每經記者(zhe)｜鄭雨航 實習記者(zhe)岳楚鵬    每經編輯｜蘭素英     

當(dang)地時間10月9日(ri)，瑞典皇家(jia)科(ke)學院公(gong)布(bu)了2024年諾(nuo)貝爾化學獎(jiang)得主。該獎(jiang)項一(yi)分為二，一(yi)半授(shou)予(yu)戴維·貝克（David Baker），以(yi)表彰(zhang)他“利用計算機進行蛋白(bai)質(zhi)設(she)計”的(de)(de)成就，另一(yi)半給了谷歌DeepMind的(de)(de)首席執行官德米(mi)斯·哈薩(sa)比斯（Demis Hassabis）和(he)(he)高(gao)級研究(jiu)科(ke)學家(jia)約翰·M·詹(zhan)珀（John M。Jumper），以(yi)表彰(zhang)他們在“蛋白(bai)質(zhi)結構(gou)預測方面的(de)(de)貢獻(xian)”。2020年，哈薩(sa)比斯和(he)(he)詹(zhan)珀發布(bu)了名為AlphaFold 2的(de)(de)人(ren)工智能（AI）模型，是利用AI技術預測蛋白(bai)質(zhi)三維結構(gou)的(de)(de)革命性工具。

這是(shi)AI在本屆諾(nuo)貝爾獎的第二次勝(sheng)利。前一(yi)日，諾(nuo)貝爾物理學(xue)(xue)獎頒給了(le)(le)計(ji)算機(ji)科(ke)學(xue)(xue)家約翰·霍普菲爾德(de)（John J。Hopfield）和杰弗里·欣頓（Geoffrey E。Hinton），表彰(zhang)他們(men)通過(guo)人(ren)工神(shen)經網絡實現機(ji)器學(xue)(xue)習的基礎(chu)性發現和發明(ming)，幫(bang)助計(ji)算機(ji)以更接近(jin)人(ren)腦的方式學(xue)(xue)習，為AI的發展奠定了(le)(le)基礎(chu)。

為什么AI能贏得諾(nuo)貝爾獎委員會的青睞，接(jie)連拿下(xia)兩大諾(nuo)獎桂冠？《每(mei)日經濟新聞》記者（以下(xia)簡稱NBD）專訪了(le)復(fu)旦(dan)大學復(fu)雜體系多尺度研(yan)究院首(shou)任院長、上(shang)海人(ren)工智能實驗室領軍科(ke)學家馬劍鵬(peng)教授，就AI與(yu)科(ke)學研(yan)究之間的關(guan)系以及中國在(zai)相(xiang)關(guan)領域的進(jin)展進(jin)行了(le)解讀。

AI for Science領域是(shi)輸不(bu)起(qi)的賽道應加強(qiang)算法突破

NBD：今年(nian)諾貝(bei)爾化學(xue)(xue)獎授(shou)予(yu)了(le)致力于(yu)用AI驅動蛋白質結(jie)構預測的(de)科(ke)(ke)學(xue)(xue)家。作為這一領域的(de)知名科(ke)(ke)學(xue)(xue)家，您如(ru)何看待AI在未(wei)來科(ke)(ke)學(xue)(xue)研究中的(de)作用？

馬劍鵬：我曾(ceng)提過AlphaFold是(shi)諾(nuo)獎級的(de)貢(gong)獻，但(dan)沒(mei)想到這(zhe)么(me)快就獲獎了(le)。從2018年“AlphaFold”亮相，到“AlphaFold 2”被(bei)美(mei)國《科學》雜志評為2020年十大科學突(tu)破(po)之一(yi)，再到今年5月發布(bu)的(de)“AlphaFold3”，直接(jie)改變了(le)上(shang)一(yi)代(dai)版本(ben)的(de)核心(xin)架構，用(yong)“擴散(san)模塊(kuai)”取代(dai)了(le)上(shang)一(yi)代(dai)中非常重(zhong)要的(de)“結構模塊(kuai)”。

