在2024年諾貝爾物理學(xué)獎和化學(xué)獎接連頒發(fā)給人工智能（AI）領(lǐng)域科學(xué)家之后，科學(xué)家們開始認(rèn)真審視AI對科學(xué)的進(jìn)擊和影響。
尤其是當(dāng)諾貝爾化學(xué)獎將“AI蛋白質(zhì)結(jié)構(gòu)設(shè)計及預(yù)測”捧上神壇后，人們不淡定了：結(jié)構(gòu)生物學(xué)家的飯碗是不是保不住了？甚至在某知識問答社區(qū)，許多人尤其好奇和關(guān)切結(jié)構(gòu)生物學(xué)家對今年諾貝爾化學(xué)獎結(jié)果的評價。
對于那些真正的一線科學(xué)家而言，這些似乎并不是一個重要的問題。在他們看來，就AI今時今日的發(fā)展階段而言，追問“AI的極限在哪里”可能為時過早，但如果能夠厘清“AI更擅長做什么事”“哪些是AI無法替代的”等問題，無疑是當(dāng)下更為重要的事。
因為這些問題的答案將直接影響科學(xué)家工作的方式，以及他們在未來的科學(xué)敘事。
諾獎“出圈”？科學(xué)史上新的一頁
相比諾貝爾物理學(xué)獎頒發(fā)給約翰•霍普菲爾德（John J. Hopfield）和杰弗里•欣頓（Geoffrey E. Hinton）這兩位機器學(xué)習(xí)“大牛”給人們帶來的驚訝，今年諾貝爾化學(xué)獎授予戴維•貝克（David Baker）、德米斯•哈薩比斯（Demis Hassabis）和約翰•江珀（John M. Jumper）顯得更加眾望所歸。
原因無他，在貝克發(fā)明Rosetta算法和來自美國DeepMind公司的兩位天才祭出AlphaFold之前，蛋白質(zhì)折疊和結(jié)構(gòu)預(yù)測的問題，都還是生命科學(xué)領(lǐng)域遙不可及的目標(biāo)。一些基礎(chǔ)生物學(xué)家窮極一生，也僅能取得一點點進(jìn)步。
“這是一個革命性的改變。”中國科學(xué)院系統(tǒng)生物學(xué)重點實驗室主任、國家蛋白質(zhì)科學(xué)研究（上海）設(shè)施主任吳家睿說，AlphaFold橫空出世之后，人類精確預(yù)測蛋白質(zhì)三維結(jié)構(gòu)的手段已經(jīng)從傳統(tǒng)的實驗技術(shù)，進(jìn)階到用數(shù)據(jù)庫和計算機軟件的階段。
眾所周知，用于蛋白質(zhì)結(jié)構(gòu)發(fā)現(xiàn)的冷凍電子顯微鏡（Cryo-EM）、核磁共振或X射線晶體學(xué)等實驗技術(shù)背后，都離不開耗費巨大的硬件設(shè)備和人力投入，而這也在過去數(shù)十年里成為“大機構(gòu)”“大平臺”的“大佬”們的專屬。單個蛋白質(zhì)分子結(jié)構(gòu)的解析往往能夠成為一篇頂刊論文，以至于很多生命科學(xué)研究者單純把“獲得結(jié)構(gòu)”本身作為目標(biāo)。
但AI的闖入改變了這一切。用中南大學(xué)化學(xué)化工學(xué)院教授張翼的話說，AlphaFold2的誕生，讓一些資金有限、缺少資源的“平民科學(xué)家”也有機會參與到生命科學(xué)領(lǐng)域一些高水平的科研中。
AI對科學(xué)研究的撼動，并不止于蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域。
就在諾貝爾化學(xué)獎公布的近幾天里，科學(xué)家們陸續(xù)報道了他們使用AI實現(xiàn)鈣鈦礦等多種納米晶的智能制備、用AI發(fā)現(xiàn)5顆超短周期行星、發(fā)現(xiàn)16萬種RNA“暗物質(zhì)病毒”等成果。AI對科學(xué)的“滲透”之深，已經(jīng)超出了許多人的想象。
