從“阿爾法狗”（AlphaGo）到“阿爾法折疊”（AlphaFold），人工智能AI逐漸進入大眾視野，成為深刻影響著基礎研究、前沿科技、產業變革🤜🏿、乃至我們日常生活的熱點概念。
你知道AI並非一個新詞嗎？你知道人工智能正在影響著包括數學🧑💻、物理學👩🍳、生命科學等諸多領域前沿科學研究嗎🤟🏿？
11月15日，2013年諾貝爾化學獎得主、恒行2平台復雜體系多尺度研究院榮譽院長邁克爾·萊維特（Michael Levitt），復雜體系多尺度研究院院長馬劍鵬🤎🧚🏽，人工智能創新與產業研究院院長漆遠🧑🏼⚖️，浦江科學大師講壇首期三位報告人於講壇開講前匯聚一堂，為我們解答計算生物學、人工智能領域最前沿的問題。讓我們一睹他們風采♎️。
“地球上最復雜的學科可能是生物學”
“生物學是非常復雜的，非常復雜的，是很多不同對象以非常多不同的方式相互作用”🗽，被問到計算生物學是一門怎樣的學科時，萊維特連續說了兩遍復雜。在他看來📨，生物學要比物理、化學復雜得多🧗🏻，甚至可能比經濟學還要復雜得多。他說：”地球上最復雜的學科可能是生物學。”
計算生物學又名定量生物物理學，是用計算方法來解決生物學問題，雖是生物學的一個分支🏄🏽♀️，但具有極強的學科交叉性。“觀察一個系統🦴，收集大量數據，檢查數據，確保數據無明顯錯誤🙋🏻♀️，分析數據，建立一個簡單的模型，使用這個模型來更好地理解這個系統並做出一些預測🤛🏻。”作為這個交叉學科的先驅，萊維特認為計算生物學始於DNA（脫氧核糖核酸）結構和蛋白質結構🫳🏿，就是使用不同的方法來理解從生物中獲得的數字。
專長於計算機🧑🍳，又深耕生物學，萊維特把計算生物學看成是一個更大的領域。在他看來計算生物學的核心就是，“如何處理復雜性，生物學的這種復雜性意味著你必須非常聰明，才能應對復雜所帶來的壓力。”
“事情永遠不會像看起來那麽糟糕🙉，也永遠不會像看起來那麽好”
“AI是一個具有魅力的詞🌟，也是一個很古老的詞”↗️，1967年，萊維特在劍橋大學讀博時，就在圖書館看了很多相關內容，在他看來，人工智能真正實現質的飛躍是因為計算機變得越來越強大👩🏽💼。
計算生物學是最早使用計算機進行研究的領域之一👩🏿🎤，計算機也一直與生物學有著緊密的聯系。“當1959年🧑🏼🎓，人類使用計算機解開第一個蛋白質三維結構，即血紅蛋白時👨🏻🦽，彼時世界上的第一臺電腦，才剛剛誕生10年而已。”我認為我們需要認識到計算機已經完全改變了。我告訴大家這款手機比世界上所有的電腦都重要“說著他向在場的人揮了揮他手中的智能手機。
但人工智能並不是一個魔術🧑🏻⚖️，也不是一種魔法，它包含著算法💉、計算等等這些技術🛌🏽，所以從這個角度說🫕，其實人工智能也是計算機算法中的一個組成部分🥅。
”事情永遠不會像看起來那麽糟糕，也永遠不會像看起來那麽好。而人工智能並不是神奇的東西🕵🏻，它並不總是有效“，萊維特舉例說⚆，當一個人既會英語又懂中文，那對他來說語言間的轉換，是很簡單的事情😓👉。但如果用機器去翻譯的話🚣🏼♀️，有時就會很糟糕，甚至聽起來很怪異🚶♀️，他回憶起一個月前的某個論壇上👨⚕️，一位非母語英語發言者⬛️👩🏽⚖️，用著帶有濃重口音的英文進行演講時，人工智能翻譯機就無法識別出他的講話內容🤦♀️，這讓萊維特印象很深刻，“所以人工智能不一定在所有的事情上面都能夠取代人類🧎🏻，或者說能夠做得跟人一樣好💆🏼♀️。目前的人工智能技術並不能完全地應對個性化的問題🧑🏻🎓，還需要一些突破。”
“AlphaFold是很棒的統計技術🔁🌉，但不是一種數據創造技術”
