00:00/00:00
外链地址
http://www.eemp3.com/audiofile/cec23b178cd5a84e9bc07e463f81c251.mp3
点击复制
本字幕由TME AI技术生成
用声音碰撞世界
生动活泼
第一时间同步
hello
大家好
欢迎来到我们今天的科题早知道
那今天我们的节目其实是分两个部分
第一部分是我们的硅谷学老师和他的一位双重校友单说教授来我们节目组的一个个人专访
单教授其实是我们的华人之光
他刚刚获得了二零二四年的美国国家科学院的分子生物学奖
那我们在之前的节目当中
其实多次聊到了alphafour啊
蛋白质折叠等等等等这样的相关的技术和科学的进展呢
单教授就是这个领域的专家
那在第二部分呢
最后的十分钟左右的时间里
我会和我的合伙人徐涛来跟大家一起介绍一下我们在最近忙了很久的一个线下的活动
是在九月十三号在香港举办的一个闭门的研讨会
关于AI和创作的这样子的一个方向的话题
那就请大家留到最后
收听我们对这一次活动的一些预告吧
再见
里科技早知道的朋友们
大家好
我今天非常有幸的请到了我的双重校友
他也是斯坦福的博士
也是我高中同一年毕业的同学
单书欧教授啊
来我们的节目做一个分享
几个月前
他刚刚获得了一个比较大的奖
是一个二零二四年的美国国家科学院分子生物学奖啊
获奖感言当中
他说了几句话
我觉得非常的让我感兴趣
然后我就reachout
我就跟他聊
我说 唉
到我们的节目来聊一聊
然后约了几个月
今天终于有幸幸请到我们的单教授授这这科技技早知道的节目来跟大家聊一聊啊
单教授
先跟大家打一下招呼好吗
嗯 徐浩 你好 嗯
大家好
单教授
其实是一个我们中学
我们中学是一个很不错的华东师大二附中
师上海非常
不
非常优秀的学校
很多学霸
然后学霸里面有很多学霸
然后单书同学是我们学霸里面的学霸的学霸
所以说
今天能够有幸的跟你聊一聊
其实从两个方面我想聊一聊
一个是从一个学习职场
因为你看过的
呃
看过的学生很多对吧
你自己一路走过来
很优秀
然后你在加州理工学院做教授做了这么多年
带了很多的学生
几年前
我们在聊一些关于学生
不管是怎么去思考学校啊
或者说研究啊
我觉得你是有很多洞见的
其实我就想跟你聊一聊这一个方面的问题
希望对大家做有些帮助
另外一个
就像我刚才说的
你刚刚获得这么一个奖
然后你在那个
呃
获奖感言里面提到了一句话
你说啊
你做的事情是
这是一个化学
物理 数学
哲学与生物学美妙交汇的能够深刻影响人类健康的科学问题
我想让你有一个机会给大家科普一下啊
你做的事情
然后呢
还有一个
我觉得我
至少我对我来说
是一个比较有趣的一个点
这是一个交叉学科的一个一件事情
在今后的几年
或者说几十年
会有很多这样的交叉学科的领域的研究
因为我们今天
你看
计算机已经能够使得我们的不同的数据打通
能够做很多事情
那接下去
可能说不定是计算机领域对你们生物领域
或者说反过来会有一些影响
其实我这也是我想跟你聊一聊的
最后一个
就是今天是一个
或者说今后几年
嗯
是一个AI时代
我也很想听听这个AI时代啊
你是怎么我想的
那我们就从最简单的开始讲
嗯
就是你目前做的事情
对吧
就是你现在从事的工作
能不能用比较通俗易懂的语言给大家解释一下
其实首先是退一步
就是说大的框架
生物学上最基本的一个问题是
你怎么样解释
就说基因组
然后和环境的互相作用
然后产生你这个细胞或者生物体的各种现象
这个我们叫做g诺胎和到非诺和那个原系
然后这联系中间呢
是其实有一系列的逻辑串的
这个逻辑串其实也是非常
就是说实体的
就是说你的基因是在细胞核里
嗯
是用脱氧核糖核酸组成的
那是电类
然后这DNA里面的基因信息呢
是复刻到一个传递
嗯 分子
叫做二NA
就是核糖核酸
然后这种传递CR类小分子呢
就从细胞和到了细胞质
再翻译成
嗯 蛋白质
然后大多数的人体功能
其实都是蛋白质来完成的
其实蛋白质如果刚生成时候
它其实就是一个单链
由氨基酸组成
然后自然界有二十种氨基酸
它们各种各样的不同的排列组合
嗯
几百个一串就是一个蛋白质
但是那样状态蛋白质其实是不能用的
因为它没有三维的结构
还有一个定理
就是说结构产生功能
这个蛋白质的结构变了以后
它的功能也会有变化
然后你如果有一个蛋白质跟原先不太
不太一样
然后结构不太一样
然后你就会产生新的功能
蛋白生成这个问题
其实就是这个链中间的那一环
就是说你这个单链的一串氨基酸
你怎么能够
嗯
达到这个三维体的一个结构
而且这个结构其实是对每个蛋他来说是单一的
就像一个数学公式
就是说数学问题是有解
而且我们知道是有唯一解的
每一个蛋白的序列
在自然中它就有唯一解
因为它有一个比较单一的结构存在的
但是问一个基础的问题啊
就是你解
解出来了以后能够怎么样呢
你可以预判很多功能
因为结构决定功能嘛
表体上的它的不同氨基酸的组成
然后你如果有足够的化学
生物化学知识的话
你会去可以去预预判
就是说它的功能是什么样
比如说这一块可能做什么
那一块只能做什么
哦
这边有一个洞
这个动力可能会发生什么
就是说
其实这个蛋白质从个单链变成那个三维的结构
这个过程是对生物体来说
是一个很难很复杂的过程
不是那么容易的
我们刚才说了
就是说
其实对物理化学来说
这也是一个puzzle
还有一个问题
分子折叠式会出错的
而且出错的几率非常高
特别是魔蛋白
就是说长在那个细胞膜上那边蛋白
有些就是跟疾病特别有关的那些魔搭白
其实即使正常的话
它正确折叠几率是百分之三十
百分之七十都没有折叠对