“現(xiàn)在AI特別是機器學(xué)習(xí)，已成為物理、化學(xué)、生物等基礎(chǔ)研究的重要工具，AI for Science（AI4S）正在引起一場科研范式的大變革。”計算機專家、中國工程院院士李國杰在點評此次諾獎的“出圈”時寫道，“這（指諾獎先后頒發(fā)給AI領(lǐng)域?qū)W者）不是物理學(xué)界和化學(xué)界的‘悲哀’，可能在科學(xué)史上翻開新一頁。”
科研范式變革改變了什么？“問的問題”
AI4S引領(lǐng)的科研范式變革，到底改變的是什么？
“它改變了你可以問的問題。”英國牛津大學(xué)蛋白質(zhì)信息學(xué)實驗室負(fù)責(zé)人、結(jié)構(gòu)生物信息學(xué)教授夏洛特•迪恩言簡意賅：“從事跨學(xué)科領(lǐng)域的科學(xué)工作者應(yīng)該感到興奮，因為AI不僅開始解決真正困難的問題，還改變了我們從事科學(xué)研究的方式。”
值得一提的是，迪恩是DeepMind
2021年投稿在《自然》上的論文的審稿人之一。她當(dāng)年還擔(dān)心有人“不能完全理解DeepMind的成就”，而今，AI帶來的科研范式變革來勢洶洶，她不必再為此困擾。
AI4S正是北京科學(xué)智能研究院院長、深勢科技創(chuàng)始人兼首席科學(xué)家張林峰的“專業(yè)”。2020年，他和團(tuán)隊伙伴憑借深度深勢算法DeePMD 獲得高性能計算應(yīng)用領(lǐng)域最高獎“戈登•貝爾獎”。此后他回國創(chuàng)業(yè)，致力于AI4S的落地。
在張林峰看來，科學(xué)家當(dāng)下最聰明的做法，就是把AI擅長的部分交給AI。
AlphaFold就是現(xiàn)成的例子。“首先，過去蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的問題非常明確；其次，數(shù)據(jù)的積累非常扎實——人類當(dāng)時已經(jīng)積累了接近20萬個蛋白質(zhì)結(jié)構(gòu)和20億條蛋白質(zhì)序列。”張林峰說，越是清晰的建模需求，越是機器學(xué)習(xí)的“拿手菜”。
怎么找出科學(xué)問題中AI擅長的事情？其實有規(guī)律可循。張林峰表示，AI4S的研究有個共同點：從現(xiàn)實問題出發(fā)，將其轉(zhuǎn)化為AI可以處理的數(shù)據(jù)輸入，通過深度學(xué)習(xí)網(wǎng)絡(luò)得到解決方案。他談到，在某種程度上，AlphaGo、AlphaFold這樣的“AI+”研究，算得上是AI4S“低垂的果實”。
“類似的研究還會有很多。”張林峰說，現(xiàn)階段AI4S應(yīng)用的廣度，取決于現(xiàn)實問題能否有效抽象成AI可以學(xué)習(xí)和處理的形式，以及現(xiàn)實世界是否存在足夠多的真實數(shù)據(jù)來訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)。
除了摘取“低垂的果實”，AI還能幫助解決哪些科學(xué)難題？
“接下來AI涉獵的問題可能是那些物理原理非常清楚，但過去由于我們表示復(fù)雜高維函數(shù)的能力有限，很難充分挖掘利用已有物理規(guī)律的問題。”張林峰認(rèn)為，隨著AI更深層次地被用于科研活動的多個環(huán)節(jié)，智能計算系統(tǒng)和智能實驗系統(tǒng)有望進(jìn)一步有效耦合。屆時，科學(xué)發(fā)現(xiàn)有望從“小作坊式”切換至“系統(tǒng)性發(fā)現(xiàn)”模式。
“AI4S將進(jìn)入類似‘ChatGPT時刻’的階段。”張林峰表示，接下來的重點是全力打造基于AI4S的基礎(chǔ)設(shè)施，為下一步賦能更多產(chǎn)業(yè)和領(lǐng)域建設(shè)具有全棧能力和開放生態(tài)的科研新范式體系。
