说 嗯
[1796.689-1808.240] SPEAKER_02: 这个 呃 当时有 都挺对的 某种程度上， 对吧？ 所以， 所以我们还是， 这不是， 这个， 条件不理想 如果你想， 去观察， 你知道， 那是什么，
[1808.540-1810.989] SPEAKER_01: 你知道， 几十亿年前
[1811.289-1813.634] SPEAKER_02: 生命出现时
[1813.934-1829.180] SPEAKER_01: 所以， 那里， 有一种叫 稀有地球假说 就是说， 你知道 相反 对德雷克方程 说 这 你知道 地球的条件 你真要描述地球 它是个挺特别的地方 特别到可能独一无二 在我们银河系
[1829.260-1845.470] SPEAKER_01: 而且可能 你知道 接近独一无二 在整个宇宙 就像很难 重建 那些相同条件 但稀有地球假说 认为所有那些不同条件 对生命很重要 所以说 就是说 这像是在反驳 你知道吗 就像所有的事情 你知道吗
[1845.550-1859.240] SPEAKER_01: 觉得地球很普通 我是说 我真的做不到 我努力回想 一个一个回想 但光是它 受到保护 没被很多小行星撞到 还有 显然跟太阳的距离 还有一个事实 它就像完美的平衡
[1859.320-1875.564] SPEAKER_01: 在水量方面 和陆地之间 还有各种乱七八糟的。 我不知道。 有一堆因素。 不记得了。 有一长串。 但这很迷人。 想想看。 如果想让什么东西， 比如蛋白质， 然后DNA和RNA， 出现， 你需要，
[1875.644-1882.807] SPEAKER_01: 还有基本生物， 你得非常接近 一个类地行星， 那就可悲了， 或者很刺激。 我不知道。
[1883.107-1896.217] SPEAKER_02: 如果你问我， 我嘛， 你知道， 某种程度上， 我把它们相提并论， 你看， 我们的研究之间， 还有， 我是说， 从， 直觉上， 你知道， 有两个极端， 但现实从不，
[1896.297-1910.301] SPEAKER_02: 很少， 落入极端， 它总是， 最优解总是， 在中间某个位置， 所以， 所以我会， 所以， 我就是这么想的 我觉得 你知道 我们大概在中间 所以他们并不特别 独特 但再说
[1910.381-1913.492] SPEAKER_02: 可能性嘛 你知道 挺小的
[1913.792-1927.842] SPEAKER_01: 问题是我们不知道 另一个极端就是 我觉得 我们其实不理解 这种基本机制 这一切的起源 就像 好像 我们觉得生命 是特别的东西 也许智力 是很特别的。 也许物理学， 于是
[1927.922-1954.932] SPEAKER_01: 行星和恒星就诞生了。 也是独特的。 但这可能非常特别， 就像史蒂芬·沃尔夫勒姆说的那样。 就像是， 从简单规则里涌现出 越来越复杂。 所以， 你知道， 我更相信，只要 生命总能找到出路。 就像是， 我们不知道极限在哪里， 生命有多普遍， 因为生命可能就像， 无处不在。 就像是， 就像哪儿都一样
[1955.012-1974.229] SPEAKER_01: 几乎可笑到极点 就像我们都是傻子 以为我们呢 就像是， 这个， 这简直荒谬 甚至说， 就像是， 想想看 我们都这么白痴 以为我们呢 就像是， 这个， 这简直荒谬 想想看， 就像蚂蚁以为 它们的小地盘 是独一无二的
[1974.309-1988.487] SPEAKER_01: 其他都不存在。 我是说， 它， 这也很有可能。 那是， 那是极端情况。 可我们就是没法 去理解 那种生命的本质。 我， 为了再坚持一下外星生命 再多一会儿， 有没有什么迹象， 金星上生命的迹象
[1988.567-1994.592] SPEAKER_01: 以气体形式存在。 有 一个， 对火星生命的希望， 可能已经灭绝。 我们不是聊 智慧生命。
[1994.672-1997.319] SPEAKER_01: 虽然这已经 最近经常上新闻了。
[1997.399-2015.060] SPEAKER_01: 我们聊的是基础， 比如， 你知道， 细菌。 嗯。 然后还有， 我觉得， 有几颗卫星 我猜是这样的。 对， 欧罗巴， 那是木星的卫星。 应该还有另一颗。 你是 那让你兴奋， 还是让你害怕， 我们可能会发现生命？ 你想让我们找到生命吗？
[2015.140-2017.276] SPEAKER_01: 我当然希望 我们能找到生命。
[2017.576-2027.595] SPEAKER_02: 我是说， 这太让人兴奋了 去， 听说， 你知道， 这个， 消息， 关于， 可能存在生命 在金星上。 那太好了 有确实的证据 证明有东西，
[2027.895-2045.010] SPEAKER_01: 希望就在这里 对于， 对于火星 还有， 还有欧罗巴。 但你觉得呢？ 那些生物呢？ 会很像吗？ 生物学上呢？ 或者它们甚至能？ 碳中和那种？ 对， 我是说， 有的， 算是碳基的。 如果真的找到了。 我觉得它们，
[2045.310-2060.974] SPEAKER_02: 应该是碳基的。 有多像呢？ 这问题很大， 对吧？ 所以说它， 它就是， 你知道的， 就那一刻 我们看到了 东西 地球以外， 对吧？ 哪怕是一个微小的 单细胞。 我是说， 真的太多了。 想象一下。 就会是这样。 对， 我觉得，
[2061.054-2066.580] SPEAKER_02: 就会是 又一个转折点 对， 对科学， 你知道的。 而且， 尤其是如果它
[2066.880-2084.100] SPEAKER_01: 不同的 用某种 很新颖的方式。 这真让人兴奋。 因为这说明， 这句话很明确， 不是绝对的， 但很有力的说法 生命无处不在 在， 在， 在宇宙中。 至少对我来说， 这， 这真让人兴奋。 你提到了 约书亚·莱德伯格 私下谈话中。
[2084.180-2101.179] SPEAKER_01: 我想 我很想和你聊聊 说到AlphaFold 而且这可能是 挺有趣的方式 来加入那个对话 因为 所以他赢了 然后 1958年诺贝尔奖 生理学或医学奖 因为他发现了 细菌 可以交配 而且还交换基因 但是呢 他还做了 很多其他事 比如说 就像我们提到的
[2101.259-2116.621] SPEAKER_01: 帮NASA 找生命 火星上 还有， 这个， 登德罗。 登德罗， 这个， 这个化学 专家系统。 专家系统， 还记得吗？ 你， 你觉得 有意思？ 关于这家伙 还有， 然后， 关于这家伙 和他的，
[2116.701-2119.707] SPEAKER_01: 他关于 人工智能 总的来说呢？
[2120.007-2133.372] SPEAKER_02: 那么， 我有一种 个人故事 想要， 分享。 那么， 我开始读博了 当时在 加拿大 2000年的时候。 基本上 我的嘛， 我的博士是 我们当时在开发 一种新语言 用来做符号 机器学习。 它就是 不一样。
[2133.452-2149.162] SPEAKER_02: 基于特征的机器学习 还有 还有这个 某种 它的应用 你知道 这种方法 这种形式体系 就是 到 化学信息学 还有计算机辅助药物设计 对吧？ 所以 所以 所以其实我们 你知道 在我的一项研究中 我开发了一个
[2149.242-2158.077] SPEAKER_02: 这个系统 主要研究了 化合物 的 比如说 同一治疗类别 你知道 雄性激素 对吧 试图 弄清楚 结构片段 也就是结构模块
[2158.157-2170.025] SPEAKER_02: 重要的 定义这类 相对于结构模块 只是存在而已 你知道 完成结构 但本质上不是 构成这些的 化学嘛， 这个呢， 化学性质很关键 属于这类治疗。 而且呢， 还有，
[2170.105-2187.336] SPEAKER_02: 你懂的， 对我来说，这 新东西。 我呀， 我受训成为， 应用数学家， 你懂的， 就像有点 机器学习背景。 不过呢， 你懂的， 计算机辅助药物设计 完全就是， 全新领域。 所以， 所以说， 我经常 发现自己 问很多问题 在某个
[2187.416-2200.108] SPEAKER_02: 核心的 论坛。 那时候有， 你知道， 没有脸书 或类似的。 有 什么是论坛？ 你知道， 这是一个论坛。 它就是， 它本质上就是， 它就像一个公告板。 是的。 所以呢 基本上 有一群人 然后问个问题 然后得到 你知道
[2200.188-2214.122] SPEAKER_02: 一个答案 你知道 不同的人 还有 还有 当时呢 最受欢迎之一 论坛是CCL 想想 计算化学 图书馆 不是图书馆 而是类似的东西 不过CCL 那个呀， 那是的， 就是那个， 论坛上。 我当时在那儿， 我呢，
[2214.202-2229.483] SPEAKER_02: 你知道， 我 问了好多傻问题。 没错。 有些信息 关于我们的公式， 还有具体做法， 以及是不是 什么， 我们做的这些 到底有意义。 所以啊， 你懂的， 我记得那个场景。 有篇帖子 我是说 我还记得 你知道 我呢 我管它叫
