Биолог · Ученый, который изучает саму жизнь, от того, что Линней давал имена видам вручную, до редактирования геномов с помощью CRISPR, до сих пор проверяет каждую идею на живом организме.
Чем темнее клетка, тем выше балл по этому показателю.
МеньшеБольше
Последняя проверка Источники и титрыМедиа-кредитыМетодология
Не на каждую работу в области биологии — на многие должности технических специалистов-исследователей, лаборантов и специалистов по полевым исследованиям нанимают людей только со степенью бакалавра или магистра. Но для того, чтобы руководить независимой исследовательской программой, руководить университетской лабораторией или занимать многие руководящие должности в области фармацевтических и биотехнологических исследований, почти всегда требуется степень доктора философии, поскольку именно эта степень удостоверяет, что кто-то может разрабатывать и защищать оригинальные исследования в одиночку.
Это сильно зависит от роли. Степень бакалавра (три-четыре года) достаточна для многих исследовательских или полевых должностей начального уровня. Чтобы стать независимым главным исследователем, руководящим лабораторией, обычно требуется гораздо больше времени: примерно четыре года обучения в бакалавриате, пять-шесть лет для получения докторской степени и часто еще несколько лет постдокторских исследований, прежде чем получить постоянную должность.
Врач непосредственно ставит диагноз и лечит пациентов, используя медицинскую степень, ориентированную на клиническую практику. Биолог изучает живые системы в более широком смысле — гены, клетки, организмы, экосистемы — часто даже не леча пациента, хотя биомедицинские исследователи часто работают вместе с врачами над разработкой лекарств, вакцин и диагностических инструментов, которые врачи позже используют в клинике.
Оно сильно варьируется в зависимости от страны, сектора и специальности. По данным Бюро статистики труда, в США ученые-биологи заработали в среднем около 85 000 долларов в 2023 году, хотя старшие ученые биотехнологической отрасли и руководители фармацевтических компаний зарабатывают значительно больше. Академические зарплаты в большинстве стран Европы и Азии, как правило, ниже, чем зарплаты в промышленности США за сопоставимый стаж.
CRISPR-Cas9 — это инструмент редактирования генов, адаптированный на основе бактериальной иммунной системы, который обычно разрезает вторгающуюся вирусную ДНК. Дженнифер Дудна и Эммануэль Шарпантье показали в 2012 году, что его можно перепрограммировать для вырезания любой выбранной последовательности ДНК в любом организме, что делает точное редактирование генома значительно быстрее и дешевле, чем более ранние методы — работа, которая принесла им Нобелевскую премию по химии 2020 года.
Маловероятно, что в ближайшее время произойдет замена основной роли. ИИ уже ускоряет выполнение конкретных задач — предсказание структуры белка, анализ изображений, поиск в литературе, выравнивание последовательностей — но разработка значимого эксперимента, интерпретация неоднозначных результатов в биологическом контексте и проведение деликатных лабораторных или полевых работ с непредсказуемым живым материалом по-прежнему зависят от обученного человеческого суждения, которое ни одна современная система не воспроизводит надежно.
Биология снаружи выглядит по-особому автоматизированной: большая часть необработанной работы — пипетирование, секвенирование, анализ изображений, поиск литературы — достаточно повторяется, поэтому программное обеспечение и роботы уже выполняют ее части быстрее и более последовательно, чем человек. Сложнее автоматизировать суждение, которое решает, какой эксперимент стоит провести в первую очередь.
Инструменты искусственного интеллекта, такие как предсказатели структуры белков и роботы для автоматизации лабораторий, реальны и быстро расширяются, меняя объем рутинной лабораторной и аналитической работы. Чего они не изменили, так это того, кто решает, какой вопрос стоит задать, интерпретирует неоднозначный или противоречивый результат в контексте и берет на себя ответственность за правильность опубликованного утверждения.
Значительная часть рутинных биологических операций — обработка образцов, секвенирование, поиск литературы, базовый анализ изображений и данных — уже частично автоматизирована или движется к этому. Суть работы, которая сохраняется, — это выбор того, какой вопрос стоит задать, разработка эксперимента, который действительно может ответить на него, и интерпретация результатов, которые машина пока не может надежно отличить от шума.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Решение о том, какую гипотезу стоит проверить, а какой экспериментальный дизайн может ее опровергнуть, требует научного суждения. Ни одна современная система искусственного интеллекта не может быть надежно создана сама по себе.
