Builders Unscripted 第 5 集：Derya Unutmaz（第 3/3 段）
🏦 台灣Pay 銀行轉帳 💙 PayPal
Derya 談 AI 驅動的 digital twin、個人化醫療、science 2.0，以及勇於實驗的建議
- 24:04 即使用上全世界現有算力，也不足以模擬生物系統，因為它有數兆個組件
- 30:16 未來由一群 AI agents 提出假設並挑出最好的點子，再幫你模擬實驗，指出哪類實驗較可能成功，讓成功機率大幅提高
- 35:29 主持人期待他用 Codex 與 frontier models 推動 digital twin 構想，並邀請他幾個月後再上節目
💡 你可以怎麼用：挑一件你以前嫌麻煩、覺得「改了太貴」的事，例如重做簡報版型、改自己的網站或設計一張活動海報，這週直接叫 AI 試做一版。也可以把半年前覺得 AI 答不好的問題，拿最新版本再問一次，比比看差多少。
看全部 34 條重點
🧑🏫 這段是 OpenAI 訪談節目的最後一段。免疫學家 Derya Unutmaz 談未來可以在「電腦裡的你」身上試藥、每個人都有專屬療法，以及 AI 會怎麼讓科學研究大幅加速。後半段他給一般人的建議很實際：不要怕 AI，持續拿它來試。
- 24:04 即使用上全世界現有算力，也不足以模擬生物系統，因為它有數兆個組件↳ 生物系統，例如人體，由數兆個細胞、分子這類零件互相牽動。就算把全世界電腦的運算能力（算力）全部加起來，現在也算不動。
- 24:04 他相信 5 到 10 年內能做到，屆時會有 superintelligence，可用 AI 模擬 digital twin，在 AI 上做實驗而不是在人身上↳ digital twin（數位分身）是用 AI 在電腦裡模擬一個你。superintelligence（超級智慧）指遠超過人類的 AI。他認為 5 到 10 年內會出現，到時可以先在分身上做實驗，不用拿真人冒險。
- 24:35 這會改變醫學。以癌症病人為例，醫師可在 digital twin 上嘗試不同假設與實驗，觀察它的反應↳ 以癌症病人為例，醫師可以先在他的數位分身上試 A 藥、B 藥或不同組合，看分身怎麼反應，再決定真人要用哪一種，少走冤枉路。
- 24:35 癌症與腫瘤學是目前最接近個人化的領域，因為同一種癌症也有許多不同突變↳ oncology（腫瘤學）是研究和治療癌症的醫學。同樣叫肺癌，每個人身上的基因突變可能都不一樣，所以癌症治療早就得看個人，是最接近量身訂做的領域。
- 25:05 肺癌病人通常會先定序突變基因，依突變選藥。例如某藥只適用 1% 肺癌，對這 1% 很有效，對另外 99% 無效↳ sequence the genes（基因定序）就是把基因內容讀出來。肺癌病人會先查出是哪種突變再選藥。smart drugs（標靶藥）只對特定突變的人很有效，對其他人幾乎沒用。
- 25:35 未來可能針對一個人身上的所有突變打造藥物↳ 現在的做法是「這種突變配這種藥」。未來可能把一個人身上所有突變一起考慮，專門替他一個人做藥。
- 25:35 案例：澳洲一位電腦科學家用 ChatGPT 和 Grok，專為一隻狗的癌症突變設計 RNA vaccine。目前有許多相關試驗在進行↳ RNA vaccine（RNA 疫苗）是給身體一段指令，教它認出要攻擊的目標。一位電腦科學家靠 ChatGPT 和 Grok，替一隻狗的癌症突變設計專屬疫苗。類似的試驗現在有很多。
- 26:07 未來療法不只看基因與突變，也會看免疫系統。免疫系統殺癌細胞非常有效，immunotherapy 因此是一場革命，但並非人人有效↳ immunotherapy（免疫療法）是讓病人自己的免疫系統去打癌細胞。它效果很強，被視為一場革命，但不是每個人都有效，所以未來也要看每個人的免疫狀況。
- 26:07 待解問題：為何有些人的免疫細胞能辨識並殺死癌細胞，有些人卻不行，部分免疫細胞還會變得 exhausted↳ 為什麼有人的免疫細胞認得出癌細胞並殺掉它，有人卻不行？還有些免疫細胞打久了會「累垮」（exhausted）、失去戰力。這些都還沒有答案。
- 26:39 免疫系統很危險，過度活化會造成很大傷害，因此有副作用問題↳ 免疫系統是雙面刃。衝太猛會連自己的身體一起傷害，所以免疫療法常有副作用，力道要拿捏。
- 26:39 他極力推身邊的人用 AI，他們覺得他瘋了，但現在開始看見潛力。他從 GPT 3.5 推出時就一直這樣說↳ 他從 GPT-3.5 推出時就一直勸身邊的人用 AI，當時被當成瘋子。現在大家開始看到它真的有用。
- 27:10 人們猶豫是因為人腦難以理解指數型進步。有人以一年半前用 GPT 4.0 的經驗，認為它幻覺太多、答得不好↳ AI 是指數型進步，也就是越進步越快，人很難憑直覺想像。有人還停在一年半前用 GPT-4.0 的印象，覺得它常「幻覺」（講得很篤定其實是錯的），就不再試了。