然后这个细胞就等于
就是说太tell的就是把它再消除掉
其实折叠错误的蛋白是非常危险的一个状态
在这样的情况下面
这个细胞是怎么把这件事情做对的
对 这
这就它牵涉到另一组的蛋白
我们这样把它叫做伴侣蛋白
就是说
这些伴侣蛋白
它就是最大的功能就是在这个蛋白质没有折叠好
或者没有折叠对的情况下
很快的认出来
哦
这是一堆出错的蛋白
然后就粘合上去
不让就是说这些很坏的
嗯
情况会发生
他们还帮助这些折叠错的蛋白复原
复原到对的情况
或者就干脆让给细胞一个信号
说这是一个错的蛋白
然后你把消消灭掉
其实很多疾病
归根结底都是
嗯
是蛋白折叠错的疾病
嗯
这里面最大一块
其实是老年的一些疾病
啊
老年痴呆症
dottamas
它是因为一个罗贝塔蛋白长错了
或者折叠错了
然后就变成一个聚合体森emilpargsense
parkingsense
最主要是有一个蛋白叫阿弗森
可能它也是折叠错了
然后变成了很大的有毒的聚合体
把神经元都杀掉了
然后就产生了这一类的问题
对
这也非常自然而然的就是年纪大了
对吧
人有生老病死
然后这些 啊
蛋白质的折叠错误也是一个正常的
那我们
或者说你最近这么多年做的研究是想说什么呢
是想发生使得理解
能够使得去把它给correct
把它纠正
就是说
最终做了这些研究以后
给我们能够带来的是一个什么价值呢
我们要理解
我们才可以去
嗯 制药
叫做engine
engineering
或者说了制药
嗯
所以我很长时间其实都是在基础理解这一块
这些伴侣蛋白
还有各种大分子机器
他怎么样把新生成的蛋白送到细胞对的地方
然后折叠到对的结构
然后各果折叠错了
他们是怎么样把这些东西复原的
谢谢你科普
我觉得我听懂hopefully是一大部分
但是我是希望你听懂
你们如果没听懂的话
就是说
最终要记住的就是说
嗯
蛋白需要折叠成功
如果没有折叠成功
是一个非常危险的
对细胞来说
是一个危非常危险的情况
而且人类老是说老化的问题
有一大部分其实是蛋白折叠的问题
就比较好奇啊
就是 呃
现在做了这么多年
做了很多基础研究
你觉得我们离真正理解还是差很远很远
还是说
我们已经看到了很多
已经理解了很多
因为你在这个领域做了很多年
我其实想
就是 呃
从一个大
大的方向来来讲
能不能给我们科普一下
我们最近十年二十年
大概是走了多少的进程
我觉得任重还道远吧
任重道远
对对
我们应该说是
就是说很多大的框架
知识点都有了
但是你要看
最近二十三十年
其实细胞
高生物和分子生物这些教科书也不断的在改
不像就是说化学教科书或者物理教科书
你基本上这一本三十年前可以用的
现在还可以用
因为那些调理其实都没有变
生物其实是一个发展特别快的
而且依然发展特别快的阶段
分子生物学其实是最基础的那一块
从分子
你了解的分子的状况
把它放在细包的那个context里面
其实又有很多的复杂度
因为永远有有你不知道的
嗯
这个分子交合的另一个分子
你还没发现那种
然后你乳果把这个分子放在一个活体里面
就是说小老鼠啊
这样复杂度就又更进一层了
在分子这块做的很好了
在细胞这块进展也很大
在我们叫organ
以organ到整个生物体
其实这个衔接
衔接的还是挺慢的
对
对
所以说我们的长生不老药还没有造出来
但是对怎么做长生不老药的那个方向
这个framework有一定的理解
知道然后误错出在哪里
对
然后就是说分子生物
就是说我们大块的原理知道的比较清楚了
但是并没有做到可以精准的预判的这种程度
这和比如说物理学
就是说可以发火箭的
而送个卫星
哼
放到轨道上去
那还是差很远的
他这个预判没有那么多的精准度
我们稍微转换一下
先讲一些
单教授你是怎么走到这条路
然后最近自己的求学啊
还是工作
聊一聊
然后我们待会儿再会回到这一段
因为我相信AI时代对这一块也会有比较大的影响
现在已经讲了跟我们的科技早知道的听众啊
观众啊啊
讲了一讲你的最近做的东西
很想听听你是怎么走上这条路的
华东师大二会中毕业以后就马上就走到这条路了
还是怎么样
能不能给我们介绍一下
我们是校友吗
我不知道你当时记不记得
就是说
我有很长时间不知道我是要学文科还是学理科
当然 二
二附中是一个理科特别强的
是 很幸运
就是说我十四五岁的时候
就是说那时候还订一些杂志
包括青少年科技杂志
然后我很喜欢看里面的科技史
就有一天
我就看到了那一段科技史
就是海王星发现的过程
哈雷先生
或者说森哈维他们在讨论
就是说为什么行星沿着地球的轨道
嗯
是椭圆形的
当时因为
因为牛顿很有名
但是是深居简出的一个人
然后这个哈弗和harvey就到了牛牛顿在家里拜访了一下
他就问
你觉得
牛顿先生
你觉得啊
行星运行的轨道应该是什么样的
牛顿想也不想就说
是椭圆的
为什么
我已经算过了
他应该是椭圆的
嗯 对
然后哈利马上问他
你怎么算出来的
牛顿找了半天
说 我丢了
那也算是真有了
然后哈利就是很花了很大的力气
就是说让牛顿把他这个过程写出来
其是那就是principalmathematicc微积分的教科书诞生
也是就是说现代科学的第一步
当时另外还有一个同时的puzzle
就是说
其实按照牛顿的这这个理论
其实天王星的轨道是不太符合牛顿的那个理推算的理论的
他们假想的就是说
可能外面还有一颗行星
因为和天王星互相干扰
所以影响了它的轨道
然后
所以那就是海王星
所以海王星的轨道是两个数学家二十二组公式根据牛顿里边算出来的
天文学家就是说
把那望远镜对了那个天空那一块的时候
就看到 哦
这个星的行星就在那
我当时看到这个时候
