專訪 | 復(fù)旦大學(xué)復(fù)雜體系多尺度研究院首任院長馬劍鵬：AI for Science是中國輸不起的賽道，未來可能出現(xiàn)“純粹的AI科學(xué)家”

每經(jīng)記者 鄭雨航    每經(jīng)實(shí)習(xí)記者 岳楚鵬    每經(jīng)編輯 蘭素英    

圖片來源：諾貝爾獎官方X平臺賬號

當(dāng)?shù)貢r(shí)間10月9日，瑞典皇家科學(xué)院公布了2024年諾貝爾化學(xué)獎得主。

該獎項(xiàng)一分為二，一半授予戴維•貝克（David Baker），以表彰他“利用計(jì)算機(jī)進(jìn)行蛋白質(zhì)設(shè)計(jì)”的成就，另一半給了谷歌DeepMind的首席執(zhí)行官德米斯•哈薩比斯（Demis Hassabis）和高級研究科學(xué)家約翰•M•詹珀（John M. Jumper），以表彰他們在“蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的貢獻(xiàn)”。2020年，哈薩比斯和詹珀發(fā)布了名為AlphaFold 2的人工智能（AI）模型，是利用AI技術(shù)預(yù)測蛋白質(zhì)三維結(jié)構(gòu)的革命性工具。

這是AI在本屆諾貝爾獎的第二次勝利。前一日，諾貝爾物理學(xué)獎?lì)C給了計(jì)算機(jī)科學(xué)家約翰·霍普菲爾德（John J. Hopfield）和杰弗里·欣頓（Geoffrey E. Hinton），表彰他們通過人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明，幫助計(jì)算機(jī)以更接近人腦的方式學(xué)習(xí)，為AI的發(fā)展奠定了基礎(chǔ)。

為什么AI能贏得諾貝爾獎委員會的青睞，接連拿下兩大諾獎桂冠？《每日經(jīng)濟(jì)新聞》記者（以下簡稱NBD）專訪了復(fù)旦大學(xué)復(fù)雜體系多尺度研究院首任院長、上海人工智能實(shí)驗(yàn)室領(lǐng)軍科學(xué)家馬劍鵬教授，就AI與科學(xué)研究之間的關(guān)系以及中國在相關(guān)領(lǐng)域的進(jìn)展進(jìn)行了解讀。

馬劍鵬教授是國際知名的計(jì)算生物學(xué)家，是美國醫(yī)學(xué)生物工程學(xué)會、美國科學(xué)促進(jìn)會及美國物理學(xué)會的會士。2018年，馬教授作為上海市高峰人才引進(jìn)團(tuán)隊(duì)核心成員全職歸國，與Michael Levitt（2013年諾貝爾化學(xué)獎得主）教授聯(lián)合創(chuàng)建了復(fù)旦大學(xué)復(fù)雜體系多尺度研究院。在“AI for Science（科學(xué)智能）”領(lǐng)域中尤為關(guān)鍵的蛋白質(zhì)結(jié)構(gòu)預(yù)測研究中，馬教授團(tuán)隊(duì)自主研發(fā)的OPUS-系列國產(chǎn)軟件性能領(lǐng)跑全球，成功搭建全鏈條AI賦能新藥研發(fā)的先進(jìn)技術(shù)平臺。

馬劍鵬教授 圖片來源：復(fù)旦大學(xué)復(fù)雜體系多尺度研究院官網(wǎng)

AI for Science領(lǐng)域是輸不起的賽道，應(yīng)加強(qiáng)算法突破

NBD：今年諾貝爾化學(xué)獎授予了致力于用AI驅(qū)動蛋白質(zhì)結(jié)構(gòu)預(yù)測的科學(xué)家。作為這一領(lǐng)域的知名科學(xué)家，您如何看待AI在未來科學(xué)研究中的作用？ 

馬劍鵬：我曾提過AlphaFold是諾獎級的貢獻(xiàn)，但沒想到這么快就獲獎了。從2018年“AlphaFold”亮相，到“AlphaFold 2”被美國《科學(xué)》雜志評為2020年十大科學(xué)突破之一，再到今年5月發(fā)布的“AlphaFold 3”，直接改變了上一代版本的核心架構(gòu)，用“擴(kuò)散模塊”取代了上一代中非常重要的“結(jié)構(gòu)模塊”。

蛋白質(zhì)結(jié)構(gòu)解析，即從氨基酸序列預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，是化學(xué)家們在過去50多年里面臨的一個(gè)挑戰(zhàn)。在AI介入之前，蛋白質(zhì)的從頭設(shè)計(jì)不僅極為艱苦，而且成功率很低。不過，過去20多年中，結(jié)構(gòu)生物學(xué)積累了海量數(shù)據(jù)，為基于AI的蛋白質(zhì)結(jié)構(gòu)預(yù)測和蛋白質(zhì)設(shè)計(jì)作好了“臨門一腳”的鋪墊。