Решение о том, является ли странный результат реальным биологическим открытием, техническим артефактом или шумом, основывается на контекстуальном научном суждении, которое нынешнее сопоставление шаблонов ИИ не воспроизводит надежно.
Живые ткани, клеточные культуры и полевые организмы ведут себя непредсказуемо; Сегодняшние роботы для автоматизации лабораторий точно выполняют заранее определенные протоколы, но по-прежнему не могут импровизировать, когда образец ведет себя не так, как ожидалось.
Отслеживание животных, обследование удаленных мест обитания или сбор образцов в условиях меняющейся погоды и местности по-прежнему зависят от физического присутствия, а адаптируемые человеческие машины не могут сравниться с ними.
Названный исследователь поддерживает точность опубликованного утверждения и ставит на него свою репутацию; ни один журнал или финансирующая организация не придумали, как и стоит ли вместо этого размещать там название системы ИИ.
Автоматизированные роботы, работающие с жидкостями, и высокопроизводительные секвенаторы теперь обрабатывают тысячи образцов с гораздо меньшими затратами человеческого труда, чем десять лет назад, особенно в лабораториях, занимающихся геномикой.
Модели глубокого обучения, такие как AlphaFold, теперь могут предсказать трехмерную форму белка по его последовательности за считанные минуты — задача, на которую раньше требовались годы лабораторной кристаллографии каждого белка.
Распознавание изображений на основе искусственного интеллекта теперь подсчитывает клетки, отмечает аномалии и измеряет структуры на изображениях, полученных под микроскопом, с такой согласованностью, которая уменьшает, но не устраняет утомительную ручную подсчет очков.
Инструменты искусственного интеллекта теперь могут сканировать и обобщать тысячи статей гораздо быстрее, чем исследователь, читающий их вручную, хотя проверка резюме на соответствие первоначальным выводам по-прежнему возлагается на человека.
После прорыва AlphaFold в предсказании структуры белков в 2020 году — работы, которая принесла ее создателям долю Нобелевской премии по химии 2024 года вместе с пионером в области дизайна белков Дэвидом Бейкером — инструменты искусственного интеллекта все чаще помогают создавать новые белки и молекулы, а не просто интерпретировать существующие.
Роботизированные лаборатории с дистанционным управлением теперь позволяют исследователям отправлять эксперименты в виде кода и получать результаты, даже не прикасаясь к пипетке, перемещая часть настольной работы в сторону рабочего процесса, более похожего на разработку программного обеспечения.
Биологические проекты все чаще требуют владения как практической экспериментальной техникой, так и вычислительным анализом данных, и исследователи, которые могут делать и то, и другое, становятся более ценными, чем узкие специалисты в каждом отдельном случае.
Платформы быстрого обмена, такие как bioRxiv, запущенные в 2013 году, позволяют биологам публиковать результаты до официального рецензирования, сокращая цикл публикации, который когда-то занимал год или больше, до недель, за счет некоторых затрат на проверку перед публикацией.
Анализирует большие наборы геномных, протеомных или экологических данных с помощью вычислений — эта роль едва существовала как отдельная профессия до геномной эры, а теперь находится в центре большинства крупных биологических проектов.
Проектирует и создает новые биологические системы — сконструированные микробы, генетические схемы, выращенные в лаборатории ткани — рассматривая живые клетки как программируемые компоненты, а не просто объекты исследования.
Разрабатывает и управляет роботизированными лабораторными процессами с дистанционным управлением для облачных лабораторий и высокопроизводительных объектов — гибридная роль между традиционными лабораторными исследованиями и разработкой автоматизации.
Переводит все более подробные результаты геномных тестов в термины, которые пациенты и их семьи могут фактически использовать для принятия медицинских решений, и эта быстро растущая роль находится между клинической генетикой и непосредственным уходом за пациентами.
Tri obratimye linzy: usilit, zamenit srez ili otkryt nishu. Uchebnye metki, ne prognoz.