其实很震撼的
我们中学其实十基础给我们打的非常扎实
我们学很多东西
但是他们其实没有系统讲过科学的方法是什么
所以我是读了那一个故事
那一刻我
我突然明白了科学方法是什么
就是说你大胆推向
但是要严格的去推测然后用实验去证明
不然你来说
大自然的真理还还好
怎么样
就更近了一步
那时候就是说
我就决定了
我是要做科学
就是说
现在回想起来啊
就是说这几十年过来
现在我回想起来
我应该这个人的性格
是应该是做科学的
对我来说
真实性这件事情对我特别重要
如果这个东西含糊不清的
或者是假的
我会本能的特别去抗拒他
在那一刻
我是看到就是说科学的方法是比较有效的
把你可以向真实性越来越靠近的
所以我觉得就是说应该从事这个行业
应该是很有意思
对我来说
就是说心理上是非常下个反应
所以说
对你来说
就那时候
十四五岁的时候
看了这篇文章
想了一想
觉得这是你的passion啊
也是自己的强项
觉得以后要走的路
会会沿着类似的这条路
但不一定是生物学
或者说
那后来那个高中毕业以后
然后你就来求学
马上就开始走这个方向了
还是后来啊
都不 博士了
才开始
你记得我们高中化学课
嗯 高三
就是叶老师
嗯 到了 对
叶老师
有机化学
其实就开始讲DNA
对
怎么样复刻的
那也是很震撼的一件事情
就是说
DNA是双链的
因为它有轻键的这个配对组合
然后你把这清键破的话
这两个单链每个就是一个样本
你可以照着样本去复刻
然后你就可以有geneticreplication
所有的这种遗传啊什么
你都可以用这个去解释
那对我也是一个很震撼的事情
我觉得科学的精神一直是从现象看本质
就像这个行星是椭圆形运转那是个现象
牛顿的动力线
那是一个本质
那堂课的时候
我就明白
就是说分分子线的之间的作用
而且是基于化学和物理基础上的
其实是生物现象的本质
这一块
其实因为是物体的多样性和复杂性
是有很多空间去继续做的
所以
这个方向
是你在上叶老师叶佩玉老师课的时候
就已经定下来了
是 然后
然后到美国来求学
也是就一直在这个方向
这个领域走
对 对
从一个另外一个角度
就是工业界跟学术界
你是怎么看这件事情的
就是选择
呃道路
有选工业界的
也有选学术界的
关于这一块
分享一下大家应该怎么去思考
或者可以怎么思考
嗯
我觉得学术界是我比较熟悉的
我就先从那儿展开说
学术界需要的量是比较少的
对
因为每个学校他有有的那个教师的职位
其实是固定的
除非就是说他们每个学校有一大笔资金进来
有一个新的initially
量其实是蛮少的
所以就是说
你如果很理性的从数学的角度去想一下的话
我们这个系统产出的大多数博士生
大多数是没有终身教授的职位在那里的
这个职位呢
其实是一个
怎么说呢
需要的一一群人呢
也是一群比较特殊的人
然后你要想一想
你是不是有一些这样的素质
一个就是说
你是一个特别喜欢究根问底的这种人
对未来有一些很多的展望
而且就是说特别想对这个学界这个未来的展望
是有很多想法
然后想要自己去做的那种人
嗯
然后学术界呢
而且就是说是概念性比较强的人
因为我们的目的不是要了为了做个药
我们问目的很多时候也不是为了产出人们可用的东西
我们大多数时候是在想一些比较抽象的
但是比较大块的那个框架性的问题
那样的话
其实需要的人是那些就像我说比较喜欢追根究底的
就是说
比如说你学的是
嗯 什么课题
那你就要知道
现在这个课题里跟你相关的所有知识是什么
这些知识是哪里来的
是根据哪些早先的实验构成的
这个领域里面最大的问题是什么
有些哪些问题是解决了
哪些问题是还没有解决
如果没有解决
最大的障碍是什么
在这几块
比较大的几块
你想
然后想一想
你能不能
就是说有能力或者有想法去解决这块问题
一般是需要这一类的人
因为高校而且是有教职功的的
所以大多数时候你需要教书的
所以你需要喜欢学生
你希望比较喜欢把你的知识啊
还是想法跟学生去分享
你是不是很享受这个过程
当然就比较好
就是说我觉得比较有意思的
在高校里的一点
就是说自由空间是很大的
没有上面直接有一个领导人来管着你
说你必须做什么
所以你是有很大的自由维度的
这个对我们来说是叫做学术自由
在这种情况下呢
你其实会有很很有意思的事情
因为你和同样一群有很有好奇心
然后有很多想法
有些人的想法跟你不一样
有些人专长跟你不一样
你其实在学校的氛围里
你其实很容易去跟他们互相碰撞
然后碰撞以后产生一些新的火花
或者新的想法去继续做
你是不是很喜欢这个过程
如
如果你很习惯这样的过程的话
这种高校的职位对你是就是说比较适合的
在公司里做事
你的就单项职能的责任性
责任性更大
一件事情你必须要完成
而且是定点定时的必须要去完成
是吧
他需要一些很很能干的人
最开始的时候
你的自由度是很小的
因为你就是在做一些指派给你的东西
然后你如果做到比较高层的话
公司的功能性还是要产出一个产品
你如果是特别喜欢做一个东西
大家能有用的
而且为了做这个东西
你可以花很多时间去想怎么把它一点一点的做的更好
公司对你来说是比较合适的
很多时候就是说看你是一个概念性的人
还是一个就是说比较实用性的人
我这里再问两个问题
就是关于个人成长啊
关于你的经历
关于对教育的看法
一个问题是
我相信有很多人都很聪明
也都也很刻苦
但是是不是所有的人在一个领域
不管是像你做到成就也好
获奖也好
或者深度也好
你觉得你身上的哪一个characteristics也是selfreflection的一部分
可能是对你的这条路
你觉得是非常非常重要
除了那个做事认真
除了那个IQ
就是有