[2229.563-2240.258] SPEAKER_02: 拼命地 找 为了 化学家的建议 之类的 没错 所以 我就发了问题 我解释说 你知道 怎么 我的怎么 是什么 它做什么 还有呢 什么样的应用 我打算 去做 然后
[2240.338-2253.285] SPEAKER_02: 你知道 然后那是 你知道 在半夜 然后 你知道 我回去 你知道 上床睡觉 然后 第二天早上 接到一个电话 从我导师那里 他也 看了这个论坛 就像是 你绝对想不到 谁回复了你 而且 就像是
[2253.365-2258.868] SPEAKER_02: 谁？ 他说 约书亚·莱德伯格是谁？ 我的反应是 约书亚·莱德伯格是谁？
[2258.948-2262.338] SPEAKER_02: 你导师挂了电话
[2262.418-2269.116] SPEAKER_02: 所以 说白了 你知道 约书亚写信跟我说 我们 我们思路上 想法很接近 在 在Dendro项目里 你可能想 查一下
[2269.416-2270.205] SPEAKER_00: 而且
[2270.505-2271.619] SPEAKER_02: 你知道
[2271.919-2284.251] SPEAKER_01: 而我们 我们也应该 抱歉 顺便说一句 尽管他 他得了诺贝尔奖 很年轻的时候 在 58年 但就这样了 他 他是 我觉得他是 什么 33 对 这也太疯狂了。 嗯。 总之， 所以说，
[2284.331-2286.780] SPEAKER_01: 所以， 所以在九十年代，
[2287.080-2303.708] SPEAKER_02: 回应， 对年轻的小毛头们 在， 在CCL论坛上。 好的。 还有， 而且， 所以， 所以， 所以在那个时候， 他已经很资深了。 我的意思是， 他在 洛克菲勒大学。 而且 你知道 那其实是 信不信由你 其中一个 其中一个
[2303.788-2319.452] SPEAKER_02: 的 的原因之一 我决定加入 你知道 作为博士后 这个 Andrei Saleh的团队 他在洛克菲勒大学 带着希望 你知道 我其实可以 你知道 有机会 去遇见 约书亚本人。 我遇见了他 很短暂。 对吧？ 那个， 你知道，
[2319.532-2334.952] SPEAKER_02: 只是 因为他当时 在工作， 你知道， 那里， 有座小桥 连着， 可以说是， 研究园区 跟那个， 跟那个， 可以说是， 摩天大楼 洛克菲勒的那栋 就那儿。 你知道吗 博士后 和教职工 还有 跟研究生一起住。
[2335.032-2348.258] SPEAKER_02: 然后 所以我遇到了他， 你知道吗 然后有一次 很短的 聊天， 你知道吗。 不过 所以我呢 我开始 你知道吗 大概是1960年。 对。 对吧？ 这些想法 就是 太深刻了。 嗯， 基本是什么 它的理念呢？
[2348.338-2360.182] SPEAKER_02: 这个嘛， 原因 这么做 甚至更离谱。 所以呢， 于是， 莱德伯格 就想做 一套系统 能 帮他 研究 那种 外星生物 分子， 对吧？ 所以， 所以这个想法， 是， 就是说，
[2360.262-2378.445] SPEAKER_02: 关于， 外星分子， 的想法就是，你进行 质谱分析， 对吧？ 然后质谱， 会给你一些， 数据， 关于， 实际上， 给你关于， 可能的， 碎片的， 概念，或者 你知道吗， 原子， 你知道吗， 还有， 还有， 也许还有些小碎片，
[2378.525-2392.564] SPEAKER_02: 这个分子的碎片， 也就是分子的一部分， 对吧？ 所以现在你得 稍微 要 分解 这些信息 然后 知道原来是什么整体 之前， 你知道吗， 变成了 碎片 零碎的东西 对吧 所以 要做到这样 你知道 有了这个
[2392.644-2401.084] SPEAKER_02: 工具 莱德伯格的想法 就是连接 化学 计算机科学 和 设计这个 所谓的 专家系统 它看起来 它考虑到 它的输入是 质谱 的数据 数据
[2401.164-2410.719] SPEAKER_02: 这个 有可能 数据库 有可能 分子 而且基本上 试着 有点 诱导 这个分子 那个 会对应 到这个 频谱 或者 你知道吗 基本上 这个 这个项目什么的 最后成为
[2410.799-2417.567] SPEAKER_02: 对， 你知道， 它会提供 候选名单 然后 一个化学家 会看 而且， 然后做出 最后决定，
[2417.867-2422.754] SPEAKER_01: 就这样。 但最初的想法， 我想， 就是解决 整个
[2423.054-2435.781] SPEAKER_02: 这问题 自动地。 是啊， 对。 所以， 所以， 所以他， 你知道， 所以， 所以他， 当时， 他接近了， 六十年代。 是的。 信那个。 这是， 这太神奇了。 我是说， 还是让我惊叹， 你知道，
[2435.861-2453.534] SPEAKER_02: 那是， 那是， 生物信息学， 化学信息学， 你知道吗？ 在六十年代。 对。 所以呢， 那就是， 你知道， 所以每次你， 你呀， 你嘛， 你处理， 像这类项目， 和， 你知道， 像这类研究， 你就， 你知道，
[2453.614-2455.564] SPEAKER_02: 所以， 那股力量，
[2455.864-2471.577] SPEAKER_01: 的呢， 的， 你知道吗 这些人的智慧 是 就是 你知道 真了不起 你有没有想过 这些人是怎么 变得成功 尤其是在 生物信息学领域 那里 确实好像 专业知识很多 在人类里 还有 你知道 这个是
[2471.657-2475.488] SPEAKER_01: 能看到 像这样的系统 可以做 很有用 对
[2475.788-2484.983] SPEAKER_02: 所以 它就是 其实就是 它是个 好问题 而且 而这件事 所以 你知道 所以 你知道 我们大学 我教人工智能 而且 在那儿 你知道 我们试着 你知道，
[2485.283-2486.293] SPEAKER_01: 经历过
[2486.593-2500.539] SPEAKER_02: AI的关键阶段 等等， 你知道， 问题是 为什么专家系统 失败了 或变成 过时了， 其实 一个很有趣的 一个问题，而且有， 你知道， 如果你去读， 你知道， 历史 看法， 其实有
[2500.619-2507.526] SPEAKER_02: 两条路 一个想法。 一个是， 说白了， 达不到期望 所以， 所以它们被换掉了 被别的 东西。 另一个是
[2507.606-2518.020] SPEAKER_02: 完全相反的， 它们太好了 结果， 它们其实 成了家喻户晓的名字 然后其实 它们被转化了。 这两种情况下， 结果都一样。 它们进化成了某种东西。
[2518.100-2521.989] SPEAKER_02: 这就是 让我想想看 你看，像现代机器 学习。
[2522.069-2524.901] SPEAKER_02: 现代机器里面就有回响 学习。我觉得是这样。
[2524.981-2532.341] SPEAKER_02: 因为你想啊 我们是怎么设计 这些最牛的算法，包括 AlphaFold，就是建在 你对这个领域的 知识上。
[2532.421-2534.487] SPEAKER_02: 所以你就靠 你的专业积累。
[2534.787-2540.429] SPEAKER_01: 说到AlphaFold， DeepMind的AlphaFold 2 最近公布说 已经解决了那个 蛋白质折叠。
[2540.509-2553.201] SPEAKER_01: 这事让你多兴奋？ 这算是个大突破吧。 让人兴奋的事 2020年发生，不可思议 表面看是个成就 哪部分让你惊叹？ 哪部分被过度炒作了？ 或者可能？ 可能被误解了？
[2553.501-2559.631] SPEAKER_02: 这绝对很令人兴奋 成就，给你一点 视角， 所以在生物信息学里 我们有几个 比赛。
[2559.711-2569.115] SPEAKER_02: 你常听到的 这些 比赛怎么解释给 非生物信息学家 他们管它叫生物信息学 奥运会，还有多个 学科。 所以 历史上最早的之一 是预测学科
[2569.195-2580.270] SPEAKER_02: 预测蛋白质三维结构 蛋白质坐标。但有很多 其他的。所以预测蛋白质 功能，预测影响 突变对蛋白功能的影响，然后 预测蛋白互作。
[2580.350-2584.622] SPEAKER_02: 所以最初是CASP，也就是 蛋白质结构关键评估。
[2584.702-2585.654] SPEAKER_02: 还有
[2585.734-2595.149] SPEAKER_02: 这个 你知道，通常在比赛期间 比赛呢，科学家们 实验科学家解析结构， 但不放进蛋白质 数据库，这是个集中式数据库
[2595.229-2605.561] SPEAKER_02: 包含所有三维坐标。 相反，他们保留并发布 蛋白质序列。现在的难点是 社区的挑战在于预测 这些蛋白质的三维结构，然后用
[2605.641-2608.613] SPEAKER_02: 实验结构来评估哪个最接近。
