AI改变基础科学研究范式

10月9日，2024年诺贝尔化学奖揭晓。戴维·贝克、德米斯·哈萨比斯和约翰·江珀共享这一奖项。前者在“计算蛋白质设计”领域贡献突出，后两位则在“蛋白质结构预测”方面成就斐然。这也是继物理学奖之后，今年诺贝尔奖再次被授予人工智能（AI）的相关成果及科学家。

获奖结果众望所归

作为全球最重磅的科技奖项之一，每年诺贝尔奖颁奖前，各类预测层出不穷。在今年诺贝尔化学奖揭晓前，此次获奖的三位科学家已呼声极高，奖项结果称得上众望所归。

“尤其是贝克，他是蛋白质计算设计领域的拓荒者，并且持续做出国际先进的研究成果。我认为他们获奖实至名归。”清华大学生物医学交叉研究院助理教授、北京生命科学研究所研究员徐纯福认为，在今年物理学奖已经颁发给机器学习科学家的情况下，诺贝尔化学奖仍然颁发给了三位计算研究领域的科学家，这体现了AI极其重要的科学价值。

“获奖成果和我的研究领域息息相关，对我们研究者是一种激励。”浙江大学生命科学研究院研究员林世贤激动地说，获奖者之一的江珀只有39岁，这对广大青年科研工作者也是一种鼓舞。

蛋白质结构预测一直是计算生物学和结构生物学所关心的重要问题。清华大学生命科学学院教授杨茂君介绍，早期蛋白质结构预测主要依靠同源蛋白结构，但是实验解析的蛋白结构数量占总蛋白数量的比例很低，因此预测效率不高、准确度有限。后期，随着机器学习兴起，人工智能迅速发展，科学家开始尝试将人工智能应用于蛋白质结构预测领域，开发出结构预测工具“阿尔法折叠”以及后续版本。该成果实现了蛋白质结构预测精度和效率的飞跃，几乎解决了单一蛋白质结构预测的问题，有望给药物研发带来重要变革。

AI用于科研潜力巨大

此次诺贝尔化学奖，除了是对获奖者的表彰，也是对人工智能在基础科学研究领域深入应用的重要认可。

杨茂君认为，这次获奖的研究定义了一个理论上可以解决所有科学问题的范式，即从实际问题出发，将其转变为AI可以处理的输入数据，再经过深度学习网络，最终输出结果。

“在所有通过输入得出输出的问题上，AI理论上都可以作为有力的工具，这反映了AI在科学研究领域的广阔潜力。”在杨茂君看来，这一技术的应用范围并不限于生物、化学、物理等领域，其应用范围主要取决于如何将客观世界的问题（或数据）抽象成AI可以学习和处理的形式，以及现实世界是否有足够多的真实数据，训练和构建深度学习网络。

“AI在蛋白质设计领域的应用突破可以说是天时地利人和，水到渠成。”杨茂君解释，蛋白结构的一级序列足够简单，且蛋白质的三维结构输出也有标准的表达形式，并且在过去几十年，结构生物学领域累积了大量真实蛋白结构数据。

徐纯福也表示，AI在生物、化学、医药等健康领域的潜力才刚刚崭露一角，未来还大有发展空间。

“就拿我最熟悉的蛋白质计算设计来讲，虽然今年相关成果获奖了，但计算方法在功能蛋白的设计方面还面临很大挑战。”徐纯福说，如果进一步改进AI算法，能够更准确设计酶、抗体等重要的功能蛋白，将有可能产生具有真正实用的全新蛋白。

徐纯福同时认为，AI对科学研究重要性日益凸显，科学家一方面要积极拥抱新的研究范式，同时也要尽量规避AI的局限性。“AI不是万能的，科学家们需要扬长避短，推动AI在基础科研更有效应用。”他说，科学家要更负责任地应用AI，不用AI做违背科学伦理、有害人类健康的科学研究。