仅仅一个月，人工智能就给数学界带来了巨大的震撼。9月22日，OpenAI宣布成立专门的数学家顾问小组，旨在应对AI在数学领域的惊人进化速度。公告指出，此前曾解决过“千禧年难题”的内部模型，在短短22个工作日内，横跨数学大多数领域解决了100多个长期开放问题。回顾9月初，该模型通过启用约1万个并发Agent，仅用88小时就攻克了七大千禧年难题之一的“纳维–斯托克斯存在性与光滑性问题”。而就在一个月前，Anthropic也公布了Claude在黎曼猜想相关研究上的重大突破。短短一个月内，两家科技巨头接连将AI推向了人类数学研究的最前沿，解决了连顶尖数学家几十年甚至上百年都未能攻克的难题。
如今，AI迎来了新的终极挑战。非盈利科研机构FutureHouse及其孵化的AI for Science企业Edison Scientific，共同发布了一份包含12道题目的生物版“千禧年难题”。列表地址：https://millenniumproblems.bio/。这份清单并非人们熟知的“治愈癌症”或“延缓衰老”等充满噱头的问题，而是一组人类尚未解明但可验证的生物工程类挑战。这些问题同时满足三大条件：首先，必须是人类尚未解决的公认难题；其次，能在简单的实验室环境中，仅需数天或数周即可完成验证；最后，任何一个问题的解决都能为生物技术带来重大进步，大多数将实质性推动疾病治愈。
此外，发布方还设定了严格的验收标准。以第九个问题为例，要求AI设计能穿透细胞的蛋白结合剂。虽然AI设计抗体已不新鲜，但此题要求极为苛刻：必须进行“零样本”设计，随机给出20个靶点，AI需在24小时内完成设计，且第一次实验成功率至少达到16个，才算挑战成功。这一消息引发了行业热议。AI制药龙头英矽智能创始人Alex Zhavoronkov表示认可，并现场@grok进行推理问答。另一家AI制药企业Noetik的创始人Ron Alfa、研究机构Biohub的AI生物学负责人Kavita Kulkarni也对该榜单表示了浓厚兴趣。不过，也有业内人士质疑，这份榜单代表的并非“生物学最重要的12个未解之谜”，而是“最适合AI进行能力测试的12个工程挑战”，未必能达到数学千禧年难题的高度。
这十二道题目涵盖了AI药物设计、合成生物学、蛋白质设计与酶工程、农业生物技术及再生医学等领域，远超单一科学家的能力范畴，可归纳为三大类。第一类旨在突破现有认知或生命能力的上限，例如让小鼠被冷冻24小时后复活、实现截断肢体再生，这些是科幻作品中常见的畅想。第二类是破译现有的生命密码，如实验室重现“生命起源”、创造可编程的蛋白酶。第三类则是直接挑战重写现有的生物法则，例如创造一套用四个碱基编码蛋白质的生命系统（而非通常的三个），或创造能读取多肽并“逆翻译”回RNA或DNA的酶。这些问题不再是提升现有技术效率10%或100%的问题，而是直接挑战我们习以为常的自然规则本身。
正如问题发布者Sam Rodriques所言，这些问题是AI在真正超越人类生物学家的科研能力之前，人类能给出的、结果仍可由人类清晰判定的“终极考题”。这也代表了当前许多AI研究者对通用人工智能（AGI）的期待方向。Google DeepMind的Demis Hassabis曾指出，真正具有科学能力的AI不应只在人类设计好的测试中得分，而应能产生新的发明、新的物理理论或提出有意义的新猜想。衡量AI科学能力的关键，绝非它能否复述已有知识，而在于它是否推动知识边界向前移动。
这份考题的发布方FutureHouse及其孵化的Edison Scientific均背景深厚。FutureHouse是前谷歌CEO Eric Schmidt力挺的非营利AI科研机构，曾推出登上《Nature》的AI科学家Robin，在10周内自主发现了一款治疗干性老年黄斑性变形（AMD）的潜在疗法。Edison Scientific于去年底拆分出来，负责全球顶尖AI科学家的商业化，成立之初即获得7000万美元（约合5亿人民币）的种子轮融资。其旗下的Kosmos号称“目前最强大的AI科学家”，一次运行即可阅读1500篇论文并执行42000行代码，一天完成相当于人类六个月的工作量，且近80%的研究结果可复现。据悉，该公司已收到前十大制药公司中6家副总裁或高管的合作意向，目前已与千亿市值药企Incyte达成合作，参与其药物发现与开发工作。