[2608.913-2620.757] SPEAKER_01: 没错。 其实这个比赛有很多分支。 你能说说什么是蛋白质折叠吗？ CASP比赛成了黄金标准。 有人就据此说蛋白质折叠已被解决。 补充一下，确实只是一堆。
[2620.837-2628.383] SPEAKER_01: 所以随时都可以做。 讲的时候，可以给外行科普一下基础知识。 那些不熟悉这个领域的人。 总之，抱歉。
[2628.683-2636.484] SPEAKER_02: 嗯，这个问题之所以重要，是因为 我们对蛋白质折叠的理解，还没学会 折叠机制到底怎么运作。 对。 所以有很多假说。
[2636.564-2644.168] SPEAKER_02: 折叠到底发生了什么？ 比方说，有个假说 折叠也是模块化发生的 对吧 所以蛋白质结构域独立折叠
[2644.248-2650.238] SPEAKER_02: 结构稳定，整体蛋白就形成了 但结构域内还有二级结构 小α螺旋、β折叠，这些是
[2650.318-2658.979] SPEAKER_02: 结构稳定的元素 那么，嗯，问题就是 问题是它们何时形成？因为二级结构元素 开头要有片段，比如中间也有，所以
[2659.059-2664.248] SPEAKER_02: 不可能一开始就形成完整折叠，所以还是大谜团 这个过程高效又稳定
[2664.548-2667.891] SPEAKER_01: 序列很长，但折叠非常快
[2667.971-2671.616] SPEAKER_01: 这很奇怪，几乎每次都一样
[2671.916-2678.324] SPEAKER_02: 正是如此 真的很奇怪，太诡异了 这就是它神奇的地方，但关键是，当你看到
[2678.404-2683.210] SPEAKER_02: 翻译过程中，当你还没有 蛋白质还没完全翻译，它正从核糖体出来
[2683.290-2693.588] SPEAKER_02: 已经看到结构碎片，折叠在整体之前就发生了。 蛋白质还没产生就开始了，这是现代分子生物学最大问题之一。 生物学。 对。 嗯。 是。 没错。
[2693.888-2701.051] SPEAKER_01: 也许不是这样，这比折叠问题更大。 这是折叠更深层的基本概念问题。 对。 折叠背后。
[2701.351-2707.121] SPEAKER_02: 完全正确。如果能预测蛋白质折叠的最终产物， 就更接近理解折叠机制了。
[2707.201-2712.727] SPEAKER_02: 然后观察探究哪些是关键部分， 哪些不太关键，再开始分解。
[2712.807-2719.749] SPEAKER_02: 结构预测算法是工具，你改变、修改 蛋白质，再回到这个工具。对。 它预测说，完全不稳定。
[2719.829-2725.993] SPEAKER_02: 对。输入的哪些方面会影响输出？ 完全正确。通常我们有某种渐进式
[2726.073-2731.123] SPEAKER_02: CASP比赛每轮都有逐步升级的组别。 历史上表现最好的组别是——
[2731.203-2738.006] SPEAKER_02: 他们没有用机器学习，而是用了非常先进的生物物理学， 再结合生物信息学与数据挖掘。
[2738.086-2746.607] SPEAKER_02: 这让他们能获取蛋白质结构， 对那些还没任何已解析结构的蛋白。如果我们有， 另一种相同的蛋白， 但来自不同
[2746.687-2747.604] SPEAKER_02: 物种，
[2747.684-2762.071] SPEAKER_02: 我们也许能 推导出一些线索， 这就叫同源建模或比较 建模，我们会从中获取 一些来自已知 结构的线索，这会大大 帮助我们 重建 三维结构。 但当我们没这些相关蛋白时，
[2762.151-2770.417] SPEAKER_02: 会发生什么？这时就…… 这变得特别难。 这就叫 从头 蛋白质结构 预测。这种情况下， 那些方法 以前一直很好。 可是
[2770.497-2776.859] SPEAKER_02: 去年， 最初的AlphaFold出现了 进来了，然后 突然，它 远远好于
[2777.159-2782.662] SPEAKER_01: 其他所有人。 那是2018年。 对。 而且比赛每 两年一次，我猜。
[2782.962-2792.621] SPEAKER_02: 然后， 它有点 一种冲击波 对生物信息学社区 我们拥有 一台最先进的机器 学习系统，它进行 结构预测。 基本上，它 所做的，
[2792.701-2801.199] SPEAKER_02: 你看这个，它实际上 预测上下文。 所以 重建过程 三维结构 从预测开始 上下文之间 不同部分 蛋白质的。而上下文
[2801.279-2805.830] SPEAKER_02: 本质上就是蛋白质中那些 彼此紧密相邻的部分。
[2806.130-2815.870] SPEAKER_01: 对。所以实际上，机器学习 像是在估算， 你可以纠正我。 要是我说错了，但 像是在估算距离矩阵，也就是 各部分之间的距离。
[2816.170-2818.306] SPEAKER_02: 对，所以我们叫它上下文，
[2818.606-2820.602] SPEAKER_01: 接触图。接触图。
[2820.902-2833.698] SPEAKER_02: 对，一旦有了接触图， 重建就变得更 直接了。对，没错。 但接触图是关键。 然后， 你知道，这就是 发生的事。现在我们 开始看到在当前 阶段，对， 最近这个阶段，
[2833.778-2843.182] SPEAKER_02: 我们开始看到这些 想法出现在其他 人的工作中。对。 不过， 这个是， AlphaFold 2 呢， 再次超过了 其他人。而且 又引入了一轮 机器学习
[2843.262-2845.897] SPEAKER_02: 的理念。嗯，似乎
[2846.197-2856.158] SPEAKER_01: 也有一个整合。首先，论文 没发表，但已经很多想法 出来了。似乎真有另一个 整合。我不知道这能不能 说，就是 融合了 比如其他
[2856.238-2859.512] SPEAKER_01: 结构， 像进化上 类似的结构，给你提示。
[2859.812-2872.063] SPEAKER_02: 对。所以 这种进化相似性。 这是我们能检测到的。 在不同层面上，对吧？ 比如，我们知道， 结构 蛋白质的 比序列更保守。 序列可能 非常不同，但结构形状
[2872.143-2886.913] SPEAKER_02: 实际上还是很保守。 所以这部分挺有趣。 所以有很多 内在属性某种程度上与 蛋白质折叠与进化 蛋白质的 蛋白质和结构域等。 但我们已经知道这点， 研究很多，并且 理想情况下，如果你
[2886.993-2903.098] SPEAKER_02: 有结构，你 就知道该用。 那信息，但有时候。 我们没这个信息，反过来， 有一堆序列。序列嘛， 我们有很多，对吧？所以呢， 我们有，你 知道的，几百个， 上千个，你懂的， 不同生物的序列，
[2903.178-2917.983] SPEAKER_02: 对吧？通过提取 同样的蛋白质， 但在不同物种里， 然后把它对齐， 这样就能让它的 你懂的，让对应位置 对齐。这样我们就能 实际上 看出很多东西， 比如这种蛋白质里哪些地方
[2918.063-2935.225] SPEAKER_02: 是保守的。所以呢，你 懂的，结构上更稳定，哪些是 这个蛋白质多样性很高。所以， 另外，我们还能提供 像是关于 这个蛋白质的二级结构信息 等等，所以这些信息 非常有用。 而且这些信息已经存在了。 所以，虽然很诱人
[2935.305-2949.553] SPEAKER_02: 你知道，做完整的 从头计算，就是你只有一个蛋白质 序列，没有其他信息， 实际上，我们 我们被这些 数据淹没了。那干嘛不用它们呢？ 所以， 是的，所以我期待 读这篇论文。
[2949.853-2966.550] SPEAKER_01: 看起来，他们好像 AlphaFold早期版本中，他们没有 为此， 进化相似性这事儿， 他们没用机器学习来 做那。或者说他们， 作为神经网络输入， 就像那些特征 从相似性推导出来的。 似乎有某种
[2966.630-2974.466] SPEAKER_01: 所谓迭代过程， 它似乎是 学习过程 的一部分 就是这种进化相似性 融入。是，我不觉得有
[2974.766-2978.817] SPEAKER_02: 生物档案论文，对吧？啥也没有。 没有。有篇博客文章
[2979.117-2983.819] SPEAKER_01: 基本是营销团队写的， 你知道， 它可能有点科学 相似性。
[2983.899-2990.400] SPEAKER_01: 它们挺像的。 实际的方法 用过，但可能 像解经，可能是 只是种诗意 对实际工作的解释
[2990.700-3004.472] SPEAKER_02: 而不是直接相关 现在说到蛋白质 折叠，对吧？所以你知道 要回答是否 我们解决了问题，对吧？ 所以我们需要回到 我们谈话的开头 知道，一个普通的 蛋白质是 通常是