有什么那个特质
你觉得不只是对你
而且你觉得是你在观察你的学生
你在录取学生的时候
你觉得这个特质是特别重要的一一点
你是一个比较喜欢追根究底的人
然后你的兴趣面也是比较广的
然后对自己的要求比较高的
嗯 同样的
就是说
你可以想象一个研究生
他需要做一片这个实验
导师告诉他怎么做
他就怎么做了
但是你如果有这样一个学生
他听了导师做的
然后他去读文献
然后他就有了自己一些别的想法
这些想法就去跟那个老师
老师去讨论
说是不是可以
这条路这样走
可能会出一些意外的结果
从最开始
你的那些idea一定是大多数是不好的
但是这是一个不断的自我修炼的过程
自我提升的过程
因为就是说
你不断去这样试的时候
你会不断的提高
你就说
对这个领域
什么重要
什么不重要
什么是可行的
什么不可行
你这个直觉就越来越好
到五年过后
你就是成长成一个很成熟的学者
我们把这叫做学者的素质
你如果是做博士
做这一块
你必须是这一块最好的一个
呃
expert是如果才参加奥运会的话
就是金牌或者说奖牌获得者
对对
这其实很多时候必须是学生自我能动性的问题
另外还有一
实验当中有很大的成分
我们叫做serenndeputy
就说是一个偶然性
很多时候
因为实验不成功是常态
成功的很少
而且有很多时候哦
他会给你一些意想不到的结果
你有没有能力
就是说抓到那些意想不到结果
知道这其实是一个突破
那看你准备的好不好
你有没有平时花功夫去想那些更大的问题
因为很多时候
这就是一个过程
有一个领域一定有很多大的问题没有解决的
我们其实很大很多时候并没有想出来怎么样去解决它
有很多时候都是偶然机遇碰到了
你觉得啊
这可能是又是一个突破的路口
在这个机遇出现的时候
你有没有准备好去抓住他呢
比如说
偶然的背后
还是有一个必然
所谓的必然
一定是有积累的过程
有积累 对对
我另外一个问题是
我们那个科技早知道的制作
特地委托我问一下
虽然说我们是也是在中国有教育
但你可能就是本科大学
呃 不
博士都在美国读
但是你还是接触了一些
嗯
我相信也接触了一些从国内来的学生
对吧
不管自己带的还是怎么样的
比较好奇的是
你对中美两国的教育有些什么的观察和思考
当然
这个问题比较大
但我们不需要提一个很大的
就是有
有想到有什么比较
一个一两个点
能不能跟我们分享一下
笼统概括永远是会出错的
就是说非常严谨
对对对
就
就因为其实很多
每个人都是个体嘛
你不能把它完全这些人就归成一类
但是我是发现
就是说国内或者中国体制
或者亚洲的体制教育下的学生
他其实根底打的非常好
他很早早的就找到了一个他敢focus的东西
然后他会根据你预先设定的一些途径
他会很专心的或者全心全意的去做那些事情
当然
就说这些学生以后也是非常成功的
呃 相比之下
就是说
我觉得西方或者美国
或者德这些体制下面出来学生
你一开始其实跟他们接触是有更多你所谓的麻烦
就是说
他们其实精力很旺盛
想法特别多
很多想法当然是错的
但是就是说他们其实是有很多的自信
就是说他们还是想要跟他们自己这想法去试一试的
即使你给他设定了一些就是说题目啊
路径啊什么
他还会照他自己想法去不断的去试
很多东西
总是要想要找一些别的途径的
这个也是有好处
也是有不好处
因为就是说很多时候
他们也是给你提到了一些你原先没有想到的点
然后你可以根据自自己的经验去看这些点是不是值得继续去追的
但是也有一些点不靠谱
这是大多数点都是不靠谱的
他们就是说也是要不断的学习
每做一件事情
在科学界
嗯
都是水很深的
不是那么容易去做的
就是说你要做成一件事情
新的一件事情
是要投入很多时间和精力的
第二个点
我觉得可以说一下
我觉得美国的学生
他的团体参与度和社会参与度普遍的比较高
比如说
如果他一个实验室没有做成
其实是因因为实验室的某个仪器不好用了
还是某个事情出了问题
而且这个事迹其实是大家共享的
会发现这些学生很快就给全实验室都通告
说这个东西出错了
大家要小心
不要用
你也会常常发现
比如说他们试了一些新的东西
然后他们觉得很好
他很愿意跟你分享
就说 哦
我想跟你分享
我最近做了一些这个东西
习结果是这样的
我建议你下次可以用这个之类的
他们很愿意去跟大家分享一些成功的消息和失败的消息
那你觉得是一个就是不管是中小学的教育体系下面
他们确实是因为他们参与一些事情以后
确实会有效的影响一些决定
所以他们这个参与的意识会比较高
而且就是说
很多时候
一个实验室的运行
其实是一个团队的运行
每个实验室其实跟一个starup差不多
就是说你需要有一些团队的精神的
包括每年新生在招生的时候
需要每个实验室的学生去cos的一些新的学生啊
给他们介绍实验室的情况
甚至就是说博士生组成的council委员会
决定关于博士生的一些事情
你可以看到这些事情参与者
美国学生
亚裔学生的比例很少
有没有一个角度
从一个女性的角度
就是不管是作为一个在学术界做的很优秀的
还是各方面都很优秀的
有什么可以跟我们的
呃
女性的听众更和观众聊一聊
就是你的成长之路
你的一些一点
或者说怎么样的体会吗
那我性格不是一个特别女性化的人
你知道吗
跟我长得很不像
跟我那个说出话来也很不像
比如说我性格是一个比较大条
不太敏感
不太在乎别人说我什么的人
这方面我就少了很多的困惑
或者你说干扰
或者比如说
嗯 什么
不要太在意别人说你什么
自己做自己
即使没有人
特别除了你的家人
没有人特别在乎你做什么
嗯 但是
就是说你性常的问遇到问题
其实是家庭和工作的矛盾
特别是做这acadedemy
其实时间精力投入是要非常多的
