“我们的算法已经纳入了基因互作的相关参数进行模拟！”赵凯也来了火气，“环境因素的影响之所以没有重点考量，是因为现有数据中环境变量的标注极不规范，强行纳入只会降低模型的准确性。
周博士，你们生物实验讲究实证，我们AI技术讲究数据支撑，本质上都是为了精准定位基因位点。现在我们用算法快速筛选出候选位点，你们后续通过实验验证即可，为什么非要纠结于算法的过程？”
“纠结过程是为了避免走弯路！”周悦毫不退让道：“你们筛选出的候选位点有200多个，如果按照你们的报告直接开展验证实验，我们需要耗费大量的时间、试剂和实验样本。
要是其中大部分都是无效位点，不仅会延误研发进度，还会造成严重的资源浪费。我认为，你们的AI筛选必须加入更多的生物学先验知识约束，不能完全依赖数据模型的自动判断。”
“加入过多约束，会限制算法的探索性！”赵凯反驳道：“很多未知的基因关联，正是因为突破了现有生物学认知才被发现的。如果我们一开始就用现有知识框住算法，可能会错过真正关键的基因位点。这是典型的经验主义，会阻碍技术创新！”
两人的争吵吸引了两个团队的其他成员，大家纷纷围了过来，不少人还加入了争论。AI技术组的成员大多支持赵凯，认为生物实验组过于保守，不懂AI技术的优势。
生物实验组的成员则站在周悦一边，指责AI技术组不懂生物学常识，盲目追求效率而忽视科研严谨性。
会议室里人声鼎沸，原本的工作沟通会彻底变成了理念交锋的战场。
作为两个实验室的负责人，苏明远教授和杨芳闻讯匆匆赶来，当看到这样一幅混乱的场景。
苏明远教授皱着眉，沉声说道：“都安静一下！研发团队刚组建，有分歧很正常，但争吵解决不了问题。”
杨芳则走到会议桌前，拿起那份争议满满的报告，仔细翻阅起来。过了足足十分钟，她才抬起头，目光平静地看向众人：“赵凯和周悦说得都有道理。
AI技术的优势在于高效处理海量数据、挖掘潜在关联，这是我们传统实验方法无法比拟的；而周悦强调的生物学严谨性，也是基因研究的核心底线，不能有丝毫马虎。问题的关键，不是争论谁对谁错，而是如何让AI技术与生物学研究更好地结合。”
说着，她看向苏明远教授：“苏教授，我建议让两个团队的核心成员组建一个联合工作小组。AI技术组负责优化算法，将周悦他们提出的生物学先验知识转化为可量化的算法约束条件；生物实验组则选派专人，全程参与AI筛选的过程，及时为算法优化提供专业建议。
同时，我们可以先选取一小部分已知的疾病相关基因位点，对优化后的算法进行验证，达标后再开展大规模数据筛选。”