[3004.552-3019.752] SPEAKER_02: CASP一直在 关注的是 这个竞赛一直在 关注单个，可能 双结构域蛋白，这些 还是很紧凑。而且 就算那些也很有挑战性 解决了吧？ 但现在说的是，你懂的， 一种普通蛋白质，它
[3019.832-3029.816] SPEAKER_02: 有两三个蛋白质 结构域。你看看 那些蛋白质 负责的， 你懂的，过程的 跟神经系统相关的，对吧？ 可能有一个 最 最近 进化出来的某种
[3029.896-3043.041] SPEAKER_02: 系统在 生物体里，对吧？ 它们全都，嗯， 它们大多数是高度 多结构域蛋白。所以它们 对，其中一些 有五、六、七个 以及更多结构域 对吧？然后 我们非常
[3043.121-3046.592] SPEAKER_02: 还远没搞懂这些蛋白质怎么
[3046.892-3063.090] SPEAKER_01: 折叠，所以这个复杂性 这里蛋白质很重要，这个复杂性 蛋白质模块 或者蛋白质 结构域 所以你是说 解决了，所以定义 这里解决具体指 CASP竞赛达到人类 水平，不是人类水平
[3063.170-3067.872] SPEAKER_01: 达到实验 水平性能 在这些特定 用于这些蛋白质组
[3068.172-3080.652] SPEAKER_02: 比赛嘛，嗯，就是啊， 我真的觉得， 你知道，特别是， 阿尔法折叠嘛， 它能，你知道吗， 你懂的， 来解决，明白吗， 在呢， 接近实验水平， 一个相当，
[3080.732-3097.023] SPEAKER_02: 大部分的， 更呢， 紧凑的蛋白质比如， 或蛋白质结构域，因为再说， 要理解怎么， 整个蛋白质， 多结构域，你知道嘛， 蛋白质折叠，我们确实需要， 了解它的结构， 各个结构域，我是说，跟别的不同，
[3097.323-3112.151] SPEAKER_01: 拿Alpha Zero来说， 还有Mu Zero， 你看， 看那个项目，你知道， 强化学习挺不错的， 自我对弈机制特别好，因为 全在模拟环境里，所以能学习 光靠大量数据就行。 就像不需要数据似的。 比如蛋白质问题，
[3112.231-3126.270] SPEAKER_01: 像是大小， 我忘了具体数字， 3D结构已经解析了，但 训练数据特别少，反正。 大概几百万，也许 一两百万的样子。 但这点数量确实少，但像 这似乎没法扩展。 肯定得有 某种办法，我也不清楚。
[3126.350-3132.851] SPEAKER_01: 感觉你想用某种方式 把数据增十倍，或者 用某种方式把数据增百倍。
[3133.151-3141.057] SPEAKER_02: 对，但我们也 可以利用 的同源 同源模型，对吧？所以 那些质量很 好的模型，因为它们 基本上是 基于 进化信息得到的。 所以你可以，
[3141.137-3149.461] SPEAKER_02: 有潜力增强这 信息，并 用它 再来 增强 训练集。 而且它是 我觉得，我其实 非常乐观 我觉得这已经是
[3149.541-3158.283] SPEAKER_02: 其中之一 有点像 你知道 剧烈变化的事 那里你有 一个系统 是，你知道 一个机器学习系统 真正优于 那种更传统的
[3158.363-3162.356] SPEAKER_02: 基于生物物理学的 方法，那是巨大飞跃
[3162.656-3176.149] SPEAKER_01: 这是有趣问题之一但 你会把它放在 在 排名的 人工智能最伟大突破中 历史？ 那好吧，我们 看看候选人都有谁。也许 你可以纠正我，那 像AlphaZero和AlphaGo
[3176.229-3193.309] SPEAKER_01: 击败了，你知道， 击败世界冠军，在 围棋比赛里。当时被认为 二十年前完全不可能。 至少 AI圈都很怀疑。 然后还有深蓝， 打败卡斯帕罗夫那个。还有 深度学习本身，可能 怎么说呢，AlexNet
[3193.389-3206.580] SPEAKER_01: ImageNet时刻。那第一个 神经网络达到了人类 级别的性能。超厉害—— 不，那不对。 实现了大飞跃。 性能方面 计算机视觉方面 比如有 OpenAI 这种 GPT-3 这种
[3206.660-3221.384] SPEAKER_01: 整个变换器领域 还有语言模型刚刚实现了 这种让人难以置信的 性能 神经网络在语言方面的应用 模型 波士顿动力，很酷 比如机器人技术，人们 会说，没有人工智能 不不，目前没有机器
[3221.464-3235.770] SPEAKER_01: 机器学习 但人工智能远不止 机器学习，所以 那只是 工程方面，我觉得它是 工程学最了不起的成就之一 工程学方面 比如机械工程 机器人学 当然还有自动驾驶汽车
[3235.850-3246.206] SPEAKER_01: 你可以推崇Waymo 就像谷歌的自动驾驶汽车 或者推崇特斯拉 它正被 数十万人使用 现在路上跑着，机器学习 系统 还有
[3246.506-3249.060] SPEAKER_02: 不知道还有什么
[3249.360-3256.047] SPEAKER_01: 就这些了，然后 AlphaFold，很多人都觉得它 排在里面，可能第一 你会把它排第一吗？嗯
[3256.347-3262.987] SPEAKER_02: 论影响力 对 科学和社会 不光这样，这绝对是 你知道，对我来说算一个 你知道 前三名
[3263.287-3264.622] SPEAKER_00: 我是说，我
[3264.922-3277.161] SPEAKER_02: 可能不是最适合的人来 答这个问题 但你知道 我确实有，我记得 我那个，你知道 回到我认为 1997年，深蓝 但卡斯帕罗夫 那是 我是说，那太震撼了
[3277.241-3281.350] SPEAKER_02: 我是说，那，然后我 觉得对于，你知道
[3281.430-3292.552] SPEAKER_02: 对于，你知道 挺重大的 世界的一部分 尤其是那个 那些有一点， 你知道， 下棋的经验，对吧？ 而且知道怎么 这个游戏很人性化 多少，你知道，多少
[3292.632-3297.914] SPEAKER_02: 你需要的脑力 你知道，要达到 那些级别，你懂的 特级大师，对吧？
[3298.214-3302.103] SPEAKER_01: 对，这可能是第一次 还有卡斯帕罗夫多厉害
[3302.403-3310.738] SPEAKER_02: 再说一遍，对，所以 卡斯帕罗夫算是最好之一 史上最厉害，对吧？ 然后你看到机器打败了他 我说这是，你知道，第一次有机器
[3311.038-3316.065] SPEAKER_01: 可能在那方面打败了人类 任何事物的规模。 是的，是的。那就是
[3316.365-3322.111] SPEAKER_02: 对我来说，那就像，你知道， 突破性事件之一 在人工智能历史上。是的，那可能是第一。
[3322.411-3339.282] SPEAKER_01: 我可能，就像，我们不 很难记住 就像穆罕默德·阿里对阵 我不知道，其他人，迈克·泰森， 类似这样的。就像，不，你得把 穆罕默德·阿里排第一。 深蓝也一样。 尽管它不是机器学习 基于的。
[3339.582-3344.922] SPEAKER_02: 但它使用了先进的搜索 而搜索是人工智能的组成部分。
[3345.222-3364.114] SPEAKER_01: 是的。对，所以它不是 人们目前不这么认为。 目前流行的是 搜索不被视为一种 基本来说 智能的一部分，但很可能 而且很可能就是这样。 事实上，这就是神经网络 的本质，它们只是在搜索 参数空间。而这一切都是
[3364.194-3371.380] SPEAKER_01: 搜索。 所有智能都是某种形式的 搜索，你只要越来越聪明 来解决搜索问题。而且我还
[3371.680-3384.082] SPEAKER_02: 有另一个你没 提到的那个是 我最喜欢的。 所以你大概听说过 这个，我想这是 叫深度伦勃朗。 这是个项目，他们 训练了，大概有 一个合作，在 专家之间。
[3384.162-3396.633] SPEAKER_02: 谈到伦勃朗 荷兰的绘画 还有一个团队和人工智能 团队训练算法 来复制风格 伦勃朗的风格，他们 实际上打印了一幅 肖像，从未 从未存在过 用伦勃朗的风格
[3396.713-3404.294] SPEAKER_02: 他们，我觉得他们 把它印在 某种画布上 几乎用了 相同的颜料 等等。对我来说，这让人 惊叹。是的。这是
[3404.594-3419.921] SPEAKER_01: 在艺术领域，这很有趣。还没 有，也许这就是 它，但我 艺术界还没出现过那种画面 那一刻艺术里还不存在 你从没 达到超人类水平 在艺术表现上 虽然有过，你知道，一件 著名的大事
[3420.001-3435.166] SPEAKER_01: 有件艺术品被买走 应该是花了大钱。对。 但它还是 你知道吗，人们会说，至少在音乐领域 至少呢 那是，你知道 很明显是人类创作的作品 更受欢迎 所以还没有一个时候 让人觉得，哦，这是
