诺贝尔化学奖 为何青睐人工智能？

　　10月9日，2024年诺贝尔化学奖揭晓。戴维·贝克、戴密斯·哈萨比斯和约翰·乔普共享这一奖项。戴维·贝克在“计算蛋白质设计”领域贡献突出，其余两人则在“蛋白质结构预测”方面成就斐然。这也是继物理学奖之后，今年诺贝尔奖再一次授予人工智能的相关成果及科学家。

　　人工智能“梅开二度”

　　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。

　　浙江大学生命科学研究院研究员林世贤也对该奖项结果十分激动，“获奖成果和我的研究领域息息相关，对我们研究者也是一种激励。”他还特别提到，获奖者之一的约翰·乔普只有39岁，这对广大青年科研工作者是一种莫大的鼓舞。

　　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质结构，但是实验解析的蛋白质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AlphaFold以及后续版本，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，有望对药物研发等带来重要变革，是人工智能应用于生命健康研究领域的极具代表性的重要成果。

　　科学家应用AI要扬长避短

　　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，这项技术更重要的是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，蛋白质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质结构数据。

　　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质的设计方面还面临很大挑战。”他表示，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质，将有可能产生具有真正影响力的全新的蛋白质。

　　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改变了的研究范式，同时还要真正意识到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。”他同时提醒，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。