對于AI在科學(xué)研究領(lǐng)域的作為，科學(xué)家們有太多寄望。
李國杰提出，近幾年科研范式正在發(fā)生的重大變化，主要動力來自“駕馭復(fù)雜性”。他認(rèn)為，科學(xué)語言和科學(xué)方法適合處理精確問題，具有局限性和相對性；隨著簡單的物理學(xué)問題被解決，包含隨機性和不確定性的復(fù)雜問題成為遺留難題，而AI“適合處理這種難以精確描述的問題”。
“物理、化學(xué)、生物學(xué)研究都要靠AI來應(yīng)對指數(shù)爆炸。”李國杰說，考慮到人的大腦難以想象三維以上的東西，目前應(yīng)對“維數(shù)災(zāi)難”只有兩條出路：一是機器學(xué)習(xí)，二是復(fù)雜性科學(xué)。他還指出：“中國這兩個領(lǐng)域的學(xué)者聯(lián)系不多，今后應(yīng)加強溝通合作。”
AI潛能無限？人機協(xié)作的主導(dǎo)者是人
盡管圖景誘人，但目前AI的局限也真實存在。
“絕大多數(shù)學(xué)者都承認(rèn)，智能不是一個有與無的問題，而是一個程度的問題。”美國天普大學(xué)計算機與信息科學(xué)系副教授王培表示，當(dāng)前AI領(lǐng)域最火的是機器學(xué)習(xí)，機器學(xué)習(xí)非常有效地總結(jié)了人類迄今為止的經(jīng)驗，但它“成也統(tǒng)計學(xué)習(xí)、敗也統(tǒng)計學(xué)習(xí)”。
“統(tǒng)計學(xué)習(xí)本身有其局限性，比如，它要求對數(shù)據(jù)有統(tǒng)一、穩(wěn)定性的假設(shè)。而這個‘假設(shè)’并非在所有領(lǐng)域都可接受，如有的領(lǐng)域本身環(huán)境變化很快，數(shù)據(jù)很快會失效。”王培認(rèn)為，就模型本身理論而言，所有超出基本預(yù)設(shè)的東西，都會變成模型的局限性——即便創(chuàng)造這些基礎(chǔ)大模型的公司此后還會迭代出更強的版本，“但這個基本約束甩不掉”。
浙江大學(xué)人工智能研究所所長、求是特聘教授吳飛認(rèn)為，當(dāng)前以深度學(xué)習(xí)為代表的AI主要是在模仿人腦，但現(xiàn)階段人們對大腦的理解還只是“管中窺豹”。AI今天所遇到的“天花板”，也在于人們還沒有解開人類大腦的終極秘密。
“如果要讓AI代替人類完成大多數(shù)任務(wù)，那就必須要對人類如何完成這些任務(wù)的機制機理或可計算的模型進(jìn)行精確的描述。”吳飛引用北京大學(xué)人工智能研究院院長朱松純的觀點說道：“人腦是小數(shù)據(jù)、大任務(wù)，并非依賴于海量數(shù)據(jù)；相反，AI雖掌握了海量數(shù)據(jù)，卻不能舉一反三或者解決邏輯推理的問題，更不用說涌現(xiàn)靈感、情感。”
這也提醒著人們，在簇?fù)碇鳤I進(jìn)入物理、化學(xué)、生物等學(xué)科之際，科學(xué)家們不應(yīng)忽視的一點是，AI不是萬能的，在人機協(xié)作的科研工作中，主導(dǎo)者應(yīng)是科學(xué)家自己。
“人+機器能起到的效果，是1+1遠(yuǎn)遠(yuǎn)大于1，但大家不能過高估計AI的貢獻(xiàn)、低估人的作用。”北京郵電大學(xué)人機交互與認(rèn)知工程實驗室主任劉偉說，他堅持認(rèn)為現(xiàn)階段的“人機協(xié)同”中，占主導(dǎo)地位的是人，而非AI。
劉偉表示，當(dāng)前人們多多少少對AI有些期待過高，忽視了它其實仍處于初級發(fā)展階段的事實。比如，OpenAI創(chuàng)始人兼首席執(zhí)行官薩姆•阿爾特曼曾提出，OpenAI的產(chǎn)品要經(jīng)歷5個發(fā)展階段：交互、推理、調(diào)用、創(chuàng)新、組織。但現(xiàn)在，它們卡在了“推理”階段。