[3435.246-3449.819] SPEAKER_01: 我们现在，要说在 音乐领域，什么能赚 大钱。说的是真金白银 音乐、电影这些 还有节目什么的 娱乐也一样，还没到那个 时刻，AI创作出 AI 能创作音乐 或者一段
[3449.899-3460.777] SPEAKER_01: 电影 像Netflix的节目 那就是 够流行 赚大钱。对。 那个时刻会非常 很强大，就像 一个AI系统 用来赚钱，而且 当然，AI工具直接
[3460.857-3481.258] SPEAKER_01: 像Premiere、音频编辑这些 我做的一切编辑，包括播客 都用到了AI 其实有个程序，我想聊聊。 找那些人聊聊，就是想探讨技术。 它叫iZotope，不知道你熟不熟悉。 他们有一堆音频处理工具。 而且他们有， 我想他们总部在波士顿，只是 这让我非常兴奋，
[3481.338-3496.236] SPEAKER_01: 在音频上使用它， 因为这里全是机器学习。 这种学习，它不是 因为大多数 音频制作的东西 就像你做的任何处理 都是很基础的信号处理。 然后调调旋钮这些。 他们当然也有这些。 但他们也有机器学习这些。
[3496.316-3509.054] SPEAKER_01: 像你实际上 给它训练数据，你选择 你训练的那部分音频。 你去训练 它就能推算出 结果很棒，它能够 检测 它的能力，能够 分离语音 和音乐，例如，或者从
[3509.134-3523.858] SPEAKER_01: 任何东西中分离语音。这太不可思议了。 它只是 显然特别擅长 应用这些 不同的神经网络模型来 分离不同的 音频信号类型。 好的，那真是 令人兴奋。Photoshop，Adobe 的人们也使用它。但为了
[3523.938-3528.988] SPEAKER_01: 生成一首能卖出数百万的 音乐作品。 一件艺术品，是的。
[3529.288-3531.041] SPEAKER_02: 嗯，我同意。
[3531.121-3544.150] SPEAKER_02: 就像我说的，我 教我的AI课程。 少不了的一部分 就是这个项目。 我最爱的一部分。 因为我们通常有 项目展示环节。 课程最后两周 就在 圣诞假期前，而且它
[3544.230-3553.413] SPEAKER_02: 带来了 酷炫的兴奋感，每次 我都对 一些项目 感到惊讶， 大家想出来的项目。 而且很多 其实 跟某些东西有关。 艺术。
[3553.493-3561.051] SPEAKER_02: 我觉得去年 我们有个 小组做了个 AI生成的 Hokus，日本 诗。 还有一些 然后它被训练 基于英语。 Hikus，对吧？
[3561.131-3564.776] SPEAKER_02: 其中一些 它们被 展示了最好的
[3565.076-3567.908] SPEAKER_01: 作品，挺不错。 其实我不是专家
[3568.208-3576.973] SPEAKER_02: 但读一读 会发现，挺深刻。 对，感觉 挺酷的。 我们还有几个 项目，人们试着 教AI怎么 演奏摇滚乐， 古典音乐， 我想，还有
[3577.053-3581.638] SPEAKER_02: 流行音乐。 有意思的是， 古典 音乐是最 难的一个。
[3581.718-3589.995] SPEAKER_02: 当然，如果 你 去看看 音乐大师 比如巴赫，对吧？ 所以有很多 几乎像数学。 对，他特别数学。 没错，所以我想
[3590.075-3598.457] SPEAKER_02: 至少是某种风格 这个音乐可以用 然后你就有了 范围完全不同 古典作曲家 所以 几乎 就像你不用非得 看数据，你只管 听了就说
[3598.537-3600.324] SPEAKER_02: 不，不是。还不是。
[3600.624-3613.641] SPEAKER_01: 我也这么觉得 Open AI 有，我想 Open Muse 这类系统 很酷，但就像 有些人不太喜欢 原因，可能是心理原因 也是。也许得有个 一个真人 音乐背后有个受折磨的灵魂
[3613.941-3624.297] SPEAKER_02: 我不知道。 是的，绝对同意。 但没错，不管怎样。 我们总有一天会有。 有，你知道的。 一首AI写的歌。 引擎。 冲上排行榜第一。 音乐榜。 我不惊讶。
[3624.377-3625.909] SPEAKER_02: 我不惊讶。
[3626.209-3642.036] SPEAKER_01: 我想知道是不是已经有了一首。 只是还没公布。 我们不知道。 有多难？ 蛋白质折叠有多难？ 这是那种。 你之前提过的。 已经融进这个想法里了。 蛋白质越来越复杂的特性？ 跟多结构域蛋白有点像，
[3642.116-3645.366] SPEAKER_01: 这就基本变成了 多蛋白
[3645.666-3656.779] SPEAKER_02: 复合物吗？ 对，你猜对了。 所以有点像， 它包含 两种东西， 也就是蛋白质折叠和 蛋白质之间的相互作用。 因为要让 这些结构域——其实很多 这样的蛋白质，
[3656.859-3670.723] SPEAKER_02: 它们从来没形成稳定的 结构。你知道， 我最喜欢的一种蛋白质， 几乎每个 干这行的人， 我知道， 我认识做这行的人。 说起蛋白质，总有自己的最爱。 最爱的那个蛋白质。 所以我最爱的蛋白质之一，
[3670.803-3685.376] SPEAKER_02: 可能就是我超爱的那个， 是我博士后那会儿研究的， 就是突触后致密区， 即PSD95蛋白。 所以它呢， 是关键的一个， 参与者之一， 大多数神经过程 在分子层面。 而且说白了，
[3685.456-3699.123] SPEAKER_02: 它是一个关键 角色在， 突触后致密区。 所以这是关键部位，属于 突触， 那里有很多 关键分子过程。 对，正在发生。 所以它有五个 结构域，对，五个蛋白质结构域。
[3699.203-3709.419] SPEAKER_02: 挺大的，你知道吧。 蛋白质，我觉得 大概六百多 个氨基酸。 但你知道， 它自己组织的方式， 很灵活，对吧？ 所以它就像个支架。 它用来 引入
[3709.499-3719.657] SPEAKER_02: 其他蛋白质。 然后它们开始 协调地运作。 对吧？所以 这个蛋白质的 形状， 有些部分很稳定。 但这种蛋白质有一些 灵活，而这种灵活性 是本身有的
[3719.737-3722.685] SPEAKER_02: 进入蛋白质，变成 这种多功能 机器。
[3722.985-3732.783] SPEAKER_01: 那你觉得那个也是 用AlphaFold能学的 两种方法？ 我是说，时间 会证明的。 这是另一个复杂层面？这 比如复杂性上有多大跳跃
[3733.083-3746.170] SPEAKER_02: 是整个事？对我来说，这 又一个复杂层面 因为我们说到 蛋白质相互作用，还有 其实有一个 不同的挑战，叫做 CAPRI。所以这个 专注 大分子相互作用 蛋白质-蛋白质、蛋白质-DNA
[3746.250-3756.524] SPEAKER_02: 等等 但你知道 有不同 机制 主导着 分子相互作用，以及那些 需要捕捉，比如通过 一种机器学习算法 有趣的是 其实我们参加了
[3756.604-3764.963] SPEAKER_02: 几年 在这个比赛中 我们一般不参与 比赛，我不 知道 时间不够 因为太紧张 这个过程非常紧凑。 但我们参加了。 早在，
[3765.043-3778.919] SPEAKER_02: 大概十年前吧。 左右。然后我们 参赛时，设计了一个 打分函数，对吧？ 这个函数用来评估 蛋白质相互作用是否 应该长得像 实验解析的结构，对吧？ 所以打分函数很关键 的
[3778.999-3791.459] SPEAKER_02: 模型预测。 所以我们把它做成机器 学习型的。因此 它是最早一批 基于机器学习的打分函数 用于Capri。 而且，你知道， 其实我们 懂得了要 贡献什么，关键在
[3791.539-3794.186] SPEAKER_02: 组件起作用 蛋白质相互作用。
[3794.486-3807.921] SPEAKER_01: 所以这能变成学习问题 那能学会吗？ 我相信是的。 你觉得AlphaFold2或 DeepMind那种项目 或别人的 会带来 一个或多个诺贝尔奖 奖？比如 这个，你知道，
[3808.001-3822.945] SPEAKER_01: 显然，也许不那么明显， 你不能把诺贝尔奖颁给 一个电脑程序。 你，至少现在， 颁给设计它的人。 但你想过吗 看到一个还是多个诺贝尔奖 奖项里，AlphaFold2 就是 占了很大比重
[3823.025-3827.251] SPEAKER_01: 那个奖的 得奖原因？它会不会 带来 诺奖级别的发现？
[3827.551-3837.953] SPEAKER_02: 我是说， 我觉得 我们一定会 看到诺贝尔奖变得 有点变得更 随着科学演变 而科学演变 是这样，以至于现在 变得非常多元 对吧，你不再有
