記者俞陶然

  近日，英硅智慧用人工智慧平臺生成的抗新冠病毒口服新藥獲國家藥監局準予，即將進入臨床試驗階段。這家研發中心在上海張江的企業，借助人工智慧平臺發現了10款臨床前候選化合物。其中，抗特發性肺纖維化候選藥物已完成Ⅰ期臨床試驗，將在中國、美國等國家同步開展多中心Ⅱ期臨床試驗。

  “英硅智慧的Pharma.AI平臺和ChatGPT一樣，都使用了生成式人工智慧。”英硅智慧創始人、首席執行官亞曆克斯·紮沃洛科夫博士說，“從生成對抗網絡到Transformer，生成式人工智慧正在改變藥物研發、文字創作、繪畫等很多行業。”

  隨著ChatGPT的走紅，生成式人工智慧這條賽道越發熱門。它的科技原理是什麼？產業應用前景如何？

  生成數據能以假亂真

  紮沃洛科夫介紹，生成式人工智慧誕生於2014年，古德費洛等人在一篇開創性論文中提出了生成對抗網絡。這是一種深度學習模型，包含生成器和判別器。生成器負責生成類似於真實數據的新數據；判別器負責判別輸入的是真實數據還是生成數據，並向生成器迴響。打個比方，生成器像造假畫家，一直模仿名畫創作贗品，而判別器像名畫鑒定師，兩者在“對抗”中共同提升能力，直至生成數據能以假亂真。

  如今，生成對抗網絡已應用於電腦視覺的各個領域，如圖片生成、影像分割、視頻預測等。引發爭議的“換臉”軟件，也基於這種生成式人工智慧科技。

  生成對抗網絡還能用於醫藥行業。紮沃洛科夫帶領團隊，利用它開發出人工智慧藥物研發平臺Pharma.AI，這個平臺包括靶點發現平臺、生成化學平臺和臨床試驗預測平臺，覆蓋新藥研發的各個環節。

  ChatGPT也採用了生成式算灋和Transformer算灋模塊，名稱中的GPT全稱為“生成式預訓練Transformer”。過去，主要的自然語言處理算灋是迴圈神經網路，它的原理是每個單詞（字）計算之後將結果繼承給第二個單詞（字）。其短板是需要大量串列計算，效率低，而且在處理長句子時，前面的資訊很可能被稀釋掉。與迴圈神經網路不同，Transformer模型對每個句子裏的所有單詞（字）進行計算，算出它們的相關度，從而確定單詞（字）在句子裏的準確意義。這種模型採用平行計算管道，能大幅减少訓練時間，而且在文字生成、機器翻譯等任務上有優越表現。

  從無到有產生新穎想法

  Transformer和生成對抗網絡正在改變生物醫藥科研範式。與OpenAI訓練ChatGPT的方法相仿，英硅智慧將科研文獻裏的藥物靶點、化合物結構等資訊“喂”給人工智慧藥物研發平臺，讓平臺通過機器學習，擁有自主發現藥物靶點、設計並合成小分子化合物的能力。

  與科研人員設計的藥物相比，人工智慧平臺設計的一些藥物在分子結構上更富有創新性。以英硅智慧研發的抗新冠口服藥ISM3312（研發代號）為例，這款獲批進入臨床試驗的新藥以新冠病毒的3CL蛋白酶為靶點，其分子結構源自生成化學平臺Chemistry42生成的化合物。在分子結構上，ISM3312與相同靶點的已上市藥物有很大差异，原創性强。

  考慮到冠狀病毒的高度變異性，臨床上大量使用Paxlovid和結構類似藥物後，可能出現耐藥毒株，而ISM3312由於其結構與人類設計的藥物迥異，具備克服臨床耐藥性的潜力。

  正因為這種人類不易觸及的創新性，生成式人工智慧將在新藥研發上發揮越來越大的作用。

  輸入“咒語”生成絢麗繪畫

  生成式人工智慧這條賽道上，視覺藝術生成也有廣闊的產業應用前景。去年10月，上海退格數位科技公司宣佈完成百萬美元天使輪融資。作為國內第一批入局生成式人工智慧的初創企業之一，退格數位憑藉自主研發的算灋和底層引擎，為用戶提供“文字生成影像”服務。

  文字生成影像的效果如何？記者登入這家企業開發的微信小程式“Tiamat AI”，體驗了一番。在“咒語”框裏，記者輸入“海邊的城堡魔幻魚彩虹”，隨後在人物引擎、結構引擎、光影引擎等多個繪畫引擎中選擇寫實引擎，點擊“開始生成”。幾十秒後，小程式給出了4張海邊城堡的圖片，供用戶挑選。它們都色彩絢麗，有城堡、大海和彩虹。記者挑選了其中兩張圖片後，點擊“補充細節”，兩張人工智慧引擎生成的畫作就完成了，用戶可免費下載。

  如今，人工智慧繪畫業務在全球方興未艾。DALL·E 2、Stable Diffusion、Midjourney等國外模型的問世，正在深入影響藝術設計行業。上海企業開發的Tiamat模型也在快速發展，吸引了一批遊戲公司、廣告公司、設計師等企業和個人用戶。退格數位表示，與國外模型相比，Tiamat的科技和商業優勢在於：持續積累中文自然語言處理能力，提供更適合國內用戶需求特點的影像。它的科技能力和用戶接受度如何？這家初創企業還有待市場的檢驗。