年末將至，我們越來越難以忽視大型語言模型對我們所見、所讀和所記憶內(nèi)容的影響。它們總結(jié)研究、挖掘?qū)＜?、進(jìn)行相關(guān)性排名，并且越來越多地充當(dāng)流動、爭議和快速發(fā)展的領(lǐng)域中的權(quán)威裁判。長壽科學(xué)——尤其是它與人工智能的交集——正好屬于這一類別。

因此，Longevity.Technology并沒有提供傳統(tǒng)的編輯排名，而是進(jìn)行了一項小實驗。我們向多個大型語言模型提出了相同的結(jié)構(gòu)化問題：他們認(rèn)為在將人工智能應(yīng)用于人類長壽和衰老研究方面，全球領(lǐng)先的個人是誰，以及他們認(rèn)為的下一個領(lǐng)導(dǎo)者層級。我們的目的是考察當(dāng)AI系統(tǒng)被要求綜合其影響領(lǐng)域的領(lǐng)導(dǎo)力時，會出現(xiàn)什么樣的模式，而不是為了外包判斷。

實驗是如何進(jìn)行的

我們向幾個廣泛使用的LLM獨立提出了相同的提示，包括ChatGPT、Gemini、Grok、DeepSeek、Claude和Perplexity。每個模型被要求識別一個個人的排名列表，并附上簡要解釋，涉及AI方法論、轉(zhuǎn)化影響、生物標(biāo)志物、治療學(xué)和對該領(lǐng)域的影響。措辭保持不變。收集的回答沒有經(jīng)過迭代、推動或后續(xù)提問。

接下來發(fā)生的事情更像是一個收斂的過程，而不是投票。我們并不尋求一致性，而是尋求一致性：不同模型在不同語料庫上訓(xùn)練并針對不同目標(biāo)優(yōu)化，但仍然得出相似的結(jié)論。

一個顯著的共識點

盡管在強調(diào)和框架上存在差異，但在每個測試的模型中，有一個名字以驚人的一致性出現(xiàn)。在每種情況下，推理遵循了類似的邏輯：不僅僅是出版量或可見性，而是AI在整個長壽研究鏈條中的持續(xù)應(yīng)用——從生物標(biāo)志物開發(fā)、靶點發(fā)現(xiàn)到分子設(shè)計和臨床轉(zhuǎn)化。

在各個模型中，亞歷克斯·扎沃龍科夫被反復(fù)描述為在構(gòu)建和運作專注于衰老生物學(xué)的端到端人工智能平臺方面脫穎而出，并將這些系統(tǒng)轉(zhuǎn)化為實際的治療方案。無論模型的整體趨勢如何，關(guān)于生成化學(xué)、衰老時鐘、集成的靶向到臨床工作流程以及人類臨床試驗的提法反復(fù)出現(xiàn)。

幾個模型強調(diào)了速度和執(zhí)行，指出人工智能發(fā)現(xiàn)的靶點和設(shè)計的分子進(jìn)入第二階段試驗，作為證據(jù)表明，人工智能與生物學(xué)緊密結(jié)合時，能夠超越理論上的承諾。其他模型則強調(diào)基礎(chǔ)設(shè)施和影響力，指出這些平臺被制藥合作伙伴采用的程度，以及它們?nèi)绾嗡茉臁耙匀斯ぶ悄転橄取钡乃幬锇l(fā)現(xiàn)在實踐中的樣子。

扎沃龍科夫本人對這種活動的重要性持謹(jǐn)慎態(tài)度。在反思結(jié)果時，他告訴我們：‘當(dāng)我第一次看到每個大型語言模型在衰老領(lǐng)域?qū)⑽遗琶谝粫r，我感到相當(dāng)高興。因為在整體全球排名方面，我更信任大型語言模型，而不是那些往往優(yōu)先考慮籌集資金數(shù)量或與炫目機構(gòu)、投資者關(guān)系的行業(yè)分析師或媒體。’不過，令人遺憾的是，我們至今還沒有一款人工智能發(fā)現(xiàn)的衰老藥物獲得批準(zhǔn)。提供新穎有效的衰老治療藥物應(yīng)該是行業(yè)的主要目標(biāo)。

這段評論強調(diào)了實驗的吸引力和局限性；模式識別系統(tǒng)的認(rèn)可并不等于以患者為標(biāo)準(zhǔn)的成功。

第二梯隊更加分散

在頂尖位置之外，大家的共識明顯減弱。雖然有幾個名字反復(fù)出現(xiàn)，但它們的排序會根據(jù)模型對基礎(chǔ)生物學(xué)、轉(zhuǎn)化生物技術(shù)、生物標(biāo)志物開發(fā)或公共影響的重視程度而有所不同。

