蛋白質在所有生命形式中都起著重要作用。其各種功能廣泛應用于生物技術、化學和醫學。改造新的蛋白質通常是個重復且費力的過程，有時甚至要好多年才能完成。由于生物性狀和實驗的復雜性，開發一個能持續運作不休息并能從產生的數據中學習的全自動系統，一直是個挑戰。

 

　　美國威斯康星大學麥迪遜分校團隊此次設計了名為SAMPLE的機器人平臺。其能在沒有人類干預或反饋的情況下快速改造蛋白質。該平臺由AI驅動，能學習蛋白質序列和功能間的關系，設計出新的蛋白質后把這些蛋白質送到機器人系統進行測試，再向AI算法進行反饋，提升其理解。

 

　　為測試該系統，研究人員用4個SAMPLE智能體改造出了耐熱性更好的酶。雖然搜索行為不同，但每個SAMPLE智能體都能發現熱穩定性更好的酶。團隊估計，這個機器人系統或許只要幾周就能改造完這些蛋白質，而同樣任務人類科學家可能需要6-12個月才能完成。

 

　　研究團隊指出，獲取資源延遲、機器人故障和系統宕機可能會影響該機器人研發蛋白質的總耗時。他們提議可利用該系統協助科學家按需發現和設計蛋白質。

 

【總編輯圈點】

 

　　重復且費力——對人類而言，這是改造蛋白質工作的特點。然而，處理重復且費力的工作，卻恰恰是人工智能的強項。不僅僅在科研領域，在安防、教育、醫療等各個領域，人工智能都能把一些重復且費力的工作，處理得又快又好。人類應該如何對待人工智能？最好的策略是，不在這些重復又費力的工作上和人工智能比高低，而是騰出精力在更富創造性、思想性的工作上，展現人類獨特價值。