[3838.033-3845.393] SPEAKER_02: 单一学科了 你有点像那种 很多跨学科的人 为了达成 有点像巨大的 进步 所以 我觉得 你知道 计算方法
[3845.473-3855.167] SPEAKER_02: 会得到认可 以某种方式，而且 其实 它们早在 首次被认可在 2013年，当时 最早的三位 人 被授予了 诺贝尔奖，表彰他们对
[3855.247-3863.246] SPEAKER_02: 蛋白质折叠原理的研究 而且我觉得 他们仨都是计算生物物理学家 所以 那 我觉得是 不可避免 它会 迟早会来 其实
[3863.326-3873.020] SPEAKER_02: 阿尔法 折叠和 类似的方法，还有 只是时间问题，人们 会接受 这个原则 而且会看到越来越多 这样的工具 发挥作用，不过 这些方法
[3873.100-3878.127] SPEAKER_02: 至关重要 在科学中 有一个科学发现 毫无疑问
[3878.427-3891.537] SPEAKER_01: 在工程方面 也许是个黑暗问题 但你觉得有没有可能 用机器学习方法 开始设计 蛋白质？那么 接下来问题是 相当多 生物学家反对 有些支持，为了研究
[3891.617-3896.760] SPEAKER_01: 就是设计病毒 你认为机器学习 比如AlphaFold，能否用于
[3897.060-3910.820] SPEAKER_02: 设计病毒？那要回答 第一个问题，它一直 就是 研究的一部分 蛋白质科学里，蛋白质设计 对，你知道 是非常突出的 研究领域。当然 你知道，先驱之一是 大卫·贝克和Rosetta算法
[3910.900-3917.088] SPEAKER_02: 那，本质上就是 就是在进行 设计并用于 设计新蛋白质，你知道
[3917.388-3930.451] SPEAKER_01: 蛋白质设计就是说 功能设计。所以，就像你设计 设计蛋白质时，你能控制，也就是说 蛋白质的重点，随着 结构带来的是 功能，就像它在做事 没错，你可以设计
[3930.751-3946.392] SPEAKER_02: 它能做不同的事。对，所以你可以 嗯，从功能角度看蛋白质 从功能角度，你也能 从结构看蛋白质 对吧？结构就是积木。 想要一个积木模块 有特定形状，可以试试 通过引入 一个新蛋白质序列 预测它
[3946.472-3953.658] SPEAKER_02: 会怎么折叠。 所以就这样， 这是很自然的 应用之一。 算法自然应用。 现在说到 改造 一种病毒。 用机器学习。
[3953.958-3955.664] SPEAKER_01: 用机器学习，对吧？
[3955.964-3966.656] SPEAKER_02: 幸好我们 嗯，你知道， 所以呢，幸运的是， 我是说，我们没 那么多数据。 对吧？ 实际上，现在 我们在实验室做的 有个项目是 尝试开发一种
[3966.736-3971.403] SPEAKER_02: 机器学习算法，用来 判断当前毒株有没有
[3971.703-3974.907] SPEAKER_01: 致病性。 当前毒株 就是冠状病毒毒株。
[3975.207-3993.773] SPEAKER_02: 也就是这种病毒。我是说，所以 这能用于冠状病毒，因为 我们已知一些SARS-CoV-2毒株， 还有SARS-CoV、MERS毒株 有致病性，但也有一些 其他冠状病毒毒株 是，你知道，不 致病的，比如普通感冒病毒。 病毒和 还有一些别的，对吧？
[3994.073-3997.405] SPEAKER_01: 病原体的含义 传播，病原体的
[3997.705-4011.511] SPEAKER_02: 含义其实是 造成损害。 没错。 还有一些，你知道， 季节性毒株和大流行毒株 的流感，对吧？ 并确定 分子决定因素是什么， 对吧，这些被构建到 蛋白质序列中，进入
[4011.591-4015.503] SPEAKER_02: 基因序列。 以及机器学习是否 能确定那些 成分，
[4015.803-4027.845] SPEAKER_01: 对，有意思。所以就像使用 机器学习，那真的很有趣 给 比如说 整个蛋白质序列是什么 看序列，然后确定 这东西会不会造成伤害 针对一个 生物系统。没错。 这个机器学习不错。
[4027.925-4029.712] SPEAKER_01: 你是说数据不够？
[4030.012-4044.143] SPEAKER_02: 我是说，针对这个特定的 我们有，但我们可能 其实得退一步看这个问题。 还在进行中。 有个 BioArchive上的研究 是Eugene Kunin做的， 他是先驱之一，你知道， 在进化 基因组学里。而且
[4044.223-4054.207] SPEAKER_02: 他们想研究这个 但这些方法 算是标准方法 比如监督学习 方法。但现在 问题是 你能不能 再推进它，通过 用不太标准的 方法？所以
[4054.287-4066.361] SPEAKER_02: 显然很有希望在 迁移学习上，可以 试着迁移 机器学习学到的关于 正确的 蛋白质序列信息，对吧？ 所以 有前景 朝这个方向走 但如果有这个，那
[4066.441-4073.488] SPEAKER_02: 非常有用，因为就能 基本上能预测潜在风险 会让当前的病毒 大脑变得更危险或更轻。
[4073.788-4078.652] SPEAKER_01: 可以预测它们 从疫苗研发开始， 到抗病毒药物 的开发。那会是个
[4078.952-4081.796] SPEAKER_02: 非常关键的任务。不过
[4082.096-4087.622] SPEAKER_01: 你也可以 用这个系统来问： 我们怎么才能 改造这种病毒， 让它更具威胁？ 说得对。
[4087.922-4098.185] SPEAKER_02: 对，我的意思是， 你懂的， 再说一遍， 希望是， 嗯，有几件事对吧？ 第一就是，你懂的， 就算你设计 一个序列 对吧？所以 为了做
[4098.265-4111.375] SPEAKER_02: 实际实验 生物学来确保 所有组件正常工作 你知道，是一个 完全不同的事情 过程艰难，对，然后 那个，我们已经看到 以前可能有些 对某些东西的监管 当科学界
[4111.455-4126.678] SPEAKER_02: 意识到它现在 不再是某种 有趣的谜题，你知道 机器学习可能成为武器 对，所以可能有 一些监管，所以我 回想一下，那个什么 2015年，有那个啥，你知道 有一个监管问题 研究这事儿
[4126.758-4139.647] SPEAKER_02: 流感这一块 毒株，是吧？当时有 有几个研究小组，你懂的 用了某种突变 分析确定 这种毒株会不会跃迁 从一个物种跳到另一个，而且 我估摸有半年时间 把这个研究停了 还有发出来的论文
[4139.727-4145.729] SPEAKER_02: 直到，你懂的， 科学家们，你懂的，分析了它 然后说它其实安全
[4146.029-4162.308] SPEAKER_01: 我忘了那叫啥了 什么功能来着？功能测试 功能获得，功能获得 对，功能获得，功能丧失。 没错，抱歉。 就像是， 就观察这东西变异一阵子。 来看看，比如看看。 能看到什么样的事。 我猜
[4162.388-4178.296] SPEAKER_01: 我不太担心那种研究。 如果有严格监管，并且做得 非常好，也有能力， 还很认真。我更 担心的是这种， 你知道， 这个问题的潜在方面。 更像从现在起五十年后。 说到 德雷克方程，其中一个
[4178.376-4193.668] SPEAKER_01: 德雷克方程的参数 就是文明持续的时间。 而那就是，这似乎 成了最重要的价值 其实用来算外星文明是否存在 智慧文明在外头 那里是最具 最多变的地方 比方说假如 如果生命出现的概率
[4193.748-4207.717] SPEAKER_01: 不是零 就像我们极其罕见 我们存在的时间 基本就是最 最重要的，所以我 从自私角度，但也 从德雷克方程 角度讲，我担心 文明能否延续，而且 你会想到所有那些
[4207.797-4222.346] SPEAKER_01: 机器学习能用来 设计更伟大事物的方式 设计更伟大 大规模杀伤性 武器，对吧？ 而且，一种方式 问这个问题，你稍微看看 从现在起50年，100年以后 你会更 担心自然流行病
[4222.426-4228.927] SPEAKER_01: 还是人为流行病？ 比如， 谁是更好的设计者 病毒的设计者，自然还是 人类，如果我们展望
[4229.227-4239.548] SPEAKER_02: 未来？我觉得， 在我看来，我仍然会 担心自然 流行病，仅仅因为 我是说，能力 的 自然产生 这是……它做得相当好 工作，对吧？对。
[4239.848-4256.836] SPEAKER_01: 还有使用病毒的动机 工程化病毒用来 作为武器，这想法很奇怪，因为 也许你能纠正我这点 但这似乎非常困难 瞄准一种病毒，对吧？ 武器的意义，就像火箭 工作原理，你有个起点 你有个终点，你想击中 一个目标，然后击中它
