——从GPT-4切入漫谈DNA可能是储藏信息的最佳媒介

文/陈思进

距离ChatGPT3.5开放API没多久，这次GPT-4又来了！造成的轰动更加引人瞩目。因为GPT4能处理更多的数据，生成更长、更复杂、更连贯、更准确、更多样化和更有创造力的文本。而且ChatGPT4比前任更大、更好，拥有惊人的100万亿参数，是目前存在的体量最大、能力最强大的语言模型。

而我最先关心的是，GPT4的内存需要多少？

由于GPT-3最大的版本（GPT-3，175B）需要至少350GB的显存和1.3TB的系统内存，那么GPT-4需要多少内存呢？想象一下吧。

据说有科学家计算过，2020年时，全球数据总量可能要达到40ZB。这是什么概念呢？如果换算成4TB硬盘的话，就需要1000亿个。而且，每年全球数据总量还维持着50%的增长。

有一个思想实验：当太阳快爆炸，地球就要毁灭了，人类该怎么办？

我们不能等死啊，肯定得赶紧跑！科幻片里这样的设定不是很多嘛。人类造一艘超大的宇宙飞船，把需要的东西都带走，一起去星际旅行，再找个星球重建人类文明。

那我们要怎么打包呢？

这个场景几千年前就有人帮我们设想过。他们的方案是什么呢？那就是诺亚方舟——造一艘大船，把地球上每个物种都选一对装上船带走，保证繁衍。

这个方案靠不靠谱先不管，现在肯定不能这么干了，因为我们要带的东西不一样。不仅要带上人类和地球上的生物，还有人类的知识、科技成果。如果这些全要带走，那得多大个飞船才能装得下啊！

也就是说，人类海量的数据该怎样带走？

这个问题看似简单，把数据存在磁盘里不就好了吗？可事实上，不行。

前面提到，在2020年时，全球数据总量就达到了40ZB，换算成4TB硬盘的话，就需要1000亿个！而且，每年全球数据总量还维持着50%的增长。 也就是说，不久的将来，我们人类产生信息的总量就会超过存储介质的量，就是说很多知识和数据正处于消失的边缘。

在地球上，我们可以建造大型的数据中心，都还存不下来，更何况空间有限的飞船呢？

那如何来解决存储的难题呢？

为此，合成生物学家提供了一种方案：存在DNA里，把含有数据的DNA带走就可以了。这就是我们这篇文章要讲述的——一个重要的前沿研究方向——DNA信息存储。

2010年5月，美国生物学家及企业家克雷格·文特尔教授的研究小组，宣布他们已成功制造出世界第一个人造生命细胞，即“人造生命”，证明了只要有DNA序列，在理论上就能还原出生命。 如果想要把地球上的物种全部带走，就没必要像诺亚方舟那样带着活生生的生命个体，只要就把所有物种的DNA序列信息带走就行了。

假如连生命都可以只打包DNA信息，人类文明的其他信息就更不用说了，那么答案也就有了：随着人类对信息存储的需求日益增加，传统的存储媒介已经无法满足我们的需求。于是，一种新的信息存储方式——DNA存储便崭露头角了。

让我从头向大家介绍，什么是信息存储新方案吧！

我们都知道，DNA，全称为脱氧核糖核酸，是构成生命体的基础单位，其中包含了生物体的遗传信息。不过，由于DNA的信息密度极高，一小段DNA就能够存储数百万字节的数据。而且DNA的存储寿命也非常长，可以达到数百年或更长时间。因此，科学家们开始探索将DNA作为一种信息存储介质的可能性。

DNA存储的实现方法，是将数字数据通过一定的编码方式转化为DNA序列，然后通过DNA合成技术将这些序列组成DNA链。当需要读取数据时，只需将DNA进行PCR扩增并进行测序，即可恢复原始数据。这种方法不仅可以存储海量的数据，而且数据的读写速度也非常之快。此外，由于DNA存储媒介不需要任何能源维持，因此它也具有极高的能源效率。