蛋(dan)(dan)(dan)白(bai)質結構解析，即從氨基(ji)酸序列預(yu)測(ce)蛋(dan)(dan)(dan)白(bai)質的(de)三維結構，是(shi)化學家(jia)們(men)在過(guo)去(qu)50多(duo)年里面臨的(de)一(yi)個挑戰。在AI介入之前，蛋(dan)(dan)(dan)白(bai)質的(de)從頭設計(ji)不(bu)僅極為(wei)艱苦(ku)，而且成功率(lv)很低(di)。不(bu)過(guo)，過(guo)去(qu)20多(duo)年中，結構生物學積累了海量(liang)數據，為(wei)基(ji)于AI的(de)蛋(dan)(dan)(dan)白(bai)質結構預(yu)測(ce)和蛋(dan)(dan)(dan)白(bai)質設計(ji)作(zuo)好了“臨門一(yi)腳”的(de)鋪墊。

“AlphaFold 2”的出(chu)現不僅在這(zhe)一問(wen)題(ti)上(shang)實現了大(da)(da)幅(fu)的提升，甚至逼近于(yu)解決這(zhe)一問(wen)題(ti)。意義更(geng)為深(shen)遠的是，科學智能（AI for Science）的概(gai)念開(kai)始(shi)深(shen)入人心。雖(sui)然這(zhe)個問(wen)題(ti)并沒有完全解決，但已(yi)經(jing)往前進了一大(da)(da)步，已(yi)經(jing)超越了期望(wang)。

NBD：AI的獲獎對科研界意(yi)味著什(shen)么？

馬(ma)劍鵬(peng)：這一(yi)領(ling)域是(shi)我們輸不起的(de)賽道，今后要(yao)重點(dian)在算法上另(ling)辟蹊徑。因此，國家需要(yao)在AI蛋(dan)白質(zhi)結構(gou)研(yan)(yan)究領(ling)域投入(ru)更多的(de)資源和人才(cai)培養力度(du)，對(dui)于(yu)一(yi)項從0到(dao)1的(de)基礎(chu)研(yan)(yan)究，要(yao)給予充足的(de)經費支(zhi)持和發展空間。蛋(dan)白質(zhi)預測領(ling)域目前展現出(chu)來(lai)的(de)潛力是(shi)無窮的(de)，一(yi)定(ding)要(yao)久久為功。

NBD：您(nin)所領導的(de)(de)團隊開發了OPUSFold，這一平臺在蛋(dan)白質(zhi)結(jie)構預測中(zhong)的(de)(de)應用(yong)與AlphaFold 2有相(xiang)似之處。馬教授認為(wei)OPUSFold的(de)(de)開發對推動AI在結(jie)構生物(wu)學領域的(de)(de)應用(yong)有何獨特意義？

馬劍鵬：面(mian)對人(ren)工智能(neng)的(de)科技競爭，作為同(tong)行，不(bu)能(neng)在相同(tong)路徑(jing)上追趕，而是要(yao)另辟蹊徑(jing)，爭取局部(bu)突破。蛋白質三維結構由主(zhu)(zhu)鏈(lian)(lian)和側(ce)鏈(lian)(lian)搭建而成，AlphaFold 2的(de)主(zhu)(zhu)鏈(lian)(lian)預(yu)測總體做得不(bu)錯，但側(ce)鏈(lian)(lian)預(yu)測的(de)質量不(bu)夠好，至少離藥物(wu)設計要(yao)求(qiu)的(de)精度還有很大的(de)差距。

