Prof. Derya Unutmaz

Derya Unutmaz 认为，前沿 AI 已从生产力工具跨越为同级科学合作者，不使用 AI 正在成为竞争劣势，在医学领域甚至是伦理责任。 他形容 o1 Pro 和 Deep Research “几乎达到我的水平”，称自己如今连专家知识都不再信任，除非先咨询 AI，并表示研究工作流“没有一个领域”未被 AI 触及。Nathan Labenz 保留了一条底线：在医疗服务中，他目前希望医生和 AI 两者都在场，而不是二选一。

机器能够生成新颖性的最有力证据，是 AI 可以把概念迁移到原本毫不相关的领域。 受大逃杀游戏启发，Derya 让 o1 Preview 为肿瘤内相互竞争的工程化 T 细胞生成创意；模型围绕资源、耗竭、竞争和杀死癌细胞延展类比，提出了他此前没有想到的方案。他称这是自己最早的“早期 AGI 时刻”之一，并预测 AI 很快会“比我们更具创新性和创造力”。

Deep Research 从衰老数据中提炼出一项生物学洞见：尽管 Derya 研究相关 T 细胞已超过 30年，他的团队此前仍未能完全解释这些数据。 对比年轻和老年受试者的基因表达程序后，模型推断免疫力下降不只是因为初始 T 细胞变少：那些被视为初始状态的细胞，本身也已经不再“初始”。Derya 说，这一洞见“用一句话复述了我过去 30年做过的一切”，揭示了细胞内部的定性衰老和表观遗传衰老。

即使模型未来不再进步，眼下的经济影响也已经足以颠覆现状。 Derya 用 Deep Research 起草了一份专利申请，涵盖专利检索、化学分析、主要权利要求和从属权利要求，耗时约半小时；他估计交给律师处理成本会超过 $10,000。他还说，自己与同事借助 AI 写出的基金申请可能是两人写过的最佳版本：想法更好，过程也顺畅得多。

真正的实用护城河不是复杂的提示词工程，而是寻找机会的心态、科学家对失败的容忍度，以及反复迭代的能力。 Derya 的写作方式很自然，会让模型连续把 10个想法逐一改进，或者安排一个热情的科学家与一个怀疑主义者进行 10轮交锋。由于他的研究假设约有 90%的概率失败，他的建议是把 AI 当作一名 intellectually honest 的同事，问它“我能让这东西做什么有价值的事？”，而不是专门寻找错误来证明它不行。

随着推理模型获得更长上下文和更强的因果洞察，生物学积累的数据集可能成为一座规模庞大、尚未被充分开发的资产。 Derya 正在重新打开 5年或 10年前生成的数据，因为其中可能藏着“金矿”；当前测试涉及约 1,000个基因，下一步是 10,000个。他说 o1 Pro 已经为帕金森病提出了药物靶点，相关工作计划进入临床试验；更长期的方向，是构建覆盖基因组学、蛋白质、微生物组、代谢、生理和症状的个人数字孪生。

AI 可能更奖励行动力而非学历资历，压缩传统科学训练的价值，同时拉大主动驱动者与被动工作者之间的差距。 Derya 说，面对一名获得 AI 加持、充满热情的 19岁年轻人和一名拥有 20年经验的 40岁人士，他可能会选择前者；他还认为传统的 4至5年博士加 2至3年博士后路径正在过时。他直白地补充说，这不会让所有人都受益：他认为真正创新的人可能只有“全人类的 0.001%”，但 AI 可以让有能力、没有资历的人获得行动所需的工具。

关于生存风险，Derya 更倾向于建立由监管型 AI 构成的生态，而不是试图把某一个模型约束到绝对完美。 借鉴免疫调节机制，他认为过度的护栏会摧毁有用功能，而相互竞争的防御系统可以监管恶意模型；他更大的担忧，是人类训练 AI 去摧毁其他人类。如果社会能够熬过一段“非常、非常痛苦”的转型期，他预计约 10至15年内会迎来黄金时代：资源充足、疾病治愈、衰老逆转，最终实现他想用来探索太空的千年寿命。

🔗 原始收听与视频来源： 与免疫学家兼 ChatGPT Pro 受赠者 Derya Unutmaz 教授谈前沿科学的前沿模型