专访诺奖得主迈克尔·莱维特：年近八旬，为何每天花10小时和AI聊天？｜封面头条

封面新闻记者 边雪

如果不是亲耳听到，很难想象，一位年近80岁的诺贝尔奖得主，会每天花10个小时与人工智能打交道。

迈克尔·莱维特就是这样做的。

2013年诺贝尔化学奖得主、斯坦福大学教授迈克尔·莱维特，已经使用AI近4年。从最初只能提出一些简单问题，到如今把复杂的科研问题、程序代码、医学资料甚至生活琐事交给AI，他眼中的人工智能，已经从一个新鲜的工具，逐渐变成了工作中的“同事”。

“我每天大概会问AI几百个问题。”9月20日，莱维特在接受采访时告诉封面新闻记者，他会让AI总结大量资料、检查自己写了几十年的程序，也会让不同的AI相互检查答案。有时候，他甚至会把同一个问题交给不同的模型，再比较它们的答案。“它们并不总是意见一致。”

迈克尔·莱维特接受封面新闻记者采访。（边雪拍摄）

这并没有让他失去对AI的兴趣，反而让他更加着迷。2022年12月，他开始使用AI。最初，他觉得AI“什么都做不了”，但随着模型不断更新，他开始尝试越来越难的问题。“我现在问AI的问题很难，而且我总是惊讶于它能做到这些事情。”

这也是莱维特身上最有意思的反差：一个研究生命科学、计算机和蛋白质结构几十年的科学家，一方面清楚地知道AI可能犯错，另一方面又比许多年轻人更积极地把它带进自己的日常工作。

他甚至希望AI不要讨好自己，而是直接告诉自己哪里错了。

“我一开始就告诉AI，我希望知道什么时候错了，不要编造东西。”他说。AI有时会接受这个要求，有时也会犯错，甚至为了“取悦”使用者而给出看似合理的答案，所以莱维特会不断提醒它：不要迎合我。

在他看来，真正有效的人机关系，并不是“人命令AI完成任务”，而是双方不断讨论、互相纠正。“它改变我的想法，我也改变它的想法。”有时候，他提出一个解决问题的办法，AI却尝试了另一条路径；有时候，AI会反过来提醒他：“你有没有想过这样做？”“这就是有趣的地方，”他说，“双方都在启发对方。”

从蛋白质到AI：他习惯和“复杂系统”打交道

莱维特对AI的兴趣，并不是突然出现的。在他几十年的科研生涯里，他一直在和计算机、蛋白质以及复杂的生命系统打交道。20世纪80年代，他开发了著名的分子模拟相关方法，并长期利用计算机研究蛋白质结构和运动。2013年，他与马丁·卡普拉斯、阿里耶·瓦谢尔共同获得诺贝尔化学奖，以表彰他们“为复杂化学系统开发了多尺度模型”。

在莱维特看来，生命本身就是由大量精密结构组成的系统。人的手指、耳朵、眼睛都有特定形状，而这些形状又与功能密切相关；在更微观的层面，大量蛋白质像乐高积木一样，以特定方式组合起来。“形状不仅仅是形状，眼睛有能够看见的形状，鼻子有能够闻到气味的形状，一切功能都来自形状。”

这也是他理解科学问题的一种方式：不要只看结果，还要试图理解组成结果的结构、关系和变化。

如今，AI正在改变这种研究方式。莱维特已经开始让AI重新审视自己几十年前写下的程序。大约3个月前，他把一套自己长期使用的老程序交给AI，希望它帮助检查。“它能够读懂我的程序，告诉我哪里有错误，告诉我怎样改进、怎样现代化，怎样让程序运行得更快。”在他看来，这相当于让一套老程序重新获得了生命。

但AI并没有因此成为他的替代者。莱维特每天都在使用AI，却没有把思考本身交出去。他更愿意把AI看作一名能力很强的学生，或者一个科研伙伴：它可以快速完成大量重复工作，可以帮助查找资料，可以尝试不同方案，但最终的问题仍然需要由人来提出。

