AI 从 20 万个序列里翻出一个新酶,人只干了 2 件事

我这两天刷到一条消息，第一反应是"又来了"，第二反应是把通稿和论文原文都读完了。读下来发现，这条新闻的价值，恰恰藏在通稿没放大的地方。

这个号专门拆普通人用得上的AI机会，把科技圈的大新闻拆开，告诉你哪部分是真的、哪部分是话术、你明天能用上什么。今天这条，就是最好的样本。

当地时间9月23日，Anthropic宣布成立生命科学研究组，还在旧金山湾区建了自己的分子生物学实验室。同时公布第一项成果：Claude发现了一种此前没人描述过的酶系统，被命名为ART（阵列关联逆转录酶）。

很多标题直接写"AI独立发现了新酶"。我把原始通稿和预印本看完，发现这句话得拆成两半看。

它到底干了什么：一句指令之后，950个智能体跑了21小时

先说流程。

Anthropic给Claude下了一条指令：去一个超大的DNA序列数据库里，找有意思的新型逆转录酶。逆转录酶就是能把RNA抄成DNA的那种酶。

指令下完，人基本就撤了。接下来的活是约950个Claude智能体并行跑的，跑了21小时，烧掉约2.1亿个token。

结果是这样：从20多万个逆转录酶里，筛出约3500个新候选，再收窄到20个最值得看的，每一个都配一份人能读懂的分析报告。

最后，其中一个智能体在一段噬菌体DNA里注意到一件事：一个长得有点怪的逆转录酶基因旁边，挂着长长一串排列规律的重复序列。它自己去算了这串重复的长度和间距，去比对了已知逆转录酶系统的结构，还翻了文献确认以前有没有人报过。

这串东西就是ART：一个逆转录酶、一个挨着它的伴侣基因，加一长串均匀间隔的非编码DNA重复序列。论文里的数字是，阵列跨度0.3到4.1kb，由3到21个拷贝组成，每个重复单元15到49个核苷酸，中间带一个回文核心。

它像什么？结构上，非常像CRISPR的重复阵列。

这里得插一句背景。CRISPR最早也不是什么高科技，就是有人在细菌DNA里看到一段"奇怪的重复序列"，几十年后才变成基因编辑工具。限制性内切酶、PCR用的Taq酶，也都起于"某个科学家觉得这东西有点怪"。Anthropic在通稿里专门铺了这段历史，意思很明白：生物学的大突破，经常就是从"注意到一个怪东西"开始的。

这件事里，AI干了什么、人干了什么

我把通稿里的分工拆成了一张表。这张表，比"AI发现新酶"这六个字有用得多。

AI干的：

1. 把20多万个逆转录酶全部过一遍

2. 从中挑出3500个可疑候选，再收窄到20个

3. 给每个候选写一份人能读懂的分析报告

4. 发现那串重复阵列，自己算长度、查文献、确认没人报过

人干的：

1. 写最初那一条指令，定方向

2. 在实验室里做湿实验，验证这串东西到底能不能表达

就这两件。听着很少，但你往下看。

通稿没放大的一条：它重跑10次，一次都没再找到

这是我觉得最值得讲的一点。

预印本里有一段，Anthropic用同样的流程、同样的任务说明，把整场搜索又跑了10遍。

结果：每一次都没有再找到那个阵列。

他们自己的解释是，搜索空间太大，加上这套流程本身有非确定性——说白了，同一个活交给它，跑出什么结果带点随机。

还有两条，也得放在一起看。

第一，那个底层逆转录酶以前就被人发现过。Claude头一回做的事，是注意到它旁边那串阵列和一个功能未知的辅助蛋白。是新的，但不是从零到一。

第二，ART到底干什么用的——Anthropic自己说不知道。论文写得很直白，功能未知，后续实验还在做。第一批实验结果只能说明，这串阵列会表达成一组不同的短RNA。这算个线索，不算结论。

外面的声音也不全是鼓掌。《The Verge》当天的报道说，实际用途还不清楚，按常规科学标准，这么早公布其实偏早。它还把这事放在了Anthropic准备上市、正在招科学家的背景里。

我把这些摆出来不是为了泼冷水。恰恰相反——这才是这条新闻真正的价值所在。

所以AI到底行不行？我的判断是三句话

第一，它真正的强项是"翻你翻不完的东西"。20多万条序列，一个专家要翻几个月，它21小时筛到20条，还带报告。这个量级的活，人类不是对手，也没必要是。

第二，它现在还撑不起"稳定地做判断"。同一个任务重跑10次就找不到了，说明它还没走到"可复现"这一步。科学上不可复现，就等于还没有。这不是黑它，这是它现在真实的位置。

第三，越是"AI又突破了"的新闻，越要看发布方是谁。这次模型的开发方、实验室、论文、新闻稿，全是同一家公司。四个角色一个人演，而在以前，这通常是四个不同的机构互相盯着。所以看到这类消息，先找两样东西——有没有同行评审，有没有外部复现。这两条比任何标题都实在。

落到你自己身上：找到你的"20万条清单"

这条新闻对普通人最有用的一点，其实特别朴素：

把你手里那件"翻不完、但又不能不翻"的活，交给它。

比如几百上千条客户记录里找规律、几十份合同里比对条款、一整个季度的售后工单里做归因、一堆候选供应商里做初筛。这类活有个共同点：量大到人做不完，但判断标准你自己写得清楚。它最擅长干的正是这个。

反过来，那种"一次就定生死、你自己都说不清标准是什么"的决策——现在还不是它的事。

今晚就能做的3件事：

1. 打开你最近的工作清单，圈出那条"量大到我一直拖着没做"的活。那就是你该试的地方。

2. 试的时候记住一个问法：别问它"你觉得该怎么办"，而是给它一个筛选标准，让它把符合条件的挑出来，再报给你。前者是让它判断，后者是让它翻。

3. 下次再看到"AI又发现了X"的新闻，先去找两样东西——论文有没有过同行评审，有没有第三方复现。这两样都在，再决定值不值得兴奋。

你有没有那种"明明知道该做、一想到量就打退堂鼓"的活？评论区说说是什么，我挑几个帮你拆一下，看怎么交给AI。

AI现在最实用的位置，不是替你做决定，是替你翻完那些你翻不完的东西。关注认知领航者，这类“把大新闻拆给你看”的拆解每周都更。

想看书单的，后台回「书单」，10本我逐本写了批注，免费拿，先读着。