Builders Unscripted: Ep. 5 - Derya Unutmaz

**TL;DR:** 免疫学家德里亚·乌努特马兹（Derya Unutmaz）讲述了他如何从医学背景出发，利用 OpenAI 的 Codex 和推理模型构建复杂的生物学模拟应用，并展望 AI 驱动的“虚拟细胞”与数字孪生。 ## 从医学到 AI：早期觉醒 德里亚·乌努特马兹拥有医学和生物工程双重背景。他回忆，医学院毕业时第一次意识到生物学需要人工智能。“生物系统中有数万亿个不同的组成部分，每秒发生数十亿次反应，这看起来非常庞大。”早在 90 年代，他就尝试用 AI 编程，后来深度学习革命、AlphaFold 和 ChatGPT 的出现让他更加兴奋。 ## 推理模型带来的转折 ### o1-preview 的初体验 2024 年 9 月，OpenAI 邀请乌努特马兹测试第一个推理模型 o1-preview。他给出一个关于免疫学与游戏结合的提示：“想象一下，如果你把大逃杀游戏和免疫系统结合起来，你会如何设计一个场景，让免疫细胞对抗癌症？”o1-preview 的回答让他“几乎情绪激动”。他认为这是 AI 对科学来说变得不可避免的时刻：“当它开始推理时，你得到的东西变得与科学极其相关。” ### 从 GPT-4 到更深的信任 此前 GPT-4 已经能处理文献搜索、写作推荐信等日常任务，但不足以回答“这个实验的结果会是什么？”这类问题。o1-preview 标志着信任的飞跃，而后续的 Pro 版本和 o3 则进一步提升了能力。 ## Codex 成瘾者的日常 ### 从想法到应用：流式细胞术分析工具 乌努特马兹自称“Codex 成瘾者”。他每天早上喝咖啡后第一件事就是让 Codex 实现一个新想法。他展示了一个用 Codex 完全构建的应用：流式细胞术分析软件。该软件能处理数十万个细胞数据点，进行设门、百分比统计、等高线图等复杂操作，运行速度快得令人难以置信。“我不是软件工程师，我是生物医学工程师。我不能真正编写代码，可能花几个月才能写一个贪吃蛇游戏。制作这些应用曾经像是一个梦想。” ### T 细胞受体模拟器 他构建了一个模拟 T 细胞受体（TCR）信号通路的交互式应用。用户可以调整配体质量、剂量、抑制分子等参数，模拟分子激活、磷酸化模式，并预测通路变化。“这不仅仅是可视化数据集，这是一个完整的应用，你构建它来识别每种特定细胞和场景在浏览器中的输入和输出。” ### ImageGen 与 Codex 的创意融合 他用 ImageGen 2.0 生成了《自然》杂志风格的免疫图谱封面，随后让 Codex 将其变成交互式网站——细胞会动画化，点击显示详细信息（如记忆细胞、效应细胞），甚至模拟 PD-1 阻断对癌症治疗的影响。 ## 未来愿景：虚拟细胞与数字孪生 乌努特马兹认为 AI 将对生物学产生巨大影响，尤其是模拟复杂生物系统。“在造飞机时，你会先进行模拟。但对于生物学，我们没有这个。”他的目标是构建“虚拟细胞”，最终模拟组织和完整人类的“数字孪生”。这需要更强大的计算能力，他半开玩笑地敦促：“你们最好投资发展这个。” ## 结语 从医学院到癌症免疫学，从推理模型到 Codex 构建的日常工具，德里亚·乌努特马兹正以科学家和创造者的双重身份，推动 AI 与生物学的深度融合。他的故事展示了 AI 如何让一个非软件工程师也能将想法快速变成可运行的应用，并探索未知的生物学前沿。 **Source:** https://www.youtube.com/watch?v=4sexN3yE8xg