【中原经济网讯】36岁的他最近闹出大新闻。
据报道，一名前美国国家航空航天局（NASA）研究人员自己设计了一套基因疗法，试图通过注射一种抑制左臂肌肉发育的蛋白质将其去除，从而获得超强臂力。 有媒体声称，这是世界上第一例被官方披露的转基因人类案例。 他表示，相信随着基因工程技术的普及，人类将进化成新物种。
“像绿巨人和金刚狼这样的超级英雄会成为现实吗？” “双眼皮、高鼻梁……微整容会变微整形吗？” “你将来能成为多‘好’的人，就看你有多少“钱”……记者随机采访的读者们想象力非常丰富。
与吃瓜群众的反应相比，科研人员要冷静得多。 “我觉得这种做法比较煽情。” 一位不愿透露姓名的生物领域研究人员告诉科技日报记者。
“这是一件非常有趣的事情，它让高水平的生物技术走进了大众的视野，但这个人的行为更多的是为了制造新闻，或者是一个噱头，而不是严谨的科学研究。” 中国科学院微生物研究所研究员楼春波也认为。
“他所做的事情目前在技术上是不可行的。” 合成生物科技公司联合创始人兼首席技术官张浩前博士告诉科技日报记者，从报道来看，是将（一种具有基因编辑功能的蛋白质）注射到肌肉中进行基因编辑的肌肉细胞。 然而，蛋白质在人体组织中的扩散、吸收和功能执行是基因编辑研究的热点和难点问题。
“此前，受精卵的基因编辑是在单细胞上进行的，可以通过显微注射完成，但复杂组织的基因编辑通常只能借助人工改造的病毒来实现。 病毒介导的基因编辑在临床实践中非常重要。 目前使用还是非常谨慎的。”张浩前说。
“而且，之前的研究表明，去除这种蛋白质只会让肌肉看起来有所增加，但力量却不会增加。” 张浩谦补充道。
正如楼春波所说，许多爱好者，包括许多科学家和工程师，都在致力于生物研究的民主化。 他们试图将生物技术标准化和模块化，以降低研发壁垒。 他们希望对包括人类在内的生物进行基因改造，以期改善人们的生活质量和环境条件。 这群人就是近年来进入公众视野的“生物黑客”。
一些人对生物黑客所做的事情感到高兴，想象有一天任何人都可以根据自己的需要设计新的生命形式，以生产廉价药物或清洁燃料。 但许多学者对此表示担忧。 他们担心未经授权的业余生物学家可能会释放新的病原体或造成其他无法控制的风险。 “这个群体大部分处于监管范围之外，对他们的道德约束也不够强超级人类科技，所以这类研究的风险可能比常规科学研究要高很多。” 楼春波相信。
正规科研体系内是否有针对“超人”的研究？ 张浩谦表示，目前还没有听说过。 “所谓的‘超级人类’是一个非常遥远的想法。”
上述不愿透露姓名的人士表示，目前基因改造研究主要集中在疾病治疗上。 “如果我们能够通过随意修改基因来改变自己的形态，从进化的角度来看，人类确实会成为一个新物种。” 他认为，现在的关键不仅仅是修饰基因的技术问题，而是生命科学领域对基因功能的理解。 研究仍处于起步阶段。 例如，每个人的基因组背景不同，如何预测不同基因组背景下基因变化的影响等。
“人类改造自身的动力决定了我们会走到根据需要修改基因这一步。” 他分析道，“但要真正造福人类、被大众接受，还有很多科学技术问题，特别是伦理问题需要解决。”
“基因改造，主要是基因治疗，确实有很大的潜力，但大家还是担心副作用，它的安全性、风险等问题还在研究中。” 楼春波说道。
预计实验结束后，他的左臂肌肉细胞的DNA将会发生变化。 不过，他也承认之前没有进行过实验来证实这一点。 他说他对左臂肌肉变化的可能性“持怀疑态度”。
记者 曹秀英
《麻省理工科技评论》近日将“DIY基因疗法”列为“2017年七大失败技术”之一。 （科技日报北京1月3日电）
21世纪经济报道记者 李岚清 上海报道
自人工智能诞生以来，关于AI能否取代人类的争论就从未停止过，而生成式AI的兴起更是加剧了公众的焦虑。
作为机器学习领域的领军人物，I.在机器学习领域工作了近30年。 他是真正将机器学习应用于特定学科模型的先驱之一。 他是人工智能领域唯一的美国科学院院士和美国工程院院士。 ，美国艺术与科学院三院院士。
“人工智能只是一个新的工程系统。” 9月7日，在上海黄浦区举行的外滩大会上，我表示，人工智能的本质是集体，而不是个体，他不相信人工智能会取代人类。 ，具有普遍性、公平性、公正性、透明性、稳定性。
“如果被问到，你确定你刚才写的是什么吗？它根本没有回答问题。” I.指出不确定性无法量化，而人类非常擅长处理和传达不确定的信息，因此人类需要解决这个问题。
我提到，当谈到技术的演变时，市场会担心人工智能和机器会催生超级计算机并取代人类。 不过超级人类科技，他认为人工智能的本质是集体的，而不是个人的。 更重要的是设计一个协作的、去中心化的系统来实现集体智慧，帮助人类更好地应对日常生活和世界的不确定性。
“我认为关键点并不是所谓的奇点，迫切需要解决的是如何应对AI系统中的不确定性。” 他说。
系统偏差是人工智能应用中的另一个痛点。
一、以医学领域Aipha Fold对蛋白质结构的预测为例。 机器预测的所有预算执行区间总共有2亿个数据点。 这个预测值的执行区间是非常可靠的，但是最终的预测结果却是完全错误的。 ，与实际观测到的科学数据相差甚远。 即使20年后，该系统仍然无法达到实际观测的效果。
“如果不使用Aipha Fold，科学实验的效率不会高，如果使用，则会出现很大的误差。” I.说AI需要与科学家的人工观察相结合，以避免系统性偏差。
“我认为AI不会取代人类，它只是一个新的工程系统。事实上，技术是一个非常好的工程系统。它具有普遍性、公平、公正、透明、稳定。这些都是工程系统的特点。”而不是个体特征。” 在他演讲结束时，我说道。
