对话诺奖得主莱维特：AI不会取代人类 但会放大研发及人类创造力

来源：睿见Economy

　　诺贝尔化学奖得主迈克尔·莱维特谈人工智能与科研的未来

　　郝倩 新浪财经欧洲站站长 / 发自上海

　　在日前于上海举行的“2025可持续全球领导者大会”上，新浪财经独家对话了诺贝尔化学奖得主、斯坦福大学教授迈克尔·莱维特（Michael Levitt）。这位因“生物大分子的计算建模”获得诺奖的科学家，如今已将目光投向人工智能。

　　他认为，AI正在深刻重塑科学研究的路径，改变科学研究的底层逻辑——但它不会取代人类，而只是成为人类智慧的延伸。

　　结构生物学如何和计算机结缘？

　　“回顾我年轻时的科研起点，那是近60年前——当时我二十出头，计算机还非常原始又昂贵。”莱维特表示。

　　作为2013年诺贝尔化学奖得主、美国国家科学院院士、英国皇家学会院士、美国斯坦福大学结构生物学教授，莱维特用尽可能通俗易懂的语言向我这个“门外汉”解释了他的专业领域——“结构生物学”。这也是我第一次真正理解了这个术语，同时也理解了为什么人体何细胞的结构会与计算机科学完美的融合在一起。

　　莱维特说，我们人体内有无数个微小的“机器”——这些机器非常小，由蛋白质和核酸组成的长链构成。它们有点像中国结一样，会自动折叠成特定形状，而这些形状决定了它们的功能——比如形成皮肤、分解食物。

　　“我们身体内的一切活动都由这些小机器完成。每个细胞内都有数百万台这样的机器协同工作。整个系统就像一座精密的钟表，各部分紧密配合、自动运行。”

　　莱维特认为，在某种意义上，这是一个高度协调的机械体系，非常适合用计算方法来研究，因为它由无数可被建模的部件组成。

　　“生命以这种方式运作，本身就是件令人惊叹的事——如果我把这种机制写成科幻小说，恐怕没人会相信。但过去一百年里，科学家确实发现了生命就是这样运作的。”莱维特评价说。

　　药物有形状，蛋白质有形状，DNA 也有形状——而这些形状本身就蕴含着信息与功能，极其复杂精细。这正是计算科学可以大显身手的地方。

　　巧的是，半个世纪前，当莱维特在剑桥开始研究这些“生命机器”的计算模型时，计算机还只能处理最简单的分子。如今，凭借AI和算力的飞跃，科学家已经能预测几乎所有人类蛋白质的结构——这一切，只用了几十年。

　　“AI让我们第一次能够在复杂度上追上自然”，莱维特说。

　　算力增强让诸多“不可能”成为可能

　　“我很幸运，算是赶上了一个好时代，也出于对计算的热爱而投身其中。”莱维特对新浪财经表示。

　　今天，计算机性能比他刚从事科学研究那时强了——也许是一万亿倍。这样的算力使得许多过去不可能完成的事情如今成为可能。

　　“最大的变化就是——算力的爆发。当我刚开始研究时，人类只知道 DNA 的结构和一种蛋白质的结构（全身约有 3 万种蛋白质）。如今，我们几乎掌握了全部结构，至少超过一半，也就是约 1.5 万种人类蛋白。更重要的是，所有生命体的蛋白质系统都相似——树木也有蛋白质，它们的“机器”与人类的极为接近。比如人类与老鼠之间的蛋白质大约有 95% 相似，只有极少差别。这彻底改变了整个研究领域。”

　　机器学习在蛋白质研究中的尝试其实始于 30 年前，只是当时算力不够。而如今，AI 革命真正的原因在于：我们终于有了足够强大的计算能力，能在庞大数据上进行学习。

　　莱维特认为，计算的核心是“数字”。银行从诞生之初就依赖计算，因为它处理的全是数字。而人工智能本质上也是计算，只是算力更强，能处理更多信息、进行更复杂的学习。AI 的“学习”其实就是记住数百万甚至数十亿个数字。比如 DeepMind 的 AlphaFold 模型，记住了大约“一万亿”个特定数字，用以预测正确结果。

　　“AI 的一切都是关于数字、乘法与除法——只是规模庞大到惊人。”

　　AI是科学家的“第二大脑”

　　对于“AI是否会取代科研人员”这一问题，莱维特显得平静而乐观。

　　“AI不会取代你，它会增强你的能力。就像智能手机不会自己打电话，但它让每个人都变得更强大。”

　　他指出，传统的理论科学依赖方程与物理定律，而AI依赖数据与模式识别——“它通过数以十亿计的数字，重新理解世界。”

　　“AI本质上是记忆庞大数字的系统。DeepMind的AlphaFold（谷歌旗下DeepMind开发的一款蛋白质结构预测模型）可以记住一百万亿个数值，每一个都被精确选择以给出正确答案。”

　　由此，莱维特认为，这意味着科学的逻辑正在从演绎走向归纳，从理论假设走向经验学习。

　　在他看来，人类与AI的关系不是竞争，而是协作——“使用AI的人将比不使用AI的人更优秀，也会比AI本身更聪明。”