[4256.916-4270.003] SPEAKER_01: 用病毒很难，这基本上 就是，对吧，它是 目标就是人类 物种 哦，天哪，对 我对我们抱有希望，我 永远乐观，我们不会 没有 世上没有那么多邪恶 去做，引导到那种程度
[4270.303-4280.322] SPEAKER_02: 破坏，嗯，你知道 我也希望，这就是我们 看到的，我是说 随着我们联络的方式 世界正在连接起来 我觉得它 它 让世界变得 更透明 对，所以说
[4280.402-4286.288] SPEAKER_02: 信息传播 是，你知道，我认为 这是个关键 因素对社会 要 变得更平衡
[4286.588-4299.779] SPEAKER_01: 是的，无论如何，这是人们 不同意我的观点，但 我确实认为那种 政府要保密的东西， 所以你主要在说 其他方面，比如 研究圈更开放， 公司更开放， 政府还是 像是，唉。
[4299.859-4313.700] SPEAKER_01: 就是军事机密。 对，我觉得军事 那种可能会 毁灭世界的 秘密也会变成 20世纪的东西。 它会越来越开放。 我觉得国家在21世纪会 失去力量，比如 保密能力不够了。
[4313.780-4319.085] SPEAKER_01: 透明比保密更 有益，但 当然这不明显，我们 希望如此。
[4319.385-4323.889] SPEAKER_02: 那个那个，这个这个。 各国政府 会变得更 透明了。
[4324.189-4341.339] SPEAKER_01: 我们上次谈话，我记得是在 三月或者四月。 你学到了什么？你的 哲学、心理、 生物 世界观从那时起有什么变化？ 或者你一直在研究它 从计算 从生物学角度持续研究。你的 对病毒的理解和想法有什么变化？
[4341.419-4344.669] SPEAKER_01: 那几个月里，从开始
[4344.969-4354.407] SPEAKER_02: 到今天？有一件事 我真的很 惊讶于 高效的科学 社区就是这样。 甚至只是 判断，在 这个很窄的 领域，比如蛋白质 结构，理解
[4354.487-4362.045] SPEAKER_02: 它的 病毒特征 从组件看， 从整个病毒看， 如果你看 SARS， 对，某些事 发生了， 不到二十年， 接近二十年
[4362.125-4373.258] SPEAKER_02: 前，再看 当时 发生时， 科学界的反应。 社区，你看这个 结构表征，确实 发生了，但是 花了几年 时间，对吧？ 现在，那些
[4373.338-4386.367] SPEAKER_02: 以前花几年的事，现在只要 几个月，对吧？所以我们 看到，你知道， 研究涌现。 我们处在前所未有的 水平，就测序而言， 对吧？从未 以前我们有 单一病毒 被测序这么多次，
[4386.447-4397.685] SPEAKER_02: 你知道，这让我们能够 实际追踪 非常精确地 这类 进化过程 这种病毒到底怎么回事？ 而且不光是 你知道 这种病毒独立于 一切，它本身就是
[4397.765-4411.467] SPEAKER_02: 你知道，这个序列 病毒连接，锚定在 特定地域 地点到特定人群 因为，你知道 我们的基因型影响 也，你知道 这个进化，你知道，它是 总是宿主和病原体 共同进化
[4411.547-4413.636] SPEAKER_02: 你知道，发生
[4413.936-4429.321] SPEAKER_01: 如果我们还有更多 关于某种 这种病毒的传播，不是 嗯，也许吧。 要是有它就好了，比如 用来追踪接触者。 但这种病毒，如果有 研究未来病毒也不错。 好及时应对嘛。 但地理数据我们有了，
[4429.401-4431.734] SPEAKER_01: 还有个人数据。
[4432.034-4442.111] SPEAKER_02: 对，没错。不过我觉得 接触者追踪嘛， 显然很关键， 重要的一环。 了解传播情况， 病毒。 挑战也不少， 对吧？XPRIZE就是之一。 我们呢， 就在最近，
[4442.191-4451.235] SPEAKER_02: 参与了 这个比赛的一部分。 预测的 数字 各地感染人数 所以 而且很明显 AI是主要话题 在这些预测里
[4451.535-4464.192] SPEAKER_01: 是啊，但还是 数据嘛，那是 一场比赛，但 数据很薄弱 在训练方面 比如，这挺好 比以前多得多，但 比如如果它像 很丰富就好了。比如我 和哈佛的Michael Mina聊过
[4464.272-4477.753] SPEAKER_01: 哈佛，我是说他 梦想社区能像 一张天气图来指方向 病毒，比如说 分辨率特别高，所以 传感器，比如怎么 人与人之间传播病毒 各种不同的病毒 对吧，因为有很多 很多，然后你就能
[4477.833-4491.906] SPEAKER_01: 讲那个故事 你之前提过的 关于病毒进化，比如 日常的突变 正在发生，那会 特别吸引人，单从 研究角度，还有从 应对未来大流行的角度 那才是我最担心的 人们很喜欢
[4491.986-4502.585] SPEAKER_01: 书，有没有 比如说三本 或者其他数量，技术类的 那本哲学小说 带给你 生活快乐，影响了你的人生 可能还有一些 你会推荐给别人吗
[4502.885-4512.184] SPEAKER_02: 我推荐三本完全不同的书 还有一个特别的第二名 荣誉 提名 我是说，这是一本 有声书，而且有 一些具体原因 第一本书是 某种 影响了我早期
[4512.264-4517.825] SPEAKER_02: 人生阶段，我可能 不会太有创意 是布尔加科夫的《大师》 和玛格丽特》 那可能是……
[4518.125-4526.484] SPEAKER_01: 对俄罗斯人，也许不算特别。 原创，但确实是一本 非常有力量的书，英文版也一样。 所以我读了英文版。
[4526.784-4537.827] SPEAKER_02: 特别震撼， 我是说， 它的结局， 我到现在 读到 最后那部分 序言的时候 还会起鸡皮疙瘩，太有力量了。 它对你有什么影响？ 你从中得到什么想法或见解？
[4537.907-4546.962] SPEAKER_02: 我只是被 这样一个事实 所打动： 你有着 那些平行的 人生 除了好几个世纪以外， 不知怎么的，他们 有点交织成了 一个故事。
[4547.042-4558.001] SPEAKER_02: 而且 这让我很着迷。 而且，你知道， 当然，浪漫的 书里的浪漫部分 不仅仅是浪漫， 它就像是浪漫 被魔法赋予了力量， 对吧？ 也许
[4558.081-4562.074] SPEAKER_02: 除此之外，还带点讽刺， 这是难免的， 因为那是……
[4562.374-4573.670] SPEAKER_01: 苏联时期…… 但它深植于俄罗斯，所以这就是 智慧， 幽默和痛苦 爱，所有这一切都是 那种捕捉到了 关于这个 俄罗斯文化，外国人 应该读一读
[4573.970-4585.733] SPEAKER_02: 第二本是什么 所以第二本是另一本 它发生…… 我后来在我—— 生活中读到它。我想 我第一次读它是在我—— 研究生的时候 那是索尔仁尼琴的 《癌症楼》 那是一本
[4585.813-4595.391] SPEAKER_02: 极其有力 它是关于什么的 它是关于，我的意思是 基本上基于 索尔仁尼琴 他年纪轻轻就查出癌症 年轻，而且 他痊愈了 但你知道，所以 这讲的是
[4595.471-4606.384] SPEAKER_02: 有一个被 判了终身监禁，关在其中一个 集中营 而且 他患有癌症 所以他被 转送到其中一个 苏联的 共和国，好像是 南亚共和国
[4606.464-4613.905] SPEAKER_02: 而且 这本书讲的是 你知道 他的经历 作为一个 我囚犯 也是一个病人 在癌症病房 诊所和病房 周围很多人，不少
[4613.985-4621.229] SPEAKER_02: 都会死，对吧？ 但 某种程度上 那种 读的感觉，后来 我读了 医生的叙述 他们描述 那些经历 嗯
[4621.309-4629.714] SPEAKER_02: 在书里。 而这位病人 极其准确 对吧，所以我读了 有些医生说 每位医生 都该读这本书 理解病人 的感受。但 再次，
[4629.794-4639.708] SPEAKER_02: 像索尔仁尼琴的很多 书一样，它有 多层次的复杂性。 而且显然， 如果你超越 癌症和 感染，就是说， 那个肿瘤曾经 生长然后 消失了
[4639.788-4648.507] SPEAKER_02: 他的， 在他体内，有些后果。 就是说，这 具有寓言意义 这个 苏联 而且他其实 他同意的时候 被问到时他说这就是 让他思考这一点
[4648.587-4658.664] SPEAKER_02: 如何结合这个 他作为一个 苏联的一部分 政权，也 也是其中一部分 作为被送到 古拉格集中营 对吧？而且也是一个 得过癌症 他这一生
[4658.744-4673.096] SPEAKER_02: 《古拉格群岛》 和这本书，这些是 作品让他 他获得一个 诺贝尔奖。不过，你知道， 对我来说，我， 你知道，我读过 其他的，你知道， 索尔仁尼琴的书。 这本，对我来说，是
