微软研究院当地时间 9 月 29 日发布了一套实验性多模态 AI 研究系统 Project Quine。据多家媒体报道它由微软联合哈佛大学与麻省理工学院博德研究所Broad Institute共同开发定位是面向生物学的世界模型——把计算层面的生物学建模和实验室里的湿实验连成一条线。对做软件的人来说这不是又一个聊天机器人而是一个值得研究的架构范式世界模型开始从自动驾驶、视频生成走进生命科学。它到底做了什么Quine 的核心是一张覆盖五大模态的联合表征基因组学、蛋白质、化学、RNA 与细胞状态、生物成像。据微软介绍它把这些原本被切成多块的生物学信息放进同一个表征空间支持跨模态预测可以推理某种干预会发生什么。这套系统并不只是一个模型。据报道它由两部分组成一个生物学世界模型加上一个连接科学工具、文献、湿实验室和研究人员的交互式推理框架。它建立在微软研究院此前多项成果之上比如病理大模型 Virchow2G、蛋白质模型 Dayhoff Atlas、AI 虚拟细胞 Project Ex Vivo 等。最直观的验证来自肿瘤研究。据媒体报道研究人员以胰腺导管腺癌PDAC为例设定目标——推动肿瘤细胞从经典型状态转向基底型状态。他们把数千种化合物交给 Quine 做预测和优先级排序模型挑出最有希望的候选随后排名靠前的一批化合物在多项湿实验测定中确实产生了最大的目标状态变化。从缩小搜索空间、筛出候选到完成实验室验证整个过程只用了一个周末。微软称这类工具有望节省数月实验工作和大量研发成本。还有一点值得注意据报道Quine 还预测到一些研究人员此前没充分预料的结果——部分化合物并没有简单地在两种状态间移动而是把细胞推向第三种表型并且这一结果得到了实验验证。这说明 PDAC 的细胞状态可能比经典型—基底型这条单一轴线更复杂。为什么要强调世界模型传统的药物研发卡在资源有限、周期漫长上。更麻烦的是基因组、蛋白结构、化学、细胞成像这些领域过去各说各话各自有各自的模型很难放在一起推理。Quine 想破的就是这道瓶颈让一种模态里的证据帮助预测另一种模态里的结果。这本质上和自动驾驶里的世界模型是同一类思路——先学习环境如何演变再在虚拟环境里做决策最后才投入真实资源。只不过这里的环境是细胞“干预是化合物。据报道微软的流程是先模拟干预可能带来的细胞状态变化再做化合物筛选”而不是逐个分子去试。对开发者的参考价值第一多模态联合表征是可以复用的思路。下面这段是纯 Python 示意演示把不同模态特征拼起来做候选排序的逻辑不是 Quine 的官方接口仅帮助理解importnumpyasnp# 示意每行是一个化合物各列是来自不同模态的特征基因/蛋白/化学/成像…featuresnp.array([[0.9,0.2,0.8,0.5],[0.1,0.9,0.3,0.4],[0.7,0.6,0.5,0.9],])weightsnp.array([0.4,0.3,0.2,0.1])# 各模态的权重scoresfeatures weights# 线性融合实际系统远比这复杂ordernp.argsort(-scores)# 按预测得分排序优先验证高分候选print(候选排序,order,得分,scores[order])第二交叉验证不可省。据微软明确划定Quine 目前仅供科研、不用于临床系统输出必须经过专业研究人员复核。AI 仍然会犯错模型的预测只是把有限的实验资源引向更值得验证的对象而不是替代实验。第三批处理范式会外溢到其他领域。材料科学、酶设计、新药研发都在走同一条路——先用计算排优先级再做真实实验。对做工程的人来说这意味着数据管线 多模态融合 可解释的排序会比追求一个大模型更实在。怎么参与据报道微软已开放首届 Quine Fellows 项目申请面向蛋白质设计、酶设计、药物研发等方向入选者可获得 Quine 和计算资源的访问权限初期访问范围有限主要面向 Fellows 计划和部分研究合作未来计划通过 Microsoft Discovery 等产品逐步扩大开放。对科研团队来说这是一条比等产品上线更早接触系统的路径。收尾把世界模型从视觉几何搬进生命科学的实验室这面墙正在被一点点凿开。理性一点看一个周末筛出候选物不等于新药成功距离临床还有很长的路但计算先排优先级、实验再做验证这套流程大概率会越来越多地出现在各行各业。你觉得世界模型下一个会落地的领域是哪里评论区聊聊。