- 27:41 GPT 5.4 與 5.5 的差別有如白天與黑夜。他建議持續實驗，並假設模型會越來越好↳ 光是 5.4 到 5.5 就差很多。意思是別用舊經驗判斷 AI，要定期拿新版本再試，並預設它會繼續變強。
- 27:41 最近 GPT 5.5 Pro 給他的一份報告讓他差點哭出來，因此他在做了 30 年的領域也信任 AI 模型↳ Pro 是同代模型中較高階的版本。他在自己鑽研 30 年的領域裡，看到 GPT-5.5 Pro 寫的報告好到差點哭出來，所以他願意信任它。
- 28:11 GPT 5、Pro、5.4 很擅長理解知識與模式並整合。5.5 則像擁有他在實驗室 30 年的經驗與直覺↳ 他覺得前幾版擅長整理已知知識、找出規律再串起來。5.5 則更進一步，像擁有他在實驗室磨了 30 年才練出來的判斷和直覺。
- 28:41 他常和學生打賭實驗結果，學生 100% 輸，靠的是文獻裡沒有的直覺↳ 他常跟學生賭實驗結果，學生每次都輸。他靠的是做久了的直覺，這種東西在論文裡查不到。
- 28:41 5.5 對他們做過的一個非常複雜的實驗，結果預測達到 100%↳ 他們做過一個很複雜的實驗，5.5 事先預測的結果全部命中。對他來說，這代表 AI 也有了那種論文外的直覺。
- 29:44 他稱之為 science 2.0 或 3.0：想出點子、花數週規劃實驗、再花數月分析的日子已經結束，科學進入加速時間軸↳ 以前做研究要先想點子、花幾週設計實驗、再花幾個月分析數據。他說這種節奏要結束了，科學會進入快轉模式，他稱為 science 2.0 或 3.0。
- 30:16 未來由一群 AI agents 提出假設並挑出最好的點子，再幫你模擬實驗，指出哪類實驗較可能成功，讓成功機率大幅提高↳ AI agents（AI 代理）是能自己接任務、分步驟做事的 AI。未來會由一群 agents 提出假設、挑出最好的點子，再模擬實驗，告訴你哪種做法最可能成功。
- 30:48 實驗數據交給其他 AI agents 立即分析，再回饋給 master，master 提出新假設、規劃新實驗↳ 實驗一做完，數據馬上交給其他 agents 分析，結果再回報給負責總指揮的 agent（master）。master 會提出下一輪假設、安排下一個實驗，一直循環下去。
- 30:48 他的角色會變成給 agents 方向，例如「我想治癒肺癌，去探索」↳ 科學家不用自己跑每一步，而是像主管一樣下目標，例如「我想治好肺癌，去找方法」，讓 agents 去探索。
- 31:19 實驗仍需有人做，但實驗室會自動化，由大量機器人執行實驗，而且這已經在發生↳ 實驗還是得有人實際動手，但實驗室會自動化，由大量機器人來做。他說這已經開始了。
- 31:19 對工作的擔憂，他引用 Jevons paradox：能做這麼多，就能做更多，生物學尤其如此↳ Jevons paradox（傑文斯悖論）指效率變高以後，用量反而變多。他用這個回應搶工作的擔心：能做的變多，要做的事也會更多，生物學尤其如此。
- 31:51 我們只了解約 10% 的生物學。未來能像他現在做 app 一樣打造新細胞類型、新組織，可能出現數千名 bioengineers↳ 他說人類只懂大約一成的生物學。bioengineering（生物工程）是動手設計生物。未來打造新細胞、新組織，會像他現在做 app 一樣，可能需要上千名生物工程師。
- 31:51 改變不只在生物學，也包括物理、材料科學、化學↳ 這波加速不只發生在生物學，物理、材料科學、化學這些領域也會一起改變。
- 32:23 drug discovery 已能在數小時內完成過去數年的工作。臨床試驗、醫師治療病人這整個 stack 都會改變並加速↳ drug discovery（藥物研發）是找出新藥的過程。以前要花好幾年的工作，現在幾小時就能完成。從臨床試驗到醫師治療病人，整條流程都會跟著改變、加速。
- 32:54 他的優勢是工作靠不斷實驗。生物學有 95 到 98% 的實驗會失敗，因此他習慣失敗，培養出韌性、agency 與 curiosity↳ 生物實驗有 95% 到 98% 會失敗，所以他早就習慣失敗。這讓他更耐挫，也養出 agency（主動去做、不等別人安排）和 curiosity（好奇心）。
- 33:24 他用 Codex 展示的成果背後有很多失敗，許多 app 做得不好，但不應放棄↳ Codex 是 OpenAI 用來寫程式的 AI 工具。他用它做出很多成果，但背後也有很多做不好的 app。重點是失敗很正常，不要因此放棄。