这只能说我unlucky
就是说家里很多事情
我父母承担了很多
我的sports承担了很多
他们就是说我一直都是有他们很多的支持
的
在普遍全社会来说
就大多数家庭女性分担的家务比较多
有孩子以后
就是说分担的小孩的责任女性比较
所以就很容易产生这个男于这个力不均衡的情况
不过现在就是新一代人
就是说家庭观念越来越进步了
有更多的男性愿意在家里就说承起很多的责任
这方面我觉得应该是越来越好
还有的一方面
我觉得就是我自己的问题了
因为不光是女性
我是个亚裔女性
而且是长得特别小的一个我
很多时候这困扰的是我去开会
我即使是不正式工作以后
还是被当成学生
我得不断的跟人去解释
我是请来的那个speaker这个事情
其实就是说是一直就说伴随我的
只能说
我觉得最后还是你自己做出来的东西最重要
大家最后承认的还是你的工作
对
所以说肯定有一些
每个人都有一些自己unique的一些不管挑战啊
或者怎么样啊
嗯哼
但是从你最开始说的
少一点患得患失
可能就会好很多
对
然后还有一点就是说
我不是无失无我受困扰的
但是我觉得很多女生确实是受困扰的
就是说我觉得女生普遍来说
自信度没有男生高
至少是外面表现出来的自信度没有男生高
这个其实没有系统的调查
但是你可以看到身边
就是说每个人都看到身边有很多这样的例子
这个其实有好处也有不好处
大多数女生因为他不那么自信
他做一件事情会做更多的准
对
所以其实他这件事情
或者这个工作是做的更好的
因为他有足够的准备
但是就是说
我想要提醒的一点就是说
你如果一件事情做失败了
你是要再去试的
很多时候和心理学家跟自信度有另一种定义
就是说比较自信人是失败了以后还会去继续做
他把失败当成一个学习的经验
不太自信人士
他失败了以后
他就不敢再去做了
觉得自己不行
其实很多时候
你能不能再往上尽快
其实就在这个点上
你就是事情失败以后
你愿意愿意不愿意再去试
对
这个自信心的问题
其实不只是女性
其实男性也是
但是就像你说的
可能你观察到的
相对来讲
就是女性不自信的
或者说不自信的degree可能更加多一点
这
这个如果说能够克服那个障碍碍
嗯哼
也会对大家的不管是学业啊
职场啊
各方面都会有不错的那个帮助
嗯哼 那
那我们那个最后再回到学术
或者说是研究方面的
那现在是一个AI时代
那在AI时代
圣教授
你有没有觉得有些什么特别需要可以跟大家分享的
比如说应该更多的学些什么
或者说是更注意什么
就是
这是我一个想想分
另外一个就是也是最啊一段时间很红火的alphaford
我知道你也是走在前沿的
我们可以也给我们科普一下
这是我两个比较比比较想讨论的问题
挑一个方向
我们可以先聊
对 嗯
我们先聊alpford吧
然后我们再回来说那个AI时代
想说什么
afford
其实还是回到我们开始说的学
分子生物学上一个比较大的问题
就是说蛋白质的一个一串序列
你知道这个序列以后
你能不能推测它个三维结构是什么
就是我们不管他中间会出什么问题
你就想
就是说最后他达到这个三维结构应该是什么
然后有了结构
你就有了功能嘛
整个一串逻辑链就串起来了
就说这其实是一个就是说很多年是一个computationalbiology里里面一个比较大的而且是比较难的命题
就是叫做蛋白折叠预测
其实每年都有一个比赛的
各个实验室有他各他们各自的algorithm
每年还没有公布出来的一个新的蛋白的结构
结构性藏着蛋白序列布布来
然后所有的实验室看谁算对了谁
谁预测对了
然后阿ffour的
其实就是googledemand那边根据machinelearning的运作方式来重新做这个问题
因为一般machinelearning其实就是说你有一个input
一个output
进出产出这个问题其实是一个非常定义的非常好的一个进出产出的问题
进出是sequence
产出是结构
第二个要布是machinelearning需要大量的数据
其实生物学界这一块
几十年来做到了
就是说一个是有humangenomalproject
我们现在就有有很多很多的蛋白的基因序列
而且每个蛋白不是只有一个序列
是这个蛋白所有的
在所有的不同的生物体来
稍微变化一点的序列都有做
做的非常多
另一个大的数据库
就是蛋白结构数据库
这也是科学结构
科学家几十年来就是说做的非常好的一块
就是说有几几十万的那个结构已经解过了
而且结构这个结构不是在internet上就说的那类数据
这是所有都是发表过有科别的科学家验证过
非常规范的
非常可信度非常大的
即使这个结构上
有些结构是
呃
可信度更大
有些结构它的信心度更少
其实结构学家也是给你很明白的标出来
这两边都是一个curity特别好的两个数据库
那demand其实就是take
就是atakeadvantage
这两个大的数据库
你如果有一个新的蛋白还没有解数据的
你可以去跟的他在别的就生物体里的相应的那个蛋白序列去对
你去找那些哪些别的蛋白序列跟这个是相似度非常高的
而且它可以做到
就是说如其实蛋白可以分成好几段
每一段其实可能靠一个不同的结构
它可能就说跟别的蛋白的相似度非常高
你有了相似度
然后你就可以去对结构的相似度有多少
大致就是说
这个阿法phfour的就是这样产生的
然后阿法phfour的产生以后
就说它就开始沿着相也competition
就是说每年的这个预测的competition
而且确实他从二零二一年上去以后
大家发觉
就是说他的预测出来结构可行度是相当当高的
即使很多时候
我们在解结构的时候
有些地方数据不太好
