2024科研成果那些事儿：有的炸裂，有的让人捏把汗

刚看完一篇论文，突然想聊聊最近那些让人睡不着觉的科研成果。真的，有些东西你亲眼看到还是会倒吸一口凉气——这玩意儿居然已经实现了？

Sora：眼见不再为实

OpenAI冷不丁扔出Sora的时候，我正喝着咖啡刷手机，差点没呛着。这货能直接生成一分钟的连贯视频，不是那种卡顿、扭曲的AI动画，是那种——怎么说呢——有光影变化、有物理轨迹、甚至有角色情绪的视频。你告诉它“一只戴着贝雷帽的柯基在巴黎街头骑自行车”，它就真给你整出来，连轮子转动的模糊感都模拟出来了。

OpenAI Sora生成的一只柯基骑车视频截图

以前觉得AI做视频顶多是素材拼接，结果它直接奔着世界理解去了。神经网络的规模一上来，涌现能力拦都拦不住。不过这事也挺让人后怕的。以后网上随便一个视频，是真的是假的？深度伪造门槛低到这种程度，那些换脸诈骗、虚假新闻……唉，技术跑得比监管快太多了。

我特地翻了论文，发现它用的是扩散模型结合transformer，把视频压缩成patch然后预测。根本不需要人类手动标注运动轨迹，自己就从数据里悟出了三维常识。说实话，看到那个demo里，有个纸船沉进水里的镜头，水面波纹扩散得跟真的一样，我第一反应不是兴奋，是有点毛骨悚然——这理解力快赶上人类直觉了。

谷歌的机器人，开始有“常识”了？

记得去年还在吐槽机器人端个水杯都颤颤巍巍，今年DeepMind的RT-2一出来，画风突变。你给它看一张桌上摆着苹果和罐头的图片，问它“哪个东西可以吃”，它能指出来。让它把可乐罐扔进垃圾桶，它没摔！它甚至知道易拉罐要丢进可回收那个桶——这背后得有多少隐含知识？

原理不复杂，就是拿视觉-语言模型（VLM）直接驱动机器人动作。以前机器人学一个动作要成千上万次训练，现在直接利用网络图片和文本里的常识。好比说，你从没教过它“纸巾是用来擦东西的”，但它看过无数张人拿纸巾的照片，推也推出来了。这思路真绝，一下子把泛化能力拉上去好几个台阶。

Google DeepMind RT-2机器人执行抓取任务演示

不过话说回来，我看了他们论文里的失败案例，机器人有时候会把塑料香蕉当真香蕉去剥……笑死，但也很真实。人类小孩不也常犯这种错嘛。总体来讲，从程序设定到自主学习，这步子迈得挺大。也许过不了多久，家里真能有个能帮你找东西、收拾桌子的铁家伙。

基因编辑：从治疗到“定制”？

基因编辑：从治疗到“定制”？

CRISPR技术刚拿诺奖那会儿，我们还在欢呼它能治镰刀细胞贫血病。结果今年直接出现了体内基因编辑疗法获批的消息——不是把细胞抽出来改完再输回去，是直接注射载体，在人体内现场修改DNA。有个叫Verve Therapeutics的公司，用一种碱基编辑工具，对着导致高胆固醇的PCSK9基因“咔”一剪，患者坏胆固醇水平直接掉下来60%以上，而且效果持续。

妈呀，这才是真正的“一针治愈”！我想起之前采访过的一个医生，他说传统疗法得天天吃药，病人依从性差得要命。现在倒好，一次搞定。但等等，如果我们可以改胆固醇基因，那是不是也能改身高、肌肉、甚至智力相关的基因？伦理那把剑又悬起来了。

这让我联想到去年那个基因编辑婴儿的破事，虽然那是严重违规，但技术门槛降低后，总有人会动歪脑筋。科研界现在吵成一锅粥，一边是罕见病患者嗷嗷待哺，一边是“定制婴儿”的噩梦。我觉得吧，技术本身没错，但监管和公众讨论必须跟上了，别等到出事了再补牢。

脑机接口：从猴子到人

脑机接口：从猴子到人

Neuralink今年又搞了个大新闻，第一个人类植入者能靠意念玩文明6了……虽然公司争议一堆（什么动物实验伦理啊、数据不透明之类的），但你不能否认这个进展本身是震撼的。头发丝细的电极插入大脑，读取神经元信号，再无线传输，让瘫痪病人控制光标。这种几年前还像科幻的玩意，居然慢慢落地了。

当然，这条路坑多着呢。电极耐久度、感染风险、信号解码准确率……我有个做生物电子的朋友说，大脑里的免疫细胞会把电极当异物包围，时间一长信号就弱了。还有，谁有权限读取你的思想？万一被黑了呢？这些都不是杞人忧天。但话说回来，对于失去运动能力的人，这真的是光。

所以你看，2024年的科研成果，一面是惊艳到让人起鸡皮疙瘩的进步，一面是让人辗转反侧的隐忧。有时候我觉得自己像个在老式火车上看着高速列车呼啸而过的乘客，兴奋又有点跟不上。不过啊，科技从来不是刹车能刹住的，关键是我们怎么握紧方向盘。对吧？