本文摘自雷锋网，原文链接：https://www.leiphone.com/category/aihealth/z9IFCKciZbNjmi6n.html，侵删。
以ChatGPT为代表的AIGC技术，彻底点燃了市场热情。
前不久，腾讯研究院发布《AIGC发展趋势报告2023：迎接人工智能的下一个时代》指出，AIGC的商业化应用将快速成熟，市场规模会迅速壮大，预测将率先在传媒、电商、医疗等数字化程度高、内容需求丰富的行业取得重大发展。
与此同时，诸多国外商业咨询机构更是直接给出数据：未来五年10%-30%的图片内容由AI参与生成，2030年AIGC市场规模将达到1100亿美元。
星星之火，可以燎原。早在五年前，AIGC还籍籍无名。它有一个相当拗口的名字--AI生成虚拟内容。以2018年的视频换脸技术Deepfake为代表，“AI伪原创”一词，便从那时传开。
随着深度学习的发展，AIGC逐渐渗透在图像、视频、CG、AI训练数据等各类领域，人们对于这一技术的期望也逐渐丰满。
时至今日，AIGC技术能否用于计算生物领域的新引擎，医疗健康赛道何时迎来新型基础驱动力，成为时下产学研各界的共同关切。
近日，由雷峰网GAIR Live&《医健AI掘金志》举办的《ChatGPT的一把火，能否烧到AI生命科学界？》线上圆桌论坛落幕。
本次论坛，由中国人民大学数学学院龚新奇担任主持，中国科学院深圳理工大学（筹）计算机科学与控制工程学院院长潘毅、百图生科首席AI科学家宋乐、深圳湾实验室系统与物理生物学研究所资深研究员周耀旗、分子之心创始人许锦波，天壤创始人薛贵荣参与讨论。
在上篇中，几位嘉宾共同辨析“AIGC”这一概念，探讨生命科学界中的哪些成果属于AIGC，以及ChatGPT在生命科学领域中可能实现的任务。
在下篇中，将分别探讨AIGC为生命科学带来的可能性与其自身局限，以及中国能否在应用场景上快人一步，实现技术落地与产业转化。
“全球人工智能与机器人大会”（GAIR）始于2016年雷峰网与中国计算机学会（CCF）合作创立的CCF-GAIR大会，旨在打造人工智能浪潮下，连接学术界、产业界、投资界的新平台，而雷峰网“连接三界”的全新定位也在此大会上得以确立。
经过几年发展，GAIR大会已成为行业标杆，是目前为止粤港澳大湾区人工智能领域规模最大、规格最高、跨界最广的学术、工业和投资领域盛会。
GAIR Live作为雷峰网(公众号：雷峰网)旗下视频直播品牌，旨在输出新鲜、深度、原创的大咖访谈与对话内容，打造辐射产、学、研、投的特色线上平台。
以下是主题论坛的现场内容，雷峰网《医健AI掘金志》做了不改变原意的编辑和整理：
“AIGC+生命科学”的热度，不能随便蹭
龚新奇：继UGC、PGC等形态之后，你们如何看待AIGC的概念？在这一概念走红之后，不少团队都在宣称入局AIGC。在各位看来，AI生命科学的哪些成果，可以称之为AIGC?