OPUS-Fold 3是(shi)我們團隊自主研(yan)發的(de)(de)(de)蛋白(bai)質折疊(die)平(ping)臺(tai)(tai)，對標(biao)戴維·貝克(ke)的(de)(de)(de)蛋白(bai)質結構(gou)預測軟(ruan)件Rosetta，達到(dao)同等(deng)折疊(die)精(jing)確度并在側鏈(lian)建模超越20%。該平(ping)臺(tai)(tai)在指導蛋白(bai)質設計場景中引入物理化學(xue)性質信(xin)息，以(yi)及濕實(shi)驗(yan)反饋(kui)驗(yan)證(zheng)信(xin)息，提升設計成功率。我們還研(yan)發了一款名為OPUSRota5的(de)(de)(de)算(suan)法，它能大大提升蛋白(bai)質側鏈(lian)結構(gou)測試(shi)精(jing)度，專門針對AlphaFold 2的(de)(de)(de)軟(ruan)肋。現在即便是(shi)有了AlphaFold 3，復旦大學(xue)的(de)(de)(de)側鏈(lian)結構(gou)測試(shi)精(jing)度依然保持著全世界領先(xian)水(shui)平(ping)。

未(wei)來有可(ke)能(neng)出(chu)現“純粹的AI科學家”

NBD：今年的(de)諾貝爾獎表明，AI已經(jing)成為推動(dong)生命科學(xue)(xue)研(yan)究的(de)重要力量(liang)。馬教授認(ren)為在接下來的(de)10年里，AI會如(ru)何(he)改(gai)變生物學(xue)(xue)和藥物發現的(de)研(yan)究方式？在哪些領(ling)域可能會看到新的(de)突破？

馬劍鵬(peng)：未來，AI可能會進一步提(ti)(ti)升蛋(dan)白(bai)(bai)質(zhi)折疊的預測(ce)精度，并幫助識別新的蛋(dan)白(bai)(bai)質(zhi)-蛋(dan)白(bai)(bai)質(zhi)相互作(zuo)用，為(wei)藥(yao)(yao)物靶點的發(fa)現(xian)和(he)設計(ji)提(ti)(ti)供(gong)更可靠的數據支持。未來的AI模(mo)型將能更快速(su)地預測(ce)化合物的藥(yao)(yao)效和(he)毒性，加速(su)藥(yao)(yao)物發(fa)現(xian)過程。同(tong)時，生(sheng)成對抗網絡（GAN）等(deng)生(sheng)成模(mo)型的進步將幫助研究人員設計(ji)出全新的分(fen)子結構(gou)，大幅提(ti)(ti)高新藥(yao)(yao)開發(fa)的速(su)度。

同時，AI在蛋白質結構解析技術(shu)上的發(fa)展，將對酶工業、抗體改(gai)造和生(sheng)物材料(liao)等領(ling)域(yu)產生(sheng)深遠影響，實現更(geng)高效和定制化的創新成果。

比(bi)如，AI可以解析(xi)酶的活性(xing)位點并識別關鍵(jian)的氨基酸殘基，從而(er)幫(bang)助工程師通過定(ding)向進化或理性(xing)設計改造(zao)酶，以實(shi)現更高(gao)的催化效率(lv)、穩定(ding)性(xing)等。

我們團隊(dui)近期通過AI技術與濕實(shi)驗驗證共同推進，大(da)大(da)提高了酶的(de)活性(xing)及熱(re)穩(wen)定性(xing)，可以對酶工業起到降本增效的(de)實(shi)際(ji)作(zuo)用。

NBD：隨著AI對科(ke)學貢獻(xian)的(de)(de)增加，您是(shi)否認為未來有(you)可能會出(chu)現“純粹的(de)(de)AI科(ke)學家”（即人(ren)工(gong)智(zhi)能系統(tong)，而(er)非(fei)研究AI的(de)(de)人(ren)類）？這(zhe)些(xie)AI科(ke)學家是(shi)否有(you)可能獲得像諾貝(bei)爾獎這(zhe)樣(yang)的(de)(de)重要獎項？

馬劍鵬(peng)：未(wei)來(lai)確實(shi)有可能出現“純粹的AI科(ke)學家”，即能夠獨立進行科(ke)學研究(jiu)、提出新理論、設計實(shi)驗并做出發現的人工(gong)智能系統。這樣的AI科(ke)學家不僅會成(cheng)為人類(lei)科(ke)學家的輔助(zhu)工(gong)具，甚(shen)至可能完(wan)全自主地推動某些領域的重大突(tu)破。