“原因是什么？丁肇中先生曾說過，人類掌握的物理知識才10%不到，人們對90%以上的物理還不了解其基本機理，機器的推理也就卡在了這里。”劉偉說，排在推理后面的調(diào)用、創(chuàng)新、組織等能力，AI跟人的差距還很大。
在吳飛看來，目前來看，靠數(shù)據(jù)、知識與環(huán)境的交互，AI都無法實現(xiàn)對人類智能活動的模擬。唯有向生命科學(xué)、心理學(xué)、復(fù)雜系統(tǒng)的優(yōu)化學(xué)習(xí)，AI才有可能解開人類智能的終極奧秘。
“在這個奧秘被揭示之前，我們要善于利用AI工具，把人類智能和機器智能都發(fā)揮到極致，完成人類自身或機器單獨不能完成的任務(wù)。”吳飛說。
至于AI的未來，李國杰很樂觀：“AI的突飛猛進(jìn)，預(yù)示人類已經(jīng)處在進(jìn)入智能時代的前夜。目前的技術(shù)離實現(xiàn)真正的通用人工智能還有一定距離，再經(jīng)過10~20年的努力，大概率會出現(xiàn)基于重大科學(xué)突破的基礎(chǔ)發(fā)明，為人類進(jìn)入智能時代打下堅實的基礎(chǔ)。”
悄然發(fā)生的變化
最近，2021年諾貝爾化學(xué)獎獲得者本杰明•李斯特（Benjamin List）關(guān)于AI4S的觀點具有一定的代表性。
“AI將對我研究的化學(xué)表面和催化領(lǐng)域產(chǎn)生多大的影響，我目前還不知道。但直覺告訴我，影響可能很大。即便AI可能做很多事情，我們也不應(yīng)該放棄自身的創(chuàng)造力。”
李斯特以自身為例說道：“我現(xiàn)在處于職業(yè)生涯的中期，我相信自己的智慧和創(chuàng)造力，我更喜歡憑借它們作出判斷，而不是依靠那些由計算機得出的結(jié)果。如果計算機向我展示了一些我自己想不到的東西，我會很興奮，然后接著發(fā)揮我的智慧和創(chuàng)造力去做其他更深入的事情。”
基礎(chǔ)生物學(xué)家、中國科學(xué)院院士顏寧說過類似的話。她將AlphaFold、冷凍電鏡革命等技術(shù)進(jìn)步視為“將結(jié)構(gòu)生物學(xué)家從技術(shù)掙扎中解放出來”的契機，并認(rèn)為這些工具能力的提升，將使結(jié)構(gòu)生物學(xué)家能夠更專注于結(jié)構(gòu)帶來的生物學(xué)發(fā)現(xiàn)本身。
“生命是地球上最神奇的存在，有那么多未知要探索，任何一次技術(shù)進(jìn)步都是契機。”顏寧說，“該考慮的是如何把新技術(shù)為我所用，去問出、去探索更有意思的問題。”
先進(jìn)工具解放雙手和大腦，去做更具創(chuàng)造力的事情，這是人類文明進(jìn)階所一以貫之的。但AI給科學(xué)家們帶來的一些影響和改變，有時是在悄然間發(fā)生的。
比如，學(xué)科專業(yè)之間的壁壘，或許正因為AI的介入而逐漸消弭。
李國杰注意到，近百年來，學(xué)科越分越細(xì)，但他在看了欣頓獲獎后的發(fā)言后有些感慨。
欣頓在獲獎后的采訪中說：“我覺得我是一個不知道自己在哪個研究領(lǐng)域的人，但想弄清楚大腦工作原理，然后在研究中協(xié)助發(fā)明了一項效果驚人的技術(shù)。”
“欣頓不經(jīng)意的回答透露了獲得重大科學(xué)突破的奧秘：不要在自己頭上戴上哪個學(xué)科的‘帽子’，要做不知道屬于哪個領(lǐng)域的交叉科學(xué)研究。”李國杰有感而發(fā)。
AI還將與科學(xué)探索有什么樣的互動？沒人能說得清。唯一能確定的是，AlphaFold絕不會是最后一個震撼科學(xué)領(lǐng)域的AI工具，更多的AI工具會繼續(xù)涌現(xiàn)，而最棒的科學(xué)家與這些工具配合，將會做出什么樣的創(chuàng)舉，值得更多期待。■