那么如何把信息存进DNA？

众所周知，生命的信息是靠DNA存储的，而且数十亿年以来保存完整。DNA绝对是这个星球上最古老的信息存储工具。

不过，DNA能用来当硬盘存储信息吗？而且，非生命的信息可以存在DNA上吗？

答案是可以的。

最先，想到干这件事的是艺术家乔·戴维斯（Joe Davis）。1988年，戴维斯把一个35像素的照片，转化成35个碱基的DNA，这是人类第一次在DNA上写入不属于自然的信息。

这个图片长得像一把叉子，代表地球。他管这个图叫小维纳斯（microvenus）。

小维纳斯（microvenus）:第一张存进DNA的图片

这是怎么做到的呢？其实DNA存储信息和密码编码是一个道理。计算机可以用0和1这两个字符表示所有的信息，我们同样可以用ATCG4个碱基来表示同样的信息。

如果你想存储一个图片，可以先把图片还原成0-1的二进制数据，再把这个数据对应转换成ATCG的序列，然后用DNA合成技术把这段序列合成出来，信息也就被存在这段DNA里。想读取的时候，就对这段DNA做测序。而想把信息存到活细胞的DNA里，也是可行的。

2017年7月《自然》杂志发表了乔治·丘奇教授和同事的研究，他们把一部黑白电影存在了大肠杆菌的DNA上。虽然体内有一段“奇怪的DNA”，但大肠杆菌还是正常生存。而且不止生存，还可以正常遗传，每次繁衍都是一次数据复制，存储在基因组中的电影，在每一代大肠杆菌中也都完整无缺地保存下来了。

但是，由于DNA的存储和读取过程比较复杂，目前的DNA存储技术还不够成熟。此外，DNA存储需要高昂的成本，并且需要先进的实验设备和技术。因此，目前这种技术还没有被大规模的得到广泛应用。但是，随着技术的不断进步，相信这种高效、安全、长寿命的存储方案，在未来一定会有越来越广泛的应用。

不过，现在把信息存在活体细胞中的研究减少了。因为细胞会死亡，还会不断分裂复制，还存在着出错的风险。为了保障数据安全，大多数情况下，存储了信息的DNA都是以DNA干粉的形式存在。

在一个系统下，1克DNA可存储2.15亿千兆字节的数据，重量不到一块方糖的DNA可存储世界上所有的电影。一辆两座厢式货车大小的DNA可容纳世界上产生的所有数据。DNA之所以有如此高的存储密度，其中一个原因是DNA有四种碱基（A、T、G 和 C），而计算系统目前使用的是基于0和1的二进制系统。这种倍增使存储的信息量呈“指数级增长”。

曾读过读过一篇论文，1公斤DNA可储存全球数据，请见附图：

全球数据只需1kg DNA就能储存

而且，让信息保存千万年的方法，是通过DNA的储存。如不久前天津大学宣布，该校合成生物学团队创新DNA存储算法，将十幅精选敦煌壁画存入DNA中，通过加速老化实验验证壁画信息，在实验室常温下可保存千年，在9.4℃下可保存两万年。该算法支持DNA分子成为世界上最可靠的数据存储介质之一，可以让面临老化破损危机的人类文化遗产信息保存千年万年。

不过，我们实现这个目标的主要障碍是成本：要使用DNA读取、写入、封装和存储数据，需要大幅降低成本。在某一个项目中合成2MB数据的成本是7,000美元，而读取数据又需要2,000美元。而且，在DNA中读取和写入数据的速度，会慢于其他类型的存储技术。

写到这儿，我们不禁感叹自然界的奇妙和人类的智慧。DNA既是生命的基石，也是信息传递的重要媒介，其巨大的信息存储能力和长期的稳定性，使其成为未来信息存储的一个极具潜力的领域。我们期待着未来，当人类的智慧和科技的力量结合，解决目前还存在的那些问题和障碍，开创出更加广阔的DNA信息存储领域！

2023年04月20日写于多伦多安大略湖畔