今天，我们宣布了一项由 Claude 主导的发现：一种我们怀疑可能代表全新基因编辑机制的分子机器。它的确切功能、生物技术用途（如果有的话）或重要程度目前尚不清楚，但至少，这是我作为博士生时会引以为傲的工作。这项工作大部分（尽管并非全部）由 Claude 完成：我们的生命科学团队提出了一个宽泛的研究方向，Claude 通读了文献和大量基因组数据，发现了有趣的东西，随后 Claude 提出了验证这一发现的实验方案，我们的团队将其付诸实施。

人们很容易把这当作一次偶然或奇闻轶事而不予理会，但我们已反复看到一个规律：AI 在新的智力领域中的表现，会在短短几年内从薄弱跃升到超人水平。2023 年，模型连普通高中生水平的数学都做不好。2024 年，它们开始在全国最优秀高中生的数学竞赛中表现出色；2025 年，它们开始解决一些小型的开放问题；2026 年初，解决更重要的开放问题；到 2026 年末，它们开始解决整个数学领域最顶尖的几个开放问题。我们相信，AI 在生物学领域也正处于类似的指数级趋势之中。

当然，生物学与数学的主要区别在于，数学可以纯粹在理论层面进行，而生物学则需要实验。有人据此得出结论，认为 AI 在生物学中的用处有限。我们认为这是错误的。正如我们今天所展示的，人类可以与 AI 协作开展实验，在几周内验证关键结果，并在必要时与 AI 一起针对所发现的内容进行迭代。最终，Claude 本身甚至有可能在具备适当安全保障的前提下，通过自主控制实验室设备来安全地执行实验，但我们今天并没有这样做（我们的实验室也是 BSL1/BSL2 设施，不处理对人类有害的材料）。

更广泛地说，生物医学的进步有许多阶段——从基础生物学发现，到转化研究，到药物发现、临床试验，最后是药物和医疗保健真正交付到患者手中。我们同样关注这些后期阶段，但即便只是加速基础生物学发现的第一阶段，也有可能加快并拓宽整条流程。增进我们对生物学的理解、磨砺生物学家的工具，可以推动后续所有阶段向前发展，例如识别新的药物靶点、发现新的治疗模式、实现更精确的测量，并加快实验循环，而实验循环本身又会进一步加速我们对生物学的理解。这本身不会加快临床试验的时间，但如果成功，它可以大幅增加进入流程的有前景候选药物的数量——即便延迟不变，吞吐量也会增加。

在《慈爱机器》中，我写到 AI 有潜力“在 5-10 年内治愈大多数疾病”——这个目标听起来不可能实现，但我相信，只要将 AI 应用于整个流程的每一个阶段，它勉强是可以实现的。第一步是证明 AI 能够先辅助、继而驱动生物学发现。

Claude 的这一发现是一系列相关先前工作中最新的一项，这些工作可以追溯到几十年前，始于 CRISPR 等系统，并在过去几年中延续到桥接重组酶和 VIPR 等发现。近来，人们对基于逆转录酶（RT）的系统兴趣日益浓厚，而逆转录酶正是 Claude 所识别系统的基础酶。最近，一个 Stanford 团队独立描述了一种新型 RT 系统，附带一个非编码阵列，在某些方面与 Claude 发现的系统相似，不过它们是各自独立演化而来的不同系统。我相信，我们才刚刚开始发现这类系统，并将它们开发为生物技术的强大工具。

我为 Anthropic 通过生命科学加速 AI 公共福祉所投入的资源感到自豪，我们的目标是既壮大我们的生命科学团队，也与其他科学家合作，将这一方法扩展到广泛的问题上。如果你有研究合作提案，或有兴趣加入我们的生命科学团队，请联系我们。