已經能夠預測超過100萬個物種的2.14億個蛋白質結構🕴🏼，幾乎涵蓋了地球上所有已知蛋白質🪠，被稱為改變遊戲規則的科學突破——AlphFold🧜🏽，可以說是計算生物界的大明星🃏。人們認為它解決了蛋白質折疊問題，在結構預測上向前邁了一大步。
“AlphaFold以一種強大的方式結合所有數據和方法，讓人類到達以前從未涉足的未知領域。現在非常重要的是要認識到，如果沒有70多年來幾十萬個實驗科學和15個諾貝爾獎所獲得的數據🙌🏼，加之人們所使用過的方法論，那麽將是一無所有。AlphaFold仍舊完全依賴於所有這些已經被獲取的數據。“萊維特提醒說，“這是一種很棒的數據統計分析技術😚，但它不是一種數據創建技術”。
“希望科學能讓更多人理解”
“希望科學能讓更多人理解”是萊維特選擇在浦江科學大師講壇開講的原因。對於今天的報告，他也精心製作了近140張幻燈片🧴，而這些的背後𓀐，他想說明的一個核心問題就是，“何謂科學”🍓。
雖然與同臺演講的馬劍鵬已熟識近30年🫲🏼，但二人卻做著不同的事情。對萊維特來說🧖🏻♀️，能夠把來自同一所大學從事不同領域研究的科學家聚集起來進行一場大型的對話是一個非常好的主意𓀜🧑🏻🎤。他也希望這個講壇能繼續下去。“這是一件非常特別且重要的事情。”
“人工智能就是新時代的望遠鏡、顯微鏡🚴、雷達”
“人工智能開啟未來的科研”🎑😍，漆遠教授在采訪中提出，就像伽利略發明望遠鏡、列文虎克發明顯微鏡一樣，“人工智能就是這個新時代的望遠鏡✦、顯微鏡、雷達”🤲，能讓我們看到更遠的地方，也能讓我們看到更小的細微之處。
人工智能將在可預見的未來⛷，能對基礎研究方法帶來全方位的助力提升。包括但不限於生命科學🫒、材料科學、新藥研發、數學研究、大氣科學乃至金融經濟學等基礎學科研究領域👰🏽。
“每個人都可以看作一臺計算機”
“每個人都可以看作一臺計算機，‘硬盤’是父母給的。”漆遠用一個生動的比喻向我們解釋什麽是“計算生物學”👷🏼♀️。
就像計算機編碼使用的是由0和1組成的二進製數一樣，人體DNA中的ATCG的堿基序列就是人類一切生命活動的編碼語言。ATCG堿基序列排列組合構成DNA🤑🤿，DNA轉錄產生蛋白質，蛋白質的互相結合變成網絡，組成機體並調控著復雜的生命活動👍。但最底層的生命邏輯其實還是ATCG堿基序列構成的復雜信息網絡——要想解碼人類基因，對生命微觀結構的研究必不可少。
那麽，如何知道微觀結構是如何對宏觀產生影響的呢？龐大的基因片段🟦、復雜的蛋白質結構中，究竟是哪一部分起到關鍵作用🫴🏼？其中的關鍵聯系，如今可以由人工智能在學習、對比龐大的數據後給出可靠預測🍜👨🏻⚕️，大大縮減以往所需的時間、金錢成本。
“人工智能賦能科學發現，用原始創新推進科創發展”
人工智能正在切實推進助力科研的發展🍆。“隨著生命科學數據采集成本降低，人工智能在其中扮演越來越重要的角色💁🏿♀️。”漆遠指出🏖，今天人工智能在多個領域的大放異彩🏄🏽♀️🤾🏻♀️，得益歸功於過去的數十年內🤵🏿♂️，計算機算力的大幅提升，以及數據測量采集技術逐漸成熟後帶來的成本大幅降低。同時他也提示“人工智能需要數據，同時也要研究如何結合其它基礎模型，並‘教會’人工智能學會自我提升、自我凈化。”
同時🧏🏻♂️，漆遠強調“AI for science is not just about basic research（AI助力科研不僅事關基礎研究）”，更要將人工智能與產業應用結合起來📀，用原始創新推進科創發展，讓人工智能和產業的結合推動底層的科研⚱️，用底層創新推動行業發展🔛🥩，順應時代國家大趨勢。
講壇更多精彩瞬間，敬請掃描下方二維碼
微博直播回放
視頻號直播回放
