小白爱摸鱼
@chaozuoye
Google DeepMind 把手伸向了生物学的地基，落点不在模型，在数据。
宣布摆开。话说得很直，构建预测性生物学模型是这个时代最重要的科学挑战之一，而解它需要前所未有的大规模新实验生物数据。说这话的是 Google Cloud 首席科学家、DeepMind 副总裁 Pushmeet Kohli。他宣布 DeepMind 将与 Chan Zuckerberg 的虚拟生物学计划联手，造出改进预测性生物模型所需的多模态数据集。
底下那层逻辑也交代了。生命要在多个尺度上才看得懂，从 DNA 和单个蛋白质，到活细胞，再到整体健康；AlphaFold 和 Protein Data Bank 走过的路给了同一条教训，没有高质量的开放数据，重大的生物学难题根本解不开。
公告那张卡片把价码也亮了出来。跨国跨部门的协作承诺投入接近二十亿美元，Biohub、能源部、国立卫生研究院和伙伴一起生成开放、标准化的数据。这些数据拿来训练模型，目标是预测细胞如何响应干预。
文末一串名字排开，艾伦研究所、布罗德研究所、格拉德斯通、人类细胞图谱、蛋白质图谱、桑格尔研究所、Isomorphic Labs、Meta。
"先备数据、再谈模型"这半句是全场重心。前面一百二十亿超了原定目标讲的是把钱备进产能，这条讲的是把钱铺进语料。跟前面一个空间三种检索呼应，那条管怎么找，这条管找什么，两头都在给下一批模型备原料。跟前面给奖励加一层也接得上，一个把准绳装进训练，一个把原料倒进训练，同一条链子的前后两端。
AlphaFold 那句教训我单拎出来记，当年赢在算法，如今要补的是数据，这说明到了某个阶段，瓶颈会从聪明挪到勤奋。
我留的疑问有三处。二十亿的分配比例没给；数据集的发布节奏没排期；参与的机构各自出什么也没数。
这周把公告那篇 biohub.org/news/virtual-b… 和他那篇尺度文章 linkedin.com/pulse/understa… 都读完，看自己这边最缺的是哪一层数据。
