AI如何驱动研发？诺奖得主们这样说

一个零能耗的便携式取水装置，被放置在空气湿度不到15%，在极其炎热的美国沙漠“死亡谷”中，很快成功地从大气中取到了饮用水。这个堪称旅行者救命稻草的神器，由ChatGPT分子优化编辑设计的材料所制成的。

这是在首届天桥脑科学研究院AI驱动科学研讨会上，新晋2025年诺贝尔化学奖得主、加州大学伯克利分校的奥马尔·亚基（OmarYaghi）分享的沙漠取水神器设计。

他表示：“AI正在成为新的科学思维体。借助人工智能，我们正在赋予科学自行思考、推理和演进的能力。一个由生成式AI、自学习Agents机器人智能体共同驱动的科学循环系统。”

除了AI设计的沙漠取水神器，亚基和团队基于ChatGPT创建的七个Agents组成虚拟科研团队，分工执行实验设计、文献检索、算法优化、实验安全与数据分析等任务，共同设计并优化了多孔有机框架材料COF-323的结晶过程，在几天内完成了上百次实验，持续优化条件，实现从无定形到高结晶的飞跃。

同时，他们还训练ChatGPT阅读数千份合成报告并进行推理，证明该模型的预测性能优于许多传统启发式方法，让ChatGPT从一个文本生成器演变成一个科学推理引擎。

当天，2024年诺贝尔化学奖得主、华盛顿大学的戴维·贝克（DavidBaker）教授则分享了AI如何“从头设计”蛋白质工程领域。

贝克团队开发的RF Diffusion3模型是一种能够在三维结构空间中进行运算的先进生成式AI模型。研究人员仅需输入期望的分子功能，该模型便能生成具有相应功能的新型蛋白质的精确三维结构蓝图。

基于这一技术，团队已取得多项突破性成果：在神经退行性疾病研究方面，设计出能特异性捕获β-淀粉样蛋白的新型肽类结合物，为阿尔茨海默病干预提供新策略；在酶工程领域，成功开发了首个“从头设计”的蛋白酶；在基础研究工具开发上，研制了新型的GPCR激动剂与拮抗剂，为神经科学中复杂的细胞通讯和信号传导研究提供了强力工具。

贝克指出，AI模型的快速发展高度依赖于一个与实验数据紧密耦合的“反馈闭环”。他强调，一个高效的“设计-构建-测试-学习”迭代循环是必不可少的：AI进行预测设计，实验室进行快速验证，而实验产生的数据都将即时反馈给模型，用于优化算法参数。

2020年诺贝尔化学奖得主、加州大学伯克利分校的珍妮弗·道德纳（JenniferDoudna）教授分享了基因编辑工具CRISPR与AI的结合如何影响个性化基因治疗。她提出了CRISPR与机器学习的协同进化，利用CRISPR技术在细胞系中系统性地制造“基因扰动”（geneperturbations），从而大规模、高效率地筛选并鉴定每个基因的具体功能，为构建因果数据集提供关键工具。

盛大集团和天桥脑科学研究院创始人陈天桥现场表示，发现式智能是真正的通用人工智能。为此，他宣布将投入10亿美元算力，支持全球科学家的创新人工智能研究。

他表示：“人类的进化从未停止，只是方式改变了。我们的工具（现在包括AI）是进化的外部器官。”

他还预计真正改变智能的下一个算法不会出现在数据中心。“它会出现在笔记本电脑上。”他说。