“AlphaFold 2”的出現(xiàn)不僅在這一問題上實(shí)現(xiàn)了大幅的提升，甚至逼近于解決這一問題。意義更為深遠(yuǎn)的是，科學(xué)智能（AI for Science）的概念開始深入人心。雖然這個(gè)問題并沒有完全解決，但已經(jīng)往前進(jìn)了一大步，已經(jīng)超越了期望。

AlphaFold 2的工作原理 圖片來源：諾貝爾獎官網(wǎng)新聞稿截圖

NBD：AI的獲獎對科研界意味著什么？ 

馬劍鵬：這一領(lǐng)域是我們輸不起的賽道，今后要重點(diǎn)在算法上另辟蹊徑。因此，國家需要在AI蛋白質(zhì)結(jié)構(gòu)研究領(lǐng)域投入更多的資源和人才培養(yǎng)力度，對于一項(xiàng)從0到1的基礎(chǔ)研究，要給予充足的經(jīng)費(fèi)支持和發(fā)展空間。蛋白質(zhì)預(yù)測領(lǐng)域目前展現(xiàn)出來的潛力是無窮的，一定要久久為功。

NBD：您所領(lǐng)導(dǎo)的團(tuán)隊(duì)開發(fā)了OPUSFold，這一平臺在蛋白質(zhì)結(jié)構(gòu)預(yù)測中的應(yīng)用與AlphaFold 2有相似之處。馬教授認(rèn)為OPUSFold的開發(fā)對推動AI在結(jié)構(gòu)生物學(xué)領(lǐng)域的應(yīng)用有何獨(dú)特意義？

馬劍鵬：面對人工智能的科技競爭，作為同行，不能在相同路徑上追趕，而是要另辟蹊徑，爭取局部突破。蛋白質(zhì)三維結(jié)構(gòu)由主鏈和側(cè)鏈搭建而成，Alphafold 2的主鏈預(yù)測總體做得不錯(cuò)，但側(cè)鏈預(yù)測的質(zhì)量不夠好，至少離藥物設(shè)計(jì)要求的精度還有很大的差距。

OPUS-Fold 3是我們團(tuán)隊(duì)自主研發(fā)的蛋白質(zhì)折疊平臺，對標(biāo)戴維•貝克的蛋白質(zhì)結(jié)構(gòu)預(yù)測軟件Rosetta，達(dá)到同等折疊精確度并在側(cè)鏈建模超越20%。該平臺在指導(dǎo)蛋白質(zhì)設(shè)計(jì)場景中引入物理化學(xué)性質(zhì)信息，及濕實(shí)驗(yàn)反饋驗(yàn)證信息，提升設(shè)計(jì)成功率。我們還研發(fā)了一款名為OPUS-Rota5的算法，它能大大提升蛋白質(zhì)側(cè)鏈結(jié)構(gòu)測試精度，專門針對Alphafold 2的軟肋。現(xiàn)在即便是有了Alphafold 3，復(fù)旦大學(xué)的側(cè)鏈結(jié)構(gòu)測試精度依然保持著全世界領(lǐng)先水平。 

未來有可能出現(xiàn)“純粹的AI科學(xué)家”

NBD：今年的諾貝爾獎表明，AI已經(jīng)成為推動生命科學(xué)研究的重要力量。馬教授認(rèn)為在接下來的10年里，AI會如何改變生物學(xué)和藥物發(fā)現(xiàn)的研究方式？在哪些領(lǐng)域可能會看到新的突破？

馬劍鵬：未來，AI可能會進(jìn)一步提升蛋白質(zhì)折疊的預(yù)測精度，并幫助識別新的蛋白質(zhì)-蛋白質(zhì)相互作用，為藥物靶點(diǎn)的發(fā)現(xiàn)和設(shè)計(jì)提供更可靠的數(shù)據(jù)支持。未來的AI模型將能更快速地預(yù)測化合物的藥效和毒性，加速藥物發(fā)現(xiàn)過程。同時(shí)，生成對抗網(wǎng)絡(luò)（GAN）等生成模型的進(jìn)步將幫助研究人員設(shè)計(jì)出全新的分子結(jié)構(gòu)，大幅提高新藥開發(fā)的速度。

同時(shí)，AI在蛋白質(zhì)結(jié)構(gòu)解析技術(shù)上的發(fā)展，將對酶工業(yè)、抗體改造和生物材料等領(lǐng)域產(chǎn)生深遠(yuǎn)影響，實(shí)現(xiàn)更高效和定制化的創(chuàng)新成果。

