[ 應用AI技術與否，在效率上差異明顯。閆建斌告訴記者，他希望AI未來在生物製造中的作用越來越大。以細胞發酵系統為例，AI技術能更好地分析發酵參數，做出實時決策，幫助構建全自動化和智能化的發酵大平台，就像自動化、智能化水平高的「汽車超級工廠」。 ]
[ 20世紀60年代，人們發現珍稀孑遺植物紅豆杉能夠產生紫杉醇，用於治療乳腺癌、卵巢癌等癌症。 ]
2024年諾貝爾獎對人工智慧和跨學科研究的偏愛在學界引發廣發討論。但有別於一開始一些人的震驚和不解，學界近期開始廣泛關注並談論AI的影響了。
學術期刊《Nature》近日發布了一篇文章，稱AI工具正在改變原本的科研工作方式，例如提高做文獻摘要的效率等。記者了解到，一些研究者還考慮在研究中應用AI技術，或在跨學科研究中融合AI、尋找智能的表現形式。「到目前為止我們接觸AI很少，但最近也讓學生嘗試用AI來識別少層石墨烯的層厚和轉角。」 清華大學教授周樹雲告訴第一財經記者。
近日，周樹雲和另外48名青年科學家獲第六屆科學探索獎，這些青年科學家代表了一股頗具活力的科研力量，第一財經記者與幾名獲獎者探討了AI對不同學科研究的深刻影響。
AI助力紫杉醇生物製造「超級工廠」
在生物製造領域，AI技術已在幫助研究者解決一些重大難題。
回憶起在西藏見到紅豆杉時的場景，中國農業科學院深圳農業基因組研究所研究員閆建斌告訴記者，要在原始森林中探索道路，尋找紅豆杉，紅豆杉生活環境獨特，往往在溪流或瀑布周圍。隨著人類活動範圍擴大，紅豆杉生活範圍不斷縮小，但當他看到紅豆杉長在原始森林裡的樣子，還是產生了紅豆杉正靜靜保護著人類的感覺。
20世紀60年代，人們發現珍稀孑遺植物紅豆杉能夠產生紫杉醇，用於治療乳腺癌、卵巢癌等癌症。但紅豆杉中紫杉醇含量很低，生長期又長，目前主流的化學半合成方法需要使用紅豆杉的枝條和葉子作為原料，高度依賴紅豆杉植物資源，且提取成本高、存在化學污染。學界和企業一直探索另一條途徑，即紫杉醇生物合成，然而，打通這條途徑此前一直是世界級難題。
閆建斌告訴記者，生物合成紫杉醇此前被「卡」的環節特別多，包括沒有基因組信息、超長合成途徑中的反應中間體不清楚、沒有合適的酶表征系統等等。「大約20步反應中有一半都是P450細胞色素酶，這類酶結構和活性複雜，自然界中有20萬種P450細胞色素酶，要從中找到紫杉醇合成酶，如同大海撈針。」 閆建斌解釋。
閆建斌代表性的研究成果正是打通了紫杉醇生物合成途徑。他繪製了南方紅豆杉基因組圖譜，發現紫杉醇生物合成的關鍵酶，揭示紫杉醇合成調控的新機制，進而實現了紫杉醇生產原料巴卡亭Ⅲ的異源生物合成。
這一研究過程中，AI技術起到至關重要的作用。
閆建斌告訴第一財經記者，他的研究過程已在全面應用AI。例如，紫杉烷類分子眾多，化學空間巨大，難以分離出所有化合物，團隊便做了AI算法模型，用AI預測化學結構。當細胞里人工加入的酶產生紫杉烷類分子時，在沒有標準品的情況下，AI也能判定是否生成了紫杉烷類分子。代謝過程中，很多酶的結構也用到AI技術預測和人工改造。此外，在做基因組及基因組對應的基因表達調控網絡分析時，當受原有算法限制而不能得到更精準數據的時候，AI技術也能有所幫助。