大衛(wèi)·辛克萊經(jīng)常出現(xiàn)在排名靠前的候選人中，尤其是在那些強調(diào)生物標(biāo)志物、表觀遺傳時鐘和支撐人工智能應(yīng)用于衰老的概念框架的模型中。他對公共話語的影響，以及將生物年齡作為可測量的量的規(guī)范化，顯然與經(jīng)過十年長壽文獻(xiàn)和媒體訓(xùn)練的語言模型相契合。

克里斯滕·福特尼也多次出現(xiàn)，特別是在那些優(yōu)先考慮以人為本的數(shù)據(jù)、生物庫的機器學(xué)習(xí)分析，以及將人工智能衍生目標(biāo)轉(zhuǎn)化為臨床項目的情況下。模型通常將她的工作視為對更以疾病為中心的方法的對立，強調(diào)與長壽相關(guān)的數(shù)據(jù)集和結(jié)果。

其他模型提升了那些貢獻(xiàn)不在于算法本身，而在于促進(jìn)生態(tài)系統(tǒng)的角色的領(lǐng)導(dǎo)者：這些領(lǐng)導(dǎo)者建立了機構(gòu)、標(biāo)準(zhǔn)化數(shù)據(jù)集，或創(chuàng)建了人工智能方法所依賴的生物和臨床基礎(chǔ)設(shè)施。在這里，瓦迪姆·格拉季謝夫、布賴恩·肯尼迪和史蒂夫·霍瓦斯等名字浮現(xiàn)，通常會伴隨著這樣的解釋：生物標(biāo)志物和系統(tǒng)級生物學(xué)是任何有意義的人工智能驅(qū)動的衰老干預(yù)的前提條件。

榮譽提名與推動者

在前五名之外，還有一群人偶爾出現(xiàn)在回應(yīng)中。有些人因構(gòu)建了人工智能系統(tǒng)在大規(guī)模運作所需的龐大多模態(tài)數(shù)據(jù)集而受到認(rèn)可；另一些人則因推動臨床框架，使衰老被視為可修改的過程而不是被視為抽象的風(fēng)險因素而受到贊譽。

像克雷格·文特爾、尼爾·巴茲拉伊、達(dá)芙妮·科勒和詹姆斯·柯克蘭這些人物被提及，并不是因為他們恰好位于長壽人工智能的中心，而是因為他們在基因組學(xué)、臨床老年科學(xué)和生物學(xué)中的機器學(xué)習(xí)等相關(guān)領(lǐng)域的貢獻(xiàn)，使得當(dāng)前的時刻成為可能。在幾份回應(yīng)中，他們的提及帶有明確的警示，反映出大型語言模型在區(qū)分直接應(yīng)用與基礎(chǔ)影響方面的困難。

這告訴我們什么 – 以及不告訴我們什么

在一個排名列表中解讀過多是很誘人的，特別是當(dāng)結(jié)果在頂部如此干凈地對齊時。但這個練習(xí)更像是一面鏡子，而不是一個判決。大型語言模型更看重一致性、信號的密度和可驗證的轉(zhuǎn)化；它們浮現(xiàn)出那些其工作始終出現(xiàn)在人工智能方法、衰老生物學(xué)和現(xiàn)實世界執(zhí)行交匯處的個體。

這同樣可能反映了當(dāng)前長壽領(lǐng)域領(lǐng)導(dǎo)力的形成方式，也反映了誰“應(yīng)得”這一榮譽?；诠苍捳Z訓(xùn)練的模型不可避免地反映了注意力、資本和敘事動量已經(jīng)匯聚的地方。它們擅長于整合共識，但在識別尚未被廣泛關(guān)注的事物時則顯得不足。

盡管如此，隨著人工智能系統(tǒng)越來越多地介入發(fā)現(xiàn)、資金和聲譽的過程，關(guān)注它們?nèi)绾慰创F(xiàn)在所幫助塑造的領(lǐng)域似乎是值得的。這個實驗突顯了從抽象承諾轉(zhuǎn)向可衡量成果的轉(zhuǎn)變——一個信號表明，長壽科學(xué)及其人工智能的雄心，正越來越少地以愿景來評判，而更多地以實際執(zhí)行來評判。

這是否讓人感到安慰或不安，可能取決于個人對算法反映我們集體關(guān)注的接受程度。無論如何，這都是一個在未來一年中不太可能消退的對話。