但至于(yu)能(neng)否獲得(de)諾獎，還需要看它是否具備自動化推理(li)與(yu)創新能(neng)力、實驗設(she)計與(yu)執行能(neng)力等，并且會涉及(ji)諸(zhu)多技(ji)術(shu)、倫理(li)和規范性挑(tiao)戰。

AI并不會淡化基礎(chu)科(ke)學(xue)研究

NBD：在開發OPUSFold以及推動AI技術在生物學中的應用(yong)時，您是否覺得(de)跨學科合作至關重要(yao)？

馬劍鵬：跨學(xue)科(ke)(ke)非常(chang)重(zhong)要，我(wo)們研(yan)究院團隊就(jiu)是一個典型的跨學(xue)科(ke)(ke)研(yan)究團隊，成員背(bei)景包(bao)含了計算(suan)機科(ke)(ke)學(xue)、生物學(xue)、物理學(xue)和化學(xue)等(deng)。研(yan)究方向(xiang)有(you)分(fen)子生物學(xue)、細胞生物學(xue)、遺傳學(xue)、結構生物學(xue)、AI算(suan)法開發與應(ying)用(yong)、大數據(ju)等(deng)。

今年(nian)，復旦大學(xue)宣布推出至(zhi)(zhi)少100門(men)AI領域課程，AI已是繞(rao)不(bu)(bu)開的話(hua)題，你(ni)不(bu)(bu)一定(ding)需要(yao)(yao)會寫算法，但(dan)至(zhi)(zhi)少要(yao)(yao)會用。AI要(yao)(yao)“從娃娃抓起”，因此注重(zhong)跨學(xue)科領域人才的培養是非(fei)常必要(yao)(yao)的。

NBD：國外一(yi)些科學家(jia)在(zai)接受采訪時提到，他們(men)擔憂AI浪潮可能會扭曲研究方向，導致科學家(jia)追(zhui)逐熱門課(ke)題(ti)（AI應用(yong)），而忽略了基礎研究。請(qing)問您(nin)對(dui)這一(yi)問題(ti)有何看法(fa)？

馬(ma)劍(jian)鵬：把AI研(yan)究和技術研(yan)究割裂或者(zhe)對立有失偏(pian)頗(po)，AI本身是個工(gong)具，可以用(yong)在工(gong)程(cheng)問題上，比(bi)如無人機(ji)操(cao)控(kong)、人臉(lian)識別、自(zi)動駕駛(shi)，也可以應用(yong)在基礎科學研(yan)究上。

事實上，AlphaFold是因(yin)為AI變(bian)強(qiang)大了，才可以用來(lai)做基(ji)礎研究，而AlphaFold研究的問題本身是一個非(fei)常基(ji)礎的科(ke)學(xue)(xue)問題，和(he)應用沒(mei)有直接(jie)關系(xi)，盡管它的成功可以間(jian)接(jie)賦能(neng)新(xin)藥創新(xin)等，所(suo)以不存在“強(qiang)調(diao)了AI就淡化基(ji)礎科(ke)學(xue)(xue)研究”的問題。

另外，AI技術(shu)里面本身還是(shi)(shi)有(you)很多基(ji)礎科學(xue)問(wen)題的，就(jiu)是(shi)(shi)怎么搞這(zhe)個AI技術(shu)。今(jin)年的諾(nuo)貝(bei)爾(er)物理(li)學(xue)獎就(jiu)是(shi)(shi)給了這(zhe)個兩個人，他(ta)們沒(mei)有(you)做(zuo)(zuo)過(guo)人臉識別，也沒(mei)做(zuo)(zuo)過(guo)無人機(ji)操控，他(ta)們做(zuo)(zuo)的是(shi)(shi)AI底(di)層的一(yi)些問(wen)題。諾(nuo)貝(bei)爾(er)化學(xue)獎更是(shi)(shi)一(yi)個基(ji)礎問(wen)題，只是(shi)(shi)都(dou)跟AI的工具相關，所(suo)以(yi)這(zhe)個問(wen)題并不(bu)成(cheng)立。