其实你以去借助阿fford
就是说预测
看跟那个实验数据相符不相符
而不需要去去每每一个去应解它
是吧
它确实到了
你如果拿一个自然界发生的蛋白
它可以有非常多的预判性
非常高
而且现在可以做到
就是说
它可以预判两个蛋白之间是不是可以互相结合啊
一个蛋白是不是可以跟小分子结合
这个就可能跟制药离得比较近了
因为很多药
其实就是小分子想要去和一个蛋白去复合
或者是和蛋白比较重要的点去复合
如果有了upfor的这个程序的话
你就可以就是说在用运算来scin非常非常大量的
就是说小分子去看哪一个是那个对的
那个是想要的
那现在怎么去思考
还有多远的路
就比如说AI领域去哪里
呃
我们要去哪里
呃 我要做药
制药
你要做药
你可以用阿法for做一些virtualscreen啊
就比如说原先你手工只能做几百个
你在computer里
你可以做几百万个是吧
先筛选到几百个是可以实验做的
然后你再去实验验证
你如果做药的话
你一定还是需要实验验证的
其实有好几步
就说阿法phfor的模型
还是分子模型
但是他不能保证你在细胞里
就是说没有别的东西干扰
细胞里有几万个别的蛋白在那里
你不能保证就是说你这个小分子和这个蛋白的运作在细胞里没有别的干扰
然后细胞这块做完以后
还是要多少组实验动物上去做的
那时候你就有另层的
就说生物的复杂性
所以说
我们要用alphafour的技术去很快的做药啊
或者怎么样啊
这个还很远
就是其实大多数时候
做药
其实最长的一步是patient时代
对对对
patient代里那个个逃不掉的
你alphafourd也是逃不掉的
嗯
然后那是其实最冗长的一步
也是就是说大多数药费用的
但并不是说长生不老
就是离muchlonger
呃
或者说老的很慢的药
你觉得离我们有多远啊
还是说遥遥无期的远回到一个折学问题了
我其实这是我最后最后的问题
因为提了很多都是化学
物理 数学
我还没听到哲学
不过可能现在这这是一个哲学问题
一个哲学问题
先回到科学来说
人衰老的过程
有很大一部分是蛋白折叠的问题
嗯 为什么
其实是这个基因学其实说的很清楚了
我们每个生物体到了性成熟那个时候
他就有一些基因线路被激活
然后这个基因线路最终的打到的那个靶
其实是一个控制所有这些伴侣蛋白的靶
这个靶开了
这些伴侣蛋白就生成的比较多
然后你的蛋白折叠就比较好
把那个靶关上了
伴侣蛋白就低了
蛋白折叠就出问题
新成熟以后
这个靶就开始慢慢的关上了
到你比较老的时候
就是说你细胞里的伴侣蛋白越来越少
保证蛋白折叠能成功的越来越少
所以你蛋白折叠就出现了大量的问题
但是就是说在就是说在小动物里做的很多实验
我们能不能把这个靶的激活
或者用各种办法办法都会有一个结果
你影响了fatlity
你去思考这个问题
现在可以在就是说一些比较简单的动物
比如说这些虫
你可以把基因打掉
或者打到比较低个虫可以以活倍倍虫
你且老了也健康
非常active
不对
arenotphoto
其实就是说
生物界已经进化的时候
已经做了一些对生命周期的一些把控
保证你活到足够长
可以繁衍后代
足够长可以到照顾后代
把就关上了
那你生育好了
看不多这个靶给再打开呀
这个效果就比较少
那你打开这个靶
就说越效果越好
但是越早打
当然会就会影响到别的问题
对
但是如果有些人
有些人他觉得fatlity不是问题
对他来说
那理论上来讲
但是就是说我现在比较朴素的想法
哈 就是说
其实就是说这些老年痴呆症
还有各种各样老年的疾病
他对社会的影响
对每个人生活质量的影响
包括对他所属家庭
嗯
生活质量影响都是特别大的
所以我们的目标其实是
是尽量提高他们最后几年生活质量
我们不可能每个人在年轻的时候就开始去给你做一些
嗯
engineering
去让你活得很长
但是 就是说
当你开始出现症状或者问题
第一是越早诊断越好
嗯
第二是我们尽量把这个循环恶化的这个过程给终止掉
让这个事情不要恶化的那么快
所以就说是保证大家最后几年获得健康
有尊严
所以说
关于这一个topic是属于什么
是属于我们今天的基础研究
可能会起一些作用的
还是怎么我这个parking三十到现在还是没有药的
ltimas最近是有药了
这些药都是FDA
就是说过去几年批准的
专对于造成ltimmer的那个折叠蛋白聚合
针对那个靶作为靶向去打的
而且这些都是不能算效果特别好
但是他们的就是说有一些成功
就说明这个路走的是对的
所以大家其实都是在想
就是说我们能不能做出更有效的药物来
现现在DDA批准的那些药
其实都是以抗体为基础的
我是根据我们的实验结果
觉得我们可以试一试用伴侣蛋白去做
因为伴侣蛋白
其实是就说他天生就是干这个事儿的
其实应该比抗体的效果更好一些
大家都是在想办法
好的 好的
那个很期待
最后我们讲一讲未来这个浪潮对于比如说今天的年轻人
对他的影响应该是什么
他应该比如说更多的选一些什么东西学习啊
或者说我们未来的教育
教育会是怎么样
就是从或者是你这个领域
而是更加广的
那个
你有什么思考吗
我说几句
就说老邪究的话
我觉得很多的教育
或者很多学生走过这个教育的程序
是有一些功利性的
现在其实是应该想一想教育的最根本的几个事情
我一直觉得就是说教育最大的体是要养成一个人学习的习惯和态度
事情上是有很多的好奇心
觉得你就是说去想这些事情为什么发生
对你来说是一件很很快乐的事情
这样就说你不是觉得这个学习是一种负担
或者是一件很苦的事情
如果这样的话
你是你一辈子都是有不断的学习的机会的
和上进的机会的
你也可以就说是更好的去适应这个社会很多很多的变化