比如，AI可以解析酶的活性位點(diǎn)并識別關(guān)鍵的氨基酸殘基，從而幫助工程師通過定向進(jìn)化或理性設(shè)計(jì)改造酶，以實(shí)現(xiàn)更高的催化效率、穩(wěn)定性等。

我們團(tuán)隊(duì)近期通過AI技術(shù)與濕實(shí)驗(yàn)驗(yàn)證共同推進(jìn)，大大提高了酶的活性及熱穩(wěn)定性，可以對酶工業(yè)起到降本增效的實(shí)際作用。

利用貝克的Rosetta軟件開發(fā)的蛋白質(zhì) 圖片來源：諾貝爾獎官網(wǎng)新聞稿截圖

NBD：隨著AI對科學(xué)貢獻(xiàn)的增加，您是否認(rèn)為未來有可能會出現(xiàn)“純粹的AI科學(xué)家”（即人工智能系統(tǒng)，而非研究AI的人類）？這些AI科學(xué)家是否有可能獲得像諾貝爾獎這樣的重要獎項(xiàng)？

馬劍鵬：未來確實(shí)有可能出現(xiàn)“純粹的AI科學(xué)家”，即能夠獨(dú)立進(jìn)行科學(xué)研究、提出新理論、設(shè)計(jì)實(shí)驗(yàn)并做出發(fā)現(xiàn)的人工智能系統(tǒng)。這樣的AI科學(xué)家不僅會成為人類科學(xué)家的輔助工具，甚至可能完全自主地推動某些領(lǐng)域的重大突破。

但至于能否獲得諾獎，還需要看它是否具備自動化推理與創(chuàng)新能力、實(shí)驗(yàn)設(shè)計(jì)與執(zhí)行能力等，并且會涉及諸多技術(shù)、倫理和規(guī)范性挑戰(zhàn)。 

強(qiáng)調(diào)AI并不會淡化基礎(chǔ)科學(xué)研究

NBD：在開發(fā)OPUSFold以及推動AI技術(shù)在生物學(xué)中的應(yīng)用時(shí)，您是否覺得跨學(xué)科合作至關(guān)重要？ 

馬劍鵬：跨學(xué)科非常重要，我們研究院團(tuán)隊(duì)就是一個(gè)典型的跨學(xué)科研究團(tuán)隊(duì)，成員背景包含了計(jì)算機(jī)科學(xué)、生物學(xué)、物理學(xué)和化學(xué)等。研究方向有分子生物學(xué)、細(xì)胞生物學(xué)、遺傳學(xué)、結(jié)構(gòu)生物學(xué)、AI算法開發(fā)與應(yīng)用、大數(shù)據(jù)等。

今年，復(fù)旦大學(xué)宣布推出至少100門AI領(lǐng)域課程，AI已是繞不開的話題，你不一定需要會寫算法，但至少要會用。AI要“從娃娃抓起”，因此注重跨學(xué)科領(lǐng)域人才的培養(yǎng)是非常必要的。 

NBD：國外一些科學(xué)家在接受采訪時(shí)提到，他們擔(dān)憂AI浪潮可能會扭曲研究方向，導(dǎo)致科學(xué)家追逐熱門課題（AI應(yīng)用），而忽略了基礎(chǔ)研究。請問您對這一問題有何看法？

馬劍鵬：把AI研究和技術(shù)研究割裂或者對立有失偏頗，AI本身是個(gè)工具，可以用在工程問題上，比如無人機(jī)操控、人臉識別、自動駕駛，也可以應(yīng)用在基礎(chǔ)科學(xué)研究上。

事實(shí)上，AlphaFold是因?yàn)锳I變強(qiáng)大了，才可以用來做基礎(chǔ)研究，而AlphaFold研究的問題本身是一個(gè)非常基礎(chǔ)的科學(xué)問題，和應(yīng)用沒有直接關(guān)系，盡管它的成功可以間接賦能新藥創(chuàng)新等等，所以不存在“強(qiáng)調(diào)了AI就淡化基礎(chǔ)科學(xué)研究”的問題。

另外，AI技術(shù)里面本身還是有很多基礎(chǔ)科學(xué)問題的，就是怎么搞這個(gè)AI技術(shù)。今年的諾貝爾物理學(xué)獎就是給了這個(gè)兩個(gè)人，他們沒有做過人臉識別，也沒做過無人機(jī)操控，他們做的是AI底層的一些問題。諾貝爾化學(xué)獎更是一個(gè)基礎(chǔ)問題，只是都跟AI的工具相關(guān)，所以這個(gè)問題并不成立。

封面圖片來源：視覺中國-VCG211158270552