潘毅：PGC，是指专业人员队伍产生的内容；UGC，是使用者生产内容；AIGC是用AI系统来产生的内容，也就是软件产生的东西。GPT，Generative Pre-trained Transformer，相当于一个专门的、特殊的AI系统，应用性更广泛的general系统。
比如，我们告诉它几个关键词，小桥、流水、春天、树叶，它就能生产一篇美妙的文章；告诉它画里面有古堡、城市，有桥有山有水，它就产生相关的画面。因此，目前由AI生成的内容已经比较广泛。
实际上，很多公司可能以前就已经介入AIGC。
举个例子，AlphaFold也属于AIGC。因为AlphaFold无非是输入一个序列，据此生成一个预测结构，其原理与ChatGPT根据输入的词汇生成一篇文章是相似的。
此外，网络关联技术也属于AIGC，比如基因与疾病的关联、药物与疾病的关联、数字与target（靶标）的关联等等，很多人就是利用图神经网络找出其中的关联性、规律。目前最典型的就是旧药新用，找出旧的药物与新的疾病之间的关联。
其中的原因是什么？我们可以通过输入旧数据产生新的图像，使节点之间产生新的连接，这就是AIGC。
现在很多研究团队要进入AIGC的想法是可以理解的，但是如果要利用GPT来阐释内容，我觉得还很多小公司还做不到，目前来看还早了一步。
因为只有技术和算法是不够的，还需要有“三部曲”作为支撑：大数据是否能拿到，资金是否足够，算力是否充足。三者缺少任意一样都无法做到。
所以我更倾向于，大家不一定马上实现GPT的应用。当然，我们在生物信息中用现有的GPT来完成一些任务是可行的。
比如在生物信息中，我们原来用的是text mining（文本挖掘），但是无法得知癌症等疾病具体与哪个基因有关系，只能依赖于手工操作完成许多工作。
但使用GPT，在其中输入一个基因词和一个疾病的名称，就可以挖掘出其中的关联，每一种疾病与每一个基因词之间的关联度都能够在GPT中反映出来。
现有的ChatGPT主要是为对话服务的，暂时还做不到为专业的生物信息领域的问题服务，所以我们今后要研究自己的GPT，技术、算法采用GPT的idea来做，但数据范围要缩小，专注于Bio，即BioGPT。
我们的数据要集中在疾病、蛋白质、基因、RNA等范围内，研发基于生物信息的算法，从而减少存储器与算力的需求，降低企业的开发门槛。
宋乐：首先从模型上来说，我也同意潘老师的见解。很多情况下我们在做深度学习的时候，预测的是一个比较简单的分类或是一个回归的任务，也就是一个值或一个概率。
但Generative model预测的是一个更大的东西，可能是整个图片或整个句子，而且它不仅仅是预测一张图片、一个句子，而是通过采样的方式生成一组图片、一组的句子，不断地生成新的内容。
生成模式实际上是基于条件生成内容，比如输入某些元素之后，根据这些元素生成一个对应的图像。其特殊之处在于可以不断地采样，从而每次输出不同的结果。
AIGC需要依赖大量的数据和算力，目前在生物领域中，成本上也达到了临界点。
从数据的层面来看，我们现在有亿级甚至更多的蛋白质序列，可以基于十亿、百亿甚至千亿级规模的数据进行训练，同时采样新的蛋白质，就可以生成各种各样的蛋白质。
同理，除蛋白质之外，其他生物领域的数据也达到了这一规模，例如，单细胞测序每次能将一个细胞中的两万个基因的表达量都测出来，借助这一技术，人们对几亿个细胞都做了测序，上亿规模的数据都可以作为细胞内基因表达的预训练模型。
基于预训练模型进行自然语言等下游任务的预测，甚至是基于一部分的基因表达恢复或生成另一部分的基因表达，都达到了数据的临界点。
刚刚我提到的这些模型，其参数也可能是亿级、十亿级甚至更大级别，所以需要很多的GPU，以并行训练的方式进行长达数周甚至数月的训练，模型拟合大量数据之后，生成的东西特别自然，像是原数据集里的东西，这对蛋白质设计、细胞表征、细胞扰动的反应、制药问题等等都是很大的推进。
从模型的提升到具体落地还有一段距离，但是我们已经看到了曙光，看到一个清晰的前进方向，可以将其与湿实验结合落地，进行AI药物研发。
相关阅读 >>
全新骁龙x70调制解调器及射频系统发布，引入全球首个5g AI处理器
vAIo sx12 笔记本勝 (shèng) 色特别版亮相：日本工艺
更多相关阅读请进入《AI》频道 >>
