AI助力科学（AlphaFold）
/ AY-EYE for SY-uns /
AI助力科学，是用机器学习去攻克科学难题——预测分子如何行事、从望远镜数据里筛出新行星、为气候建模、设计材料——这些问题里的规律，对人手工去找而言，要么浩如烟海，要么细微难辨。其中的旗舰级成就是AlphaFold：DeepMind的一个系统，它能仅凭一段化学序列，就预测一个蛋白质折叠成的三维形状——这是个让生物学家苦苦挣扎了五十多年的难题。
AlphaFold为何如此重要：蛋白质的功能由它折叠后的形状决定，可从序列去预测那个形状，是出了名的难——用实验测定一个结构，可能要花上几个月乃至几年。AlphaFold的预测，对许多蛋白质而言，精度已逼近实验方法；它的创造者还公开了一个数据库，收录了几乎每一种已知蛋白质的预测结构。这把一个缓慢的瓶颈，变成了研究者几秒钟就能查到的东西，加速了对酶、药物和疾病的研究。这项成就，分享了2024年诺贝尔化学奖。
要把这份成功说得诚实而有边界。AlphaFold预测的是一个可能的静态结构；它并未完整刻画蛋白质如何运动、相互作用或出错，而且它的预测是有信心的猜测，仍需实验去核验——并非确凿无疑的真相。更宽泛地说，AI助力科学是一个强大的加速器，而非科学的替代：模型能找出规律、提出假说，但它们可能出错、可能把训练数据的偏见编码进去，也无法拿一个论断去和现实对质。真正的胜利，来自把AI快速的预测，与那些缓慢、审慎、用来确认它们的实验配成一对。
一位研究新发现细菌蛋白质的研究者，从前光是搞清它的形状，就要面对几个月的实验室工作。如今，他把这段氨基酸序列输入AlphaFold的数据库，几秒钟就得到一个预测的三维结构——还附带逐区域的置信分，标出哪些部分可信。他仍会用实验去确认那些关键区域，但他是从一个有根据的猜测出发，而不是从零开始。
AlphaFold把一个耗时数月的结构难题，变成几秒钟的查询——但仍待确认。
即便是AlphaFold这样的凯旋，它做的也是预测，而非证明。它的输出是带置信分的高质量假说，而非测得的事实，对蛋白质如何运动或结合也几乎不置一词。AI助力科学，最擅长充当一份快速的初稿，再由人类的实验去核验——而不是充当神谕。