人工智慧，為科研注入智慧動能（科技自立自強）

　　本報記者 喻思南

　　核心閱讀

　　日前，科技部等六部門發文，著力打造若干重大場景，拓展人工智慧應用，高水準科研活動是其中之一。如今，我國人工智慧技術快速發展，在數據獲取、實驗預測、結果分析等方面具有優勢，生命科學、數學、化學、空間科學等學科研究紛紛擁抱人工智慧。豐富的應用場景也反哺技術發展，推動産業智慧升級。

　　從日常生活到科學研究，如今，我國人工智慧技術快速發展，數據和算力資源日益豐富。應用需求是技術進步的重要推動力，新技術往往在“用”中不斷完善、成熟。為推動人工智慧落地，日前，科技部等六部門聯合印發了《關於加快場景創新以人工智慧高水準應用促進經濟高品質發展的指導意見》，著力打造若干重大場景，拓展人工智慧應用，高水準科研活動便是其中之一。

　　作為賦能手段，人工智慧如何帶來新的研究方法，又如何為經濟發展注入“智慧動能”？

　　融合緊密，助力科研更加高效、精準

　　諸多學科中，生命科學研究與人工智慧融合較為緊密，其中一個熱門方向是預測蛋白質結構。

　　蛋白質具有三維結構，它的一級結構（序列）由多個氨基酸串聯而成。三維結構決定了蛋白質在細胞中的功能，許多疾病都是因體內重要的蛋白質結構異常而起。因此，繪製出人體內重要蛋白質的“三維地圖”，才能據此找到藥物作用於人體的靶點，從而研製出精準有效的新藥。

　　傳統上，科學家利用冷凍電鏡、X射線、核磁共振等方法觀測蛋白質三維結構，但這一過程耗時費力且花銷不菲。“以冷凍電鏡為例，佈置一個觀測平臺耗資數千萬元，科研人員還要用很長時間才能繪製出蛋白質結構。”百度飛槳螺旋槳生物計算平臺負責人何徑舟表示。

　　由於難度高、實驗週期長、成本高，通過傳統方法觀測到的蛋白質三維結構，至今數量非常有限。相比之下，氨基酸測序容易得多。為什麼不能根據氨基酸序列來預測蛋白質的結構？早在1972年，美國生化學家克裏斯蒂安安芬森曾在諾貝爾獎的獲獎感言中提出這一設想。

　　從蛋白質的一級結構出發精準預測其三維結構，正是人工智慧所擅長的。然而，人類試圖解析蛋白質組的工作進展緩慢。據解釋，這一方面因為現有的生物數據量小，品質不高，深度學習缺乏足夠的樣本；另一方面因為人工智慧演算法成熟也需要過程。

　　近些年，隨著生物數據劇增以及人工智慧技術的優化，科學家建立起更精準的預測模型。2020年12月，在一場比賽中，人工智慧程式“阿爾法折疊”大放異彩，它預測的結果與大多數實驗數據差不多。這證明，預測蛋白質結構，人工智慧已經相當精準。

　　如今，借助人工智慧，曾經可能耗時數年的工作，現在幾分鐘就能完成，還能解析傳統方法不能觀測到的一些蛋白質結構。

　　據了解，利用人工智慧，科研人員預測出了約100萬個物種的超過2億種蛋白質的結構，涵蓋科學界已編錄的幾乎每一種蛋白質。這將對結構生物學領域産生重大影響，可能引發生命科學研究的範式變革，並提升人類對生命的理解。

　　前景廣闊，在生命科學等多領域發揮作用

　　人工智慧進入生命科學研究的視野，生物醫藥行業的需求是重要推動力。據介紹，在生物制藥行業，每投入10億美元能夠研發出的藥物種類已不斷下降。新藥研發難度越來越大，週期越來越長，急需新方法突圍，人工智慧被寄予厚望。

　　不只是加速新藥研發，人工智慧正在生命科學越來越多領域發揮重要作用。

　　今年初，國家超算成都中心運作的一個蛋白質預測模型，幫助四川農業大學農學院小麥研究所團隊成功解析PGS1調控種子發育影響産量的分子機制，為培育高産高質小麥材料提供理論依據。科研人員表示，如果沒有人工智慧，很難高效做出這一突破性成果。

　　科研人員還嘗試將人工智慧技術引入疫苗設計中。比如，相比于蛋白疫苗、DNA疫苗等，mRNA（信使核糖核酸）疫苗具有大規模生産快、抗感染性好等優勢，但穩定性和免疫原性相對較差。補上這些短板，科研人員一直希望通過優化mRNA疫苗序列設計，使其更穩定，免疫原性更強。更高效、成本更低，人工智慧的介入有望為疫苗研發提供新思路。

　　精準治療也是人工智慧應用的舞臺。通過機器學習的方法，理論上，人工智慧可以解碼人體免疫系統，更精準地探尋到一些疾病的複雜免疫規律，從而幫助人們理解疾病，更高效率、更有針對性地開發治療藥物和方法。

　　隨著基因組學研究帶來的人體數據、新藥研發積累的知識增加，加上機器學習演算法不斷迭代，業內專家認為，在生命科學領域，人工智慧前景廣闊。一些科研人員甚至設想依靠強大的生物計算引擎，利用大量的生物數據，構建統一的知識圖譜，以此推動對生命健康的認識。

　　場景豐富，推動應用邁向更高水準

　　走進生命科學研究，人工智慧在帶來新方法的同時，也有望開啟生物醫藥産業新時代。

　　業內專家表示，抓住智慧化藥物設計的新機遇，加強在人工智慧+生物醫藥佈局，有助於我們在新藥研發的新賽道上先行一步。

　　雖然人工智慧+生物醫藥發展迅速，但總體上才剛剛起步。何徑舟認為，生物醫藥行業有數百年曆史，有成熟、完善的研究流程、産業鏈條和分工，人工智慧改善的只是其中一些環節，“生物醫藥事關生命健康，行業發展要穩步推進，保持理性和敬畏。”截至目前，全球沒有一款完全依靠人工智慧發現的新藥。一些借助人工智慧開發的産品，離真正的上市還有很長一段距離。

　　看到人工智慧技術在數據獲取、實驗預測、結果分析等方面的優勢，數學、化學、材料學和空間科學等學科也紛紛擁抱人工智慧。

　　鋰電池性能因材料組成不同而有差異。回應豐富多樣場景對鋰電池的需求，科研人員希望通過優化材料組合，設計出合適的鋰電池體系。

　　“以前，設計材料體系主要靠人工實驗，效率非常低。”清華大學化學工程系教授張強説，眼下，他正帶領團隊用人工智慧預測分子性質，從而更高效、精準地找到能源材料，設計出更有價值、更安全的電池體系。

　　據測算，我國人工智慧核心産業規模超過4000億元，企業數量超過3000家。得益於海量數據處理帶來的旺盛需求、豐富應用場景提供的試驗土壤，我國在電腦視覺、語音識別等領域走在世界前列。

　　業內專家建議，推動人工智慧應用邁向更高水準，有必要發揮我國應用場景豐富的優勢。圍繞高水準科研活動打造重大場景，將會推動我國人工智慧應用走深走實，為經濟高品質發展注入“智慧動能”。

　　《 人民日報 》（ 2022年10月20日 14 版）