“我不会早上起来告诉AI，‘把这些问题解决掉，然后我回去睡觉’。”莱维特说。更多时候，他会不断和AI讨论：“我们应该研究什么？下一步应该做什么？”在莱维特看来尤其重要，因为数学与科学并不完全一样。数学问题通常可以被清晰定义，而在很多科学研究中，研究者甚至一开始都不知道真正的问题是什么。“只有通过研究，你才会发现问题究竟是什么。”

因此，AI越强大，人类提出问题的能力反而越重要。这种观点也延伸到了教育。莱维特曾参与复旦大学本科课程《定量生物物理学前沿导论》的教学。他认为，AI可能对教育产生非常深远的影响。过去，学生遇到问题，需要找老师、查资料或者等待课堂；如今，他们可以立即向AI提问。答案不一定100%正确，但学生获得了一个随时可以讨论的“老师”。

莱维特甚至鼓励年轻人多和AI“玩一玩”，不要只把它当成完成作业或者工作的工具。“你可以问它历史问题，也可以问任何领域的问题。你用得越多，它越了解你，你也越知道怎样让它发挥作用。”

“真正重要的不是让AI替年轻人学习，而是让年轻人学会利用AI学习。一个真正好的科学家，99%的时候都可能是错的。”莱维特在谈AI时，经常回到一个看似与技术无关的话题：犯错。“一个好的科学家，90%的时候是错的；一个真正好的科学家，99%的时候是错的。”莱维特反复强调。

这并不是故意贬低科学家的准确率。恰恰相反，莱维特认为，一个科学家如果一直都正确，很可能是因为他没有挑战真正困难的问题。越困难的问题，意味着越多未知，也意味着越容易犯错。

“对年轻科研人员来说，真正的困难是学会面对错误”

莱维特回忆自己的科研生涯时说，挫折本来就是科学的一部分。研究者需要相信自己正在做的事情，但与此同时，也要享受具体的研究过程：在实验室里工作、在电脑前编程、观察实验结果，甚至照顾实验动物。如果一个人只盯着最终结果，那么失败会变得非常痛苦；如果能够享受每天正在做的事情，即使结果没有出现，也依然能够继续。“你必须坚持，不要因为错了就放弃。很多时候，你犯错之后，真相就在后面。”莱维特说。

迈克尔·莱维特接受封面新闻记者采访。

这也是他给今天年轻人的建议。在AI时代，这种能力可能比过去更加重要。因为AI能够迅速给出答案，也能够迅速制造错误。一个人如果没有判断能力，很容易把AI生成的答案当成事实；但如果他能够接受“不知道”和“可能错了”，AI反而可以成为一个非常强大的工具。

莱维特自己就是这样做的。

莱维特不会因为AI回答得好就完全相信它。相反，他会让不同模型互相检查，有时还会要求AI专门寻找错误。“在得到确认之前，我不会相信任何东西。”

“医疗领域尤其如此。”莱维特认为，AI非常适合处理医学领域庞大的知识体系。即使最优秀的医生，也不可能阅读一个领域的全部论文，而AI可以在很短时间内处理大量医学文献。因此，未来AI可能帮助医生完成信息整理、分诊和部分辅助判断，让真正经验丰富的医生把更多精力放在复杂病例上。

但莱维特强调，医疗AI必须经过验证。假如AI声称能够准确预测某种治疗效果，就应该继续测试它，让它预测更多结果，再观察它究竟有多可靠。“我认为，在得到确认之前，你永远不要相信任何东西。”

他对AI医疗的期待，也延伸到了药物研发。

传统药物研发需要经历漫长的实验和临床试验，其中临床试验尤其昂贵、复杂。如果未来AI能够建立更加精细的人体模型，帮助研究人员提前预测不同药物在不同人群中的效果，就可能帮助优化临床试验设计。