- 33:24 給其他領域的建議：AI 時代唯一重要的是 agency 與 curiosity。不要害怕，持續用 AI 實驗↳ 不管你在哪一行，他認為 AI 時代最重要的就是主動和好奇。不要怕 AI，持續拿它來試各種事。
- 33:55 現在可以問「what if」，以前代價太高。例：公司網站花數千美元做好後就不想動，現在可以直接嘗試修改↳ 以前改東西成本很高，大家不敢問「如果這樣改呢？」。像公司網站花幾千美元做好就不想再動，現在可以直接叫 AI 改改看。
- 34:26 幾分鐘就能做出新網站，或設計新產品再 3D 列印。實驗成本這麼低，要有勇氣去試↳ 幾分鐘就能做出一個新網站，或設計一個產品拿去 3D 列印。試一次幾乎不花錢，缺的只是動手試的勇氣。
- 34:26 這些日常做法可延伸到生活各方面，要擁抱 AI，把它視為非常正面的東西↳ 這種先試再說的做法不只適用於工作，也能用在生活各方面。他希望大家把 AI 當成好東西來擁抱。
- 34:59 他看到很多負面聲音，但相信 AI 會帶人類進入黃金時代，是人類最大的轉變，並稱 AI 研究者是英雄↳ 他知道外面有很多負面聲音，但相信 AI 會帶人類進入黃金時代，是人類最大的一次轉變，還稱 AI 研究者是英雄。
- 35:29 主持人期待他用 Codex 與 frontier models 推動 digital twin 構想，並邀請他幾個月後再上節目↳ frontier models（前沿模型）指當下最先進的 AI 模型。主持人期待他用 Codex 加上這些模型把數位分身做出來，並邀他幾個月後再上節目分享。
📘 術語
digital twin（數位分身）：用 AI 模擬的個人生物分身，可在上面做實驗，觀察它對不同假設的反應
superintelligence（超級智慧）：講者預期 5 到 10 年內達到能模擬生物系統的程度時會出現
oncology（腫瘤學）：與癌症並列提到，是目前最接近個人化的領域
sequence the genes（基因定序）：肺癌病人先定序突變基因，依突變決定用藥
smart drugs（智慧藥物）：針對特定突變族群（例如 1% 肺癌）很有效的藥物
RNA vaccine（RNA 疫苗）：澳洲案例中專為狗的癌症突變打造的疫苗，被視為極致的個人化
immunotherapy（免疫療法）：利用免疫系統殺癌細胞，是一場革命，但並非人人有效
AI agents（AI 代理）：未來會提出假設、模擬實驗、分析數據並回饋給 master
Jevons paradox（傑文斯悖論）：講者用來回應工作疑慮：能做這麼多，就能做更多
bioengineering（生物工程）：未來能打造新細胞類型、新組織，可能出現數千名 bioengineers
drug discovery（藥物發現）：已能在數小時內完成過去數年的工作
agency（主動性）：講者認為 AI 時代與 curiosity 並列，是唯一重要的特質
frontier models（前沿模型）：主持人期待他與 Codex 一起用來推動 digital twin 構想
superintelligence（超級智慧）：講者預期 5 到 10 年內達到能模擬生物系統的程度時會出現
oncology（腫瘤學）：與癌症並列提到，是目前最接近個人化的領域
sequence the genes（基因定序）：肺癌病人先定序突變基因，依突變決定用藥
smart drugs（智慧藥物）：針對特定突變族群（例如 1% 肺癌）很有效的藥物
RNA vaccine（RNA 疫苗）：澳洲案例中專為狗的癌症突變打造的疫苗，被視為極致的個人化
immunotherapy（免疫療法）：利用免疫系統殺癌細胞，是一場革命，但並非人人有效
AI agents（AI 代理）：未來會提出假設、模擬實驗、分析數據並回饋給 master
Jevons paradox（傑文斯悖論）：講者用來回應工作疑慮：能做這麼多，就能做更多
bioengineering（生物工程）：未來能打造新細胞類型、新組織，可能出現數千名 bioengineers
drug discovery（藥物發現）：已能在數小時內完成過去數年的工作
agency（主動性）：講者認為 AI 時代與 curiosity 並列，是唯一重要的特質
frontier models（前沿模型）：主持人期待他與 Codex 一起用來推動 digital twin 構想
✏️ 小考一題
Derya 提到在生物學中，大約有多少比例的實驗會失敗？
A. 95% 到 98%B. 約 10%C. 99%D. 約 50% 到 60%看答案
答案：A。[32:54] 他說 especially in biology, 95 to 98% of the experiments you do fail。
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