bsp; “如今30年过去，外行对生命科学认识还停留在花花草草，种田施肥，鸡鸭鱼肉，望闻问切，开刀打针，打枪跑pcr…还停留在工作不好找，出来没人要的时候......

“殊不知，生命科学早就今非昔比了。”

“比如2012年左右开始火的大数据，就是生命科学在08年开始的测序技术飞跃推动的。

此外ai，machinelearning，遗传算法，哪一个不是生命科学带起来的？

我从科大少年班开始学习大数据的分析，11年开始接触ai和machinelearning，这些都是在生命科学专业的专业课程里学的。

而这些概念是什么时候火的？——最少往后三年！”

写到这儿。

青年的情绪也逐渐有些被调动起来了，写出的字迹也不由深刻了几分：

“目前来说，整个生物圈最大的问题就是卷。”

“这就像是抽奖，抽奖不需要智力，谁都能上，只需要钱和劳力，于是大家就卷吧。”

“大家知道的的很可能会中奖的号码就这么几组，于是经常出现多个课题组试图抽取同一个号码的情况。”

“先抽到的就占先机，然后就开始拼速度，学生干活干到11点，周末不休息；

学生把结果发给导师，导师半夜爬起来审核提交。”

“宁可把自己辛苦得到的抽奖号码送到垃圾期刊那里发布，也要快对手一步。”

“于是乎，名校教授、作品等身的研究者，因为抽奖先后次序的争议打得天昏地暗，体面尽失。”

写着写着，青年忽然回过了神：

这可是自己博士答辩的材料，后半部分显然是不能出现在那种场合的。

于是他摇了摇头，将这部分的文稿从字体中心划了个长横。

与此同时，青年不远处的书桌上忽然传来了椅子磕碰的声音。

青年此时思路已断，便下意识的抬头望去。

发现原来是一对已经完成学习的狗...咳咳，小情侣离开座位时传来的响动。

青年忽然想到了自己的纸片人老婆，今晚是去找蒂法还是爱丽丝呢？

随后他回过神，轻轻甩了甩头，继续写道：

“当然了，就目前而言，生物这个领域距离标准的爆发可能还有一定距离。”

“一个像计算机那样爆发的学科有什么条件呢？”

“我认为是有三个前提：

1.低成本开发。

2.高容错让开发人员能快速立项并迭代。

3.2c的商业模型。”

”而很遗憾的是，目前生物相关的产业并不具备该条件。

“比如转基因的作物需要极高的研发成本——类似monsanto的巨型筛选机器，且容错率低，一个花粉飘出去就不得了。”
『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第2页/共3页)