[4673.176-4675.811] SPEAKER_02: 最有力量的一本。顺便说一句，
[4676.111-4680.395] SPEAKER_01: 这本和之前你读的那本 是俄语的吗？是的。
[4680.695-4695.604] SPEAKER_02: 是的。所以现在有 第三本书是 一本英文书，它完全 不同。所以，你知道，我们在切换 完全转换。所以这是 这本书，它是 甚至不是一本书，它是 一篇论文，作者是 约翰·冯·诺伊曼。哦哇。 名为《计算机与大脑》。
[4695.684-4706.446] SPEAKER_02: 那就是 他正在写的书 知道自己 因为癌症快死了 于是这本书出版了 然后，这是一本很薄的书 对吧，但是 力量 智力的力量 在这本书和文章里
[4706.526-4721.168] SPEAKER_02: 不可思议，我的意思是 你可能知道冯·诺依曼 被认为是 最伟大的人物之一 思想家，对吧，所以他的 智力力量不可思议 对吧，而且你其实可以 感觉到这种力量 在这本书里，这个人 写的时候他知道自己要
[4721.248-4734.277] SPEAKER_02: 他将死去。这本书 其实一直到……之后才出版 他1958年就去世了 他1957年过世了 而且、不过、所以说 他尽量放了很多 想法 你懂的，他一直 还没 实现
[4734.357-4744.736] SPEAKER_02: 然后，你懂的，所以 这本书特别 难读，因为 你懂的，每一段 都很紧凑 你懂的，它 全是这些想法 而且，你懂的，这些想法特别惊人
[4744.816-4756.437] SPEAKER_02: 哪怕现在，你懂的，所以 他想找相似之处 在……之间 大脑计算能力， 神经系统，还有 计算机，你知道的，就像它们当时
[4756.737-4760.208] SPEAKER_01: 就像那样理解的。你还记得他哪年研究这个的吗？
[4760.508-4767.230] SPEAKER_02: 大概？57年。 那正好是在 他，你知道，在被诊断出 患癌期间，他基本上……
[4767.530-4781.035] SPEAKER_01: 对，他是那种人之一， 有几个人常被提到， 我觉得爱德华·威滕是另一个， 就像， 每个见过他们的人都说 他简直就是智力超群的人。 对。好，那谁是 荣誉提名？所以，而且
[4781.335-4794.840] SPEAKER_02: 这个，我是说，把它放在 单独放这部分的原因 因为这是一本书 我合理地 最近在听 所以它是有声书 这本书叫 《实验室女孩》的作者 霍普·贾伦，她是 她是位
[4794.920-4802.385] SPEAKER_02: 她是科学家 地球化学家 主要研究 这些 化石 所以她利用 这些化石植物 用化学分析了解 气候怎么样 在
[4802.465-4811.625] SPEAKER_02: 在几千 几十万年前 所以 一件非常 这本书触动了我。 它是 作者读的，很好。而且这是 一个令人难以置信的 个人故事，非常棒。 所以
[4811.705-4824.594] SPEAKER_02: 这本书有些部分， 你能听到作者在 哭泣。而且 对我来说，我从来没 经历过这种事，读 这本书时，但就像 你知道 你和 作者的联系。而且我 觉得这是，这是
[4824.674-4837.540] SPEAKER_02: 真的是一本必读的书，但 甚至更好，是必听的 的 有声书，适合所有人 谁想了解 有点，你知道 学术界，科学 整体研究，因为 这是很个人的叙述，关于 她成了
[4837.620-4839.048] SPEAKER_02: 一名科学家
[4839.348-4851.157] SPEAKER_01: 所以 我们正好在 新年之前 我们聊了很多关于 一些困难的病毒话题 你有一些令人兴奋的 的事情，期待在 2021年吗？ 一些新年决心 也许傻气或有趣？
[4851.237-4855.799] SPEAKER_01: 或者 某事 非常重要，也很根本 像科学世界那种 一点都不重要？
[4856.099-4865.317] SPEAKER_02: 嗯，对 肯定在找 你懂的，朝着那些东西 正常了 对吧，是的 所以我很想旅行 每年 夏天我 去一个 国际暑期学校，是
[4865.397-4878.948] SPEAKER_02: 叫分子与理论 生物学，在欧洲办 组织者是很好的朋友 我的，这是 天才少年学校 来自世界各地 他们特别聪明，是 每次去那里，就像，你懂的 这就是 一年中的亮点，不过
[4879.028-4890.837] SPEAKER_02: 我们做不到 今年八月，所以 我们远程完成了这个学校。 但这不一样。 所以我 非常期待明年八月 能去那里。 还有，我是说，其中一个 我个人的 决心，我意识到
[4890.917-4902.329] SPEAKER_02: 你知道，在 公司内部和在家工作 你知道吗，我意识到 其实 我 明显错过了很多 你知道，和家人 一起度过时光。 信不信由你，所以 通常，所有
[4902.409-4910.988] SPEAKER_02: 研究和 教学 以及所有相关的 学术生活 我的意思是，你 会分心，所以 你并没有 感觉到 你远离 家人并不会影响
[4911.068-4922.585] SPEAKER_02: 因为你自然地被 其他事情分心，而且 这次 我意识到，那 那非常重要， 对吧？花时间与 家人和孩子在一起 所以那 这是我的新年决心 并且真的想花
[4922.665-4924.859] SPEAKER_02: 尽量多的时间
[4925.159-4938.129] SPEAKER_01: 即使世界重新开放 对，那是个美好的 信息，那是个好提醒 我问你是否有 一首俄语诗 你能读，我强迫你 你读，然后说好吧行 当然 你介意吗 读吗？当然，然后你说
[4938.429-4950.064] SPEAKER_02: 不用纸，所以不用 所以对，这首诗是 由我同名者写的 另一位德米特里·凯默菲尔德 而且 这是一首，嗯，一首 近期的诗，它是 它叫做 女巫。 俄语里说。
[4950.144-4964.693] SPEAKER_02: 或者说，其实 所以那就是 另一种意思的 女巫或巫婆。 而且我特别喜欢 它，而且它是 我仅有的几首能背的诗之一 实际上能背出来。 我还有一个很 强烈的联想，当我
[4964.773-4979.717] SPEAKER_02: 读这首诗时，与大师 玛格丽特，这位 主要女性角色， 玛格丽特。 而且也是， 它是关于，你知道， 发生在差不多同一时间。 我们在聊天。 所以新年那会儿， 圣诞节前后。
[4979.797-4994.741] SPEAKER_02: 能麻烦你读一下吗？ 用俄语来？ 我试试。 白色暴风雪里， 白流沙，白迷雾， 在城市喘息的十字架上， 你，疯狂的， 骑着扫帚飞， 一月太冷直哆嗦， 严寒里飘着
[4994.821-5009.150] SPEAKER_02: 平安夜堆满橙子和鳕鱼， 风干着， 变成新年彩球， 听你魔法使唤， 灵魂消散， 世界也悲伤。 所以你眯起了眼。 自己胡闹 所有受过恩典的人 都愿意为这份
[5009.230-5022.340] SPEAKER_02: 巫女的牵绊 毫不犹豫把灵魂给恶魔 在墓园里撒欢的 乌鸦，我 丢掉偏见和衣裳 冲出去，只想感受 你惊讶的 呼吸就在唇边 用皮肤、舌尖 尖尖的肋骨
[5022.420-5028.921] SPEAKER_02: 在他乡，在虚无之地 回忆着 你怎样在大地飞翔 在白色暴风雪里
[5029.221-5036.279] SPEAKER_01: 在白雾和涟漪中 真美 我喜欢它捕捉瞬间的方式 渴望 还有 甚至可能是爱
[5036.579-5044.717] SPEAKER_02: 是的，它对我有很多 意义在于 你知道，这个 有某种东西 正在发生，遥远的东西 却又离你很近 还有 是的，这是冬天
[5045.017-5058.777] SPEAKER_01: 有一种神奇的东西 冬天，对吧？什么是 嗯，我不会翻译它 但冬天里的吻 很有意思 冬天里的嘴唇什么的 它很美，我是说俄语 俄罗斯诗歌是有原因的 我就是个诗歌爱好者 但两种语言里，
[5058.857-5073.720] SPEAKER_01: 英语捕捉不了 俄语似乎有那种魔力。 谢谢你这么做。 太棒了，德米特里， 很高兴再次跟你聊。 这很有感染力， 你对自己做的事有多热爱， 你有多热爱生活，所以我真的 谢谢你今天抽时间聊。 也谢谢你邀请。
[5073.800-5089.905] SPEAKER_01: 感谢收听这次对话， 和德米特里·科金，也感谢 我们的赞助商：Brave浏览器， NetSuite，企业管理 软件， 低碳水谷物，还有 Asleep自冷床垫。 所以选择是 浏览隐私，商业成功， 健康饮食，或者
[5089.985-5105.672] SPEAKER_01: 舒适的睡眠，明智的选择 朋友们，如果你愿意 点下面赞助链接获取 折扣并支持本播客 现在，留给你 杰弗里的一些话 尤金尼德斯，生物学 给你大脑 生活把它变成 思想，感谢您
[5105.972-5108.166] SPEAKER_00: 收听，希望下次再见