因为现在有II
下下一还不不知道什么呢
嗯 很多 嗯
问题都会发生的
第二件 其实
我觉得
其实AI其实是简化了很多事情
嗯 因为原先
嗯
比如说你人需要去花很大力气去做的事情
现在就是说你pushabuttonresortcomessomething
这个我们其实人类历史上
或者就是说最近几十年
其实发生很多了
先是有计算器
最开始比如说这些结构都是大家手解的
就是说结构学家靠运算给算出来的
然后就有人写了这种package
然后现在大家其实把实验数据直接输入这个package
然后就出来了
我觉得在很大程度上
一个是就是说做什么事情都方便了很多
第二
其实是有一些危险的
因为你没有经过这个过程
你并没有明白这个进入和产出这个过程是什么
其实对这个事情没有很深入的了解
这样是会影响你以后再接着往下去去走的
比如说就是说现在的结构
做结构的学生
有些学生还是很认真的自己手解一遍结构
即使他大多数接下去的时候
他都是用计算机解了
他对这一行的就是说很多的认知
要比不去画这个时间的学生要多
要 要高很多
对吧
然后他也有足够的深度可以让他往继续往下走
到现在为止
大多数AI还是特殊AI
不是generalizeAI
你有没有这个感想
你的generalize是什么定义啊
很多时候
我们人的能力
最主要一点
它是一种综合能力
最强的一项是我们碰到没有碰见过事情
我们会根据过去的一些经验
或者一些那再去预判
就说做一些决定
这个其实和计算机现在的AI情况还是很不一样的
那就是说学习的时候
我觉得还是要不要把学习当成一个输入产出的过程
这个题来了
我把这题解了就完了
仔细的想
这个说的是是什么
是过程
我们对中国人有很多是语言言说
这件件情情做融
融会贯通
举一反三
触旁通通
说的就是都是一样的道理
比如说就是说你如果完全理解了这个原理的话
你是可以去推很多很多东西的
不是现在阿尔forfour之类的AI现在做的
然后尽量不要把自己就学的变成一个AI那样的
只要把自己述职的变成AI
我觉得这句话
看
这个题下来
就是做题
然后去考
去考试
刚才单教授你说的两个大的点
一一个就是学习的本身就是一个过程
一个态度
一个方法
另外一个就是能够在学某些方面
某一个学科的时候
能够举一反三
融会贯通
如果能够把这
其实这个是我们学习的本质
不要学成一个AI进去输入输出这样子
对 对 因为
因为很多时候
在学生在学校里
他要考试
然后你要做作业
希望你要做作业
希望你做作业跟考试差不多
然后你考出来也差不多是吧
这
我很多时候觉得这个很可怕的
因为这其实就像是个machinelearning的过程
作业是ddata
然后老 老师
那这个老师的东西是个产出
多一些好奇心
就说你要你
你要有这个态度
就说你做作业是为了老师
你学习是为了你自己
对
你要想要学到多透彻
多深
其实都是你自己的选择
我特别喜欢你那句话
就是不要学成AI
呃
至少是我们今天知道的AI
我
我觉得是非常有感触
对
反正从一个大的方向上来讲
我就是想听
就是 哎
这个教高等教育对吧
collegeeducation
会不会因为AI教的东西很不一样
或者是教授的方法非常很不一样
这是我的一个最想听你的一个看法呀
其实这个是我们都没有想完的问题
就是说
在AI的状况下
就是说那个学生可以去学AI的课
这个是没有问题的
但是就是说别的课是不是要做一些调整
然后调整方向是什么样
其实这个大家其实都是还没有想完想清楚的一件事情
一方面你可以说
因为有AI的
其实学生什么都不需要去特别去记
进入产出就可以了
但是就是你不觉得那样出来的学生他是没有竞争力的吗
另一种就是说
其实是要求
对学生的要求更高一些
就是说你不要既然有AI可以做输入产出
你就不要人工去做这么多输入产出
你学的更深一些
你要弄懂这个为什么是这样的
原理是这样的
这样可以帮助你以后知道怎么样更有效的运用这些知识
知其所以然的学生
可能或者说同学
以后会更有竞争力
如果你只是机器人的话
AI也能机器人
你好 好的
今天也跟你聊了很久
非常高兴有机会跟单教授聊一聊
不管是你做的学科也好
精力求学
然后带博士
我之所以就像我说的
几个月前我想到要来要来采访
其实我两三年前就想到
因为当时我们采访了我们的同学
任宇翔同学
我在想 哎
我们还有一位学霸当中学霸需要跟他聊一聊
所以说
非常谢谢你的时间啊
谢谢你
好
谢谢我们的科早的听众观众
拜拜
好
那这次其实想跟大家来聊一个我们最近忙了好长一段时间
在香港举办的一个闭门的研讨会
其实这个会我们筹划了大概有三四个月的时间了
因为在从shagBT出来到现在
其实整个的AIGC行业
其实经过了这个很多的upsetdance
在最近我感觉是经历了一个特别一个低谷的一个状态吧
我跟很多硅谷的朋友聊天的时候
大家都觉得很多的应用其实是没有落地
很多这个产品其实是没有商业化的
但是我同时又发现
其实有很多的创作者对这些工具还是不太了解
然后反过来
很多的科技行业的从业者
或者是AI产品的产品经理
他们其实对创作者他们的诉求啊
或者他们的一般的这种workflow
其实是知之甚少的
所以我们想说
我不如在一个合适的时间
合适的地点
我们把大家放到一起
然后我们看看能不能让大家一起来迸发出很多的新鲜的idea
创意的火花等等
所以我们的办了这样的一个闭门的讨论会
对
我们的合作伙伴ultra
他是美国迈阿密的一个非常年轻化的电音节
然后深受美国的年轻人喜欢
那这一次也是在香港第一次落地面向大众来举办这样的音乐节