「這些例子中，此前紫杉醇合成生物學領域還沒有人用過（這類AI輔助）。當AI技術包括AlphaFold出來時，我們的合作者包括北京大學、復旦大學的合作團隊就已在探討基因組學、代謝組學怎樣與AI更好地融合。這個領域我們已經做了一些工作，但還有許多問題正在解決，涉及大量工作。」 閆建斌表示。
應用AI技術與否，在效率上差異明顯。閆建斌告訴記者，他希望AI未來在生物製造中的作用越來越大。以細胞發酵系統為例，AI技術能更好地分析發酵參數，做出實時決策，幫助構建全自動化和智能化的發酵大平台，就像自動化、智能化水平高的「汽車超級工廠」。
智能無處不在
閆建斌提及的AlphaFold是一種AI蛋白質結構預測工具，今年的諾貝爾化學獎正是頒給了AlphaFold設計團隊谷歌DeepMind的戴米斯·哈薩比斯（Demis Hassabis）和John Jumper（約翰·江珀），以及在計算蛋白質設計領域作出貢獻的大衛·貝克（David Baker）。
相比化學獎，諾貝爾物理學獎頒給AI領域的科學家彼時引起更大爭議。有解讀認為，這種有交叉學科乃至跨學科意味的評選結果，釋放了AI將無處不在且影響深遠的信號。
數學物理學領域研究者周樹雲致力於探索二維材料及拓撲材料的非平衡態超快動力學和光致新奇物理效應，她向記者談起AI在物理學領域的應用情況。「這與具體的領域和研究方向有關。對理論計算而言，有些研究人員可能已經把AI用得很好且有效促進了科學研究。對我們的實驗研究來說，目前還處於接觸和學習的階段。在未來，預期AI對科研乃至整個社會的影響將非常巨大。」周樹雲表示。
除了當前基於晶片硬體且主要以算力、算法、數據為核心要素的AI系統，學界也正在從不同角度研究智能的表現形式，涉及一些交叉學科的探索。
中國科學院瀋陽自動化研究所研究員劉連慶是先進位造領域研究者，他提出高擾動環境下三維運動高精度檢測方法，初步構架了基於機電—生命在分子細胞尺度相融合的機器人系統，研究方向包括微納測量、微納操控和類生命機器人。
劉連慶向記者解釋，四足機器人、人形機器人、機器魚等仿生機器人屬於「形仿」，即外表看起來像，但如果看內部會發現「沒血沒肉」。以前機器人完全是機械電子系統，而他希望未來的機器人可以是機械電子系統和生命系統的融合體。類生命機器人不同於形仿，而是期望把大自然億萬年進化出來的生理學機制和功能應用在機器人上，這需要在組織、細胞和分子尺度上實現生命系統和機電系統的融合。
「現在矽基人工智慧能力很強，但需要非常大的算力，消耗巨大能量，訓練一次GPT可能就需要一個大型居民區一年的耗電量。對比之下，人腦『耗電量』低，計算能力、邏輯思維能力卻很強。我們現在研究類生命智能是碳基智能，即用工程手段在體外把神經細胞培養成一個『體外腦』。這個『體外腦』里有各種各樣的微電極，我們希望用這個大腦去控制機器人，而不是用傳統的矽基智能方式。」劉連慶表示，這個方法要是行得通，對人工智慧實現途徑將是一個重要補充。
「現在我們已經發現有很多（信息電子之外各領域）的獲獎人，既是這個領域的專家同時又是人工智慧專家。」 騰訊公司高級副總裁奚丹在採訪中表示。
而就科學研究中AI的局限性和人類研究者無法被替代的工作，閆建斌則告訴記者，現在AI還像一個小孩，AI的表現取決於人類給予它學習的數據。「哪些是人類不可取代的，這是很深層次的問題，很多人在探討AI會不會最終取代人。我只能說，在我的研究中，現階段對AI應用來說，最重要的還是由實驗人員生產足夠的數據。」閆建斌說。