Rol sokhranyaetsya; AI uskorayet chernoviki ili issledovanie; suzhdenie ostaetsya chelovecheskim.
Uzkiy paket zadach mozhet szhatsya snachala, poka smezhnoye masterstvo rastet.
Mogut poyavitsya nadzor i integratsiya, gde vyvod AI dolzhen byt dostovernym.
Задачи, наиболее подверженные автоматизации, — это те, которые могут быть полностью определены заранее: рутинное секвенирование, стандартный конвейер анализа изображений, прогнозирование структуры белка, для которого модель была обучена на тысячах подобных примеров. Наиболее защищены задачи, которые невозможно заранее определить: какой вопрос стоит многих лет карьеры, что на самом деле означает странный результат и как интерпретировать живую систему, которая продолжает отказываться вести себя так, как предсказывает модель.
Такое разделение вряд ли приведет к сокращению числа людей, называемых биологами, а скорее изменит то, что на самом деле включает в себя повседневная работа: больше времени будет тратиться на разработку экспериментов и интерпретацию результатов, меньше времени будет тратиться на повторяющиеся действия, которые теперь все чаще выполняются роботами и программным обеспечением. Биолог, работающий в 2040 году, скорее всего, будет проводить меньше времени за пипеткой и больше за клавиатурой, чем сегодня.
Ничто из этого не меняет того, кто несет ответственность, когда опубликованное биологическое утверждение оказывается неверным, или кто решает, какой эксперимент будет финансироваться и проводиться в первую очередь. До тех пор, пока системе искусственного интеллекта не будет поручена эта ответственность, и ни один регулирующий или финансирующий орган в настоящее время не намерен передавать ее, в центре работы остается человек.
Выводит и проверяет математические законы, управляющие материей, энергией, пространством и временем, от одинокой классной доски до статьи о коллайдере частиц, написанной 3000 авторами.
AI-resistant 65 🏗️Проектирует здания, которые должны стоять, соответствовать нормам, нравиться клиенту и стоить правильную сумму, а в противном случае несет юридическую ответственность.
AI-resistant 78 🧪Ученый, который сам создаёт и измеряет материю — от вавилонских духов Таппути до сегодняшних роботизированных лабораторий, и всё же тот, кто решает, что означает спектр.
AI-resistant 70 🎬Превращает сценарий в готовый фильм, продумывая каждый кадр, исполнение и монтаж, а затем убеждает продюсера, студию и аудиторию, что идея стоит затраченного бюджета.
AI-resistant 73 🐾Лечит пациентов, от золотых рыбок до лошадей, которые не могут описать симптомы, и обладает юридическими полномочиями положить конец их страданиям путем эвтаназии.
AI-resistant 78 💱Исследователи дефицита — от булавочной фабрики Адама Смита до комнаты принятия решений в центральном банке — по-прежнему просили предсказать то, что ни одна модель не отражает в полной мере.
AI-resistant 62Выводит и проверяет математические законы, управляющие материей, энергией, пространством и временем, от одинокой классной доски до статьи о коллайдере частиц, написанной 3000 авторами.
AI-resistant 65 🧪Ученый, который сам создаёт и измеряет материю — от вавилонских духов Таппути до сегодняшних роботизированных лабораторий, и всё же тот, кто решает, что означает спектр.
AI-resistant 70 📊Находит закономерности и строит прогнозные модели на основе данных — должность 2008 года, основанная на трех столетиях подсчета, тестирования и визуализации доказательств.
AI-resistant 38 🔭Ученый, который измеряет Вселенную, от вавилонских глиняных табличек до космических телескопов, все еще решает, какое мерцание данных является открытием.
AI-resistant 70 🧮От вавилонских писцов до медалистов Филдса и доказательства с помощью искусственного интеллекта: профессия, которая превращает сложные вопросы в постоянную уверенность, по одной теореме за раз.
AI-resistant 70 🧿Создает, измеряет и контролирует устройства, использующие квантовые состояния для вычислений, зондирования, связи и исследования материалов.
AI-resistant 78 🧫Использует данные клинических исследований, исследований и системы здравоохранения для получения надежных данных для более безопасного ухода, исследований и операционных решений.
AI-resistant 68