所以我们还是挺幸运的
能够在电音节的前一天
我们来开闭门讨论会
所以可能在这样一个场合
我们去聊AI
它究竟会对未来我们的内容创作
包括音乐
包括文字
包括影像的制作会发生什么样的影响
我觉得都是一个特别好的契机吧
所以
在九月十三号这半天的活动当中
我们是邀请非常有限的
已经在这个领域当中比较前瞻性的创作者
科技从业者
还有是投资人一起来讨论这个话题
希望能够讨论的比较深入吧
我觉得这里先跟大家剧透一下我们邀请了一些什么样的人吧
我自己还是有几个嘉宾
我还蛮兴奋的
想跟他们一起聊聊天的
比如说是simonmarine
他是一个英国的编剧以及制作人
可能这个名字大家不太熟悉啊
就如果提到这个犯罪心理
可能大家就知道他是谁了
在创作领域
还有我们国内还是挺熟悉的科幻作家陈秋帆
他也是我们的好朋友了
所以也会过来
还有一位嘉宾
他叫jone
他是唯一一个获得了国际的AI电影节目
叫做AIFbybrownway
制作了不少这个AI的MV
包括在去年年底的刘德华的一部电影
叫做潜行
然后他就把刘德华和林子祥他们两个一起合唱了一个广东的经典歌曲
叫做南为政协定分界这样的一首歌曲
然后他制作了一个AI的MV
当然了
还有我们的一些参会的朋友
在科技领域的一些大厂
像是google啊
然后还有一些场啊
像美图啊
对对
微软
还有一些惊奇秀秀
像minminimax啊
还还有像剪映这样子的工具吧
也是与此同时
我们也会有一些相关的学者
因为这个领域非常的前沿
所以学者们究竟是怎么思考他可能会对我们个人还有整个社会带来的影响
我觉得这一部分也挺重要的
所以我们请到的学者有包括经常做客我们声东击西的方可晨老师
香港大学的马金星老师
香港进会大学负责medialab的负责人也是一位教授
是johnypem
我们把这些非常前沿的
而且是属于各个行业的人聚集到一起
其实我们也是希望有一个跨行业的讨论
因为我们觉得AI对整个内容生产的影响
他不只停留在技术领域
他也不只是停留在内容领域
它其实是一个会发生一个非常混搭的奇妙的化学反应的一个趋势吧
相当于是在这一部分
我们又会分成三个方向来谈
当然
最最直接的就是我们会让这些已经在使用AI的创作者们去聊他们已经开始怎么创作
他们创作了之后
会发现自己跟AI的关系究竟是怎么样
因为的确我也听到一些技术领域的工程师也好
前沿的创业者也好
他们其实会困惑说创作者想要怎么去运用AI
或者是创作者说我究竟应该怎么运用AI
我感觉这一部分
可能我
或者是我们普普通通很多人都可以从这一部分受到启发
那第二部分
其实我更加想要讨论的是
这整个行业
就内容生产的这一整个产业链
以及他的商业模式
必定是会被颠覆的
我们会看到很多平平台可能被AI这种互动的界面被跳过去
可能用户是直接可以去去获得非常个性化的内容
那是不是背后的这种整个的内容生产的产业链会发生一个巨大的变化
商业模式也会发生巨大的变化
所以这个也是我非常想要去了解的
所以在这一部分
我们也会有产业界
也会有学界
然后有内容上下游的人来讨论这一个部分
那第三个部分
其实是可能会略微有一点点上升到了哲学层面的一个探讨
是因为我们会发现
大家已经跟AI会有类似于跟叉GPT的demo是在谈恋爱啊
或者在characterAI上跟自己喜欢的虚拟人物在聊天
而且这种感觉是非常非常真实的
那当generativeAI它涉及到这个部分
它是不是会产生更大的共鸣
它会让我们怎么去认知我们跟AI之间的关系
同时反过来这些内容怎么让我们重新去认识我们之所以为人的自我的认知
我觉得这个部分其实是非常有意思的
可能这个部分会稍微的大而无当
但同时也会非常的会具有启发性吧
对
我觉得当然无当其实也是必要的
你先想
我们现在有多少的已经有的科技
我们享受到的这些产品
是来源于我们的几十年前
甚至是更早的一些科幻作品
对
所以我觉得我们现在这个讨论是非常有意义和非常重要的
所以我们也期待着我们的听众朋友们能够
如果你有特别想要讨论的议题
我们也会在活动现场后续持续的跟这些嘉宾和我们的参会的这些朋友们一起来讨论
那如果你想要提交议题的话
请大家来移步到我们的收no里面
然后看提交议题的链接
我们还挺希望听众能够参与进来
虽然我们这是一个闭门会议
是因为这个领域的确非常非常非常新
而且我们有限的个体
他对这个领域的好奇和想象力
肯定是受到我们过往的经验和约束的
他还是一片旷野
他还没有非常成型的东西
所以听众们可能想到的任何的问题
都会非常的有启发性
有价值
甚至是启发到我们在现场讨论的各个嘉宾
我们也会进一步的做成播客
说不定也会在北京啊
或者上海有线下活动
我们就接着来讨论某个更深入的话题
当然
这次就所有讨论
其实都是用英文来沟通的
所以到时候我们也看怎么样能够有更好的形式来把这样内容传递给大家吧
那这次其实也是特别感谢我们的两个赞助商
一个是合作了蛮久的创新高品质的三c数码品牌图拉斯
以及新的朋友是鹰牌花旗参
他们也是一个非常好的品牌了
还有我们的国内的有一些一线的AI媒体朋友们
然后包括founderpark
虎嗅和十字路口等等
也谢谢大家的支持
嗯 对 好
那大家就在我们的shownotes中点击链接
然后抛出你们的问题
谢谢大家
嗯嗯
那我们下次节目再见
再见
嗯
这就是我们今天的wortsnext科技早知道
欢迎大家在评论区和我们留言互动
加入到科技和创新的下一步讨论中来
另外
如果你想支持我们在播客内容上的探索和创新
欢迎大家加入我们的生动胡同会员计划
详细的加入方式和信息请查看本期节目的生no
那我们下期再见