但莱维特没有把这个未来说得过于确定。“在AI的时间尺度里，5年其实很长。”他说。过去5年发生的事情已经超出了很多人的预期，未来5年同样可能如此。

担心AI的发展，却依然选择乐观

莱维特并不是一个没有担忧的AI乐观主义者，恰恰相反，他很清楚AI可能带来的风险。

莱维特成长于20世纪五六十年代，那一代人曾经长期生活在核威胁的阴影之下。在他看来，人类历史上一直存在无法完全预测的风险，AI只是其中一种新的技术风险。“最近我在飞机上看过一部关于AI的电影，电影讨论了AI可能带来的好与坏。”莱维特告诉记者，一个比较有意思的比喻是：AI就像一个刚出生的婴儿。婴儿本身并没有决定未来会成为怎样的人，关键在于人类如何把它带大。

因此，莱维特认为人类需要对AI保持警惕，也需要推动更加负责任的开发和使用。透明度是其中一个重要议题。莱维特承认，AI的透明度并不容易实现，因为即便是开发AI的人，也不一定完全知道复杂模型为什么会表现出某种能力。短短几年间，大语言模型的能力已经发生巨大变化，而这种变化本身就是很多人此前没有预料到的。

“开源、责任机制以及对AI行为的持续观察都很重要。”即便谈到AI使用的风险，莱维特依然没有选择悲观。“我很乐观。”他说，“没有保证，但未来本来就没有保证。”这种乐观并不是认为所有问题都会自动解决，而是相信人类有能力不断适应新的技术。莱维特把这种思路延伸到生物学，在他看来，生命本身就是一个复杂系统。蛋白质的运动存在大量不确定性，生命系统也充满噪声，但最终人体依然能够维持稳定。“生物学非常擅长控制混乱。”

这或许也是莱维特愿意相信人类能够逐渐学会与AI相处的原因。但他认为，还有一个重要的关键词经常被忽视：多样性。在生物进化中，多样性之所以重要，是因为没有人知道未来会发生什么。就像一个理财者不会把所有钱都放在一种资产里一样，面对未知的未来，也不应该只有一种方案。

“我们需要不同的方法。”莱维特告诉记者，AI领域同样需要更多样化的系统和路径。如果所有AI最终都变得非常相似，反而可能产生新的风险，这种对于多样性的重视，也体现在他对科学合作的理解中。

谈到中国和美国在医疗创新领域的合作时，莱维特认为，健康是一个天然适合国际合作的领域。世界上每个国家都希望拥有更好的医疗条件，而真正有价值的医疗技术，不只是为少数人提供解决方案，还应该能够以较大规模应用。

在莱维特看来，中国人口规模大，对医疗健康有着广泛需求，因此中国生物科技的发展以及能够实现规模化应用的解决方案，对其他国家也可能具有价值。他同时认为，传统医学和长期积累的健康经验也是中国科学文化的一部分。“不是只有一个系统，而是多个系统一起工作。”

一年之前，莱维特也曾接受过封面新闻采访。那时，AI已经进入他的生活，但今天再谈起AI，他显然已经走得更远：从“尝试使用”，变成每天与AI长时间协作；从简单提问，变成把数十年的科研代码和复杂问题交给AI；从观察AI能做什么，变成思考人类应该怎样与AI共同工作。

而有些事情，莱维特似乎越来越确定。比如，人类不应该因为AI变得强大，就把自己变成只会等待答案的人。“如果你不工作几天，重新回来以后，有时候一切都会变得容易。”莱维特告诉记者，他建议年轻人运动、远足、培养兴趣，给自己留出不工作的时间。在一个越来越追求效率的时代，他反而认为，人类需要学会停下来。

因为真正的创造力，有时候恰恰发生在没有工作的时刻。采访接近尾声时，当被问到“如果AI越来越聪明，人类还有什么优势？”时，莱维特思考了一下说，人类的大脑其实已经完成了很多不可思议的事情。人类足够灵活，也足够多样，而这种多样性可能正是AI需要向生物学习的地方。“我觉得人类仍然是这个等式中非常重要的一部分。”

年近80岁的莱维特，仍然每天使用AI，他没有把AI当作一个即将取代人类的“新主人”，也没有把它当作万能工具。更多时候，莱维特像一个几十年来习惯质疑答案的科学家一样，不断追问、验证、纠正，然后继续提出下一个问题。

也许这就是莱维特与AI相处近4年后留下的最重要经验：真正重要的，不是永远得到正确答案，而是始终保留怀疑答案的能力。