当人类耗费50年、砸下20亿美元才解析20万种蛋白质结构时，AI仅用两天就“解锁”了2.2亿种——2022年，谷歌旗下DeepMind发布的AlphaFold模型，让生物学界惊呼“游戏规则已变”。这款被称为“分子世界谷歌地图”的AI，甚至能设计新药分子，其中一款抗癌药物已进入二期临床试验。但科学家们却在狂欢后陷入焦虑：AI的预测真能代替实验吗？

从“盲人摸象”到“一键建模”：生物学的效率革命
解析蛋白质结构曾是生物学家的噩梦。传统实验需数月甚至数年，而AlphaFold只需输入氨基酸序列，就能输出三维模型。美国康涅狄格学院化学教授Marc Zimmer比喻：“这就像给科学家发了一台时间机器。”2020年，AlphaFold在国际蛋白质结构预测大赛中以“碾压级”优势夺冠，三分之二的预测精度堪比实验结果。

DeepMind的秘密武器是“碎片拼图法”：将已知的17万种蛋白质结构“喂”给AI，让它学习如何从局部推演整体。升级版AlphaFold还能预测蛋白质与其他分子的相互作用，为药物研发按下快进键。据统计，其数据库上线9个月就被访问超40万次，相关论文数量激增4倍。我国科学家也利用该技术筛选出肝癌潜在靶点，节省了90%的初期研发成本。

“AI幻觉”与无序区陷阱：当算法遭遇分子混沌
然而，AI并非万能钥匙。多伦多病童医院研究院资深科学家Julie Forman-Kay团队发现，AlphaFold对蛋白质中的“无序区域”束手无策——这些占人类蛋白质三分之一的结构像液态玻璃，形态随环境千变万化。论文显示，约15%的预测中，AI会自信地给无序区“捏造”固定形状，误导研究者。美国加州大学洛杉矶分校生物化学家Tamir Gonen警告：“若将预测当真理，可能引发灾难性误判。”

更隐秘的风险来自“AI幻觉”。芝加哥德保罗大学计算机专家Casey Bennett指出，许多研究者跳过验证环节，直接把机器学习找到的“规律”当作科学结论。天文学界已尝到苦果：某AI模型将太空垃圾误判为系外行星，差点引发乌龙发现。约翰霍普金斯大学物理学家Simon Wing提醒：“如果AI在筛选太空数据时误删关键信息，人类可能永远错过外星生命信号。”

从“黑箱”到透明化：科学界的新必修课
为破解AI的“不可知论”，科学家正推动“可解释AI”研发——这类模型会像数学证明般展示推理步骤。IBM等企业已推出相关框架，试图让AI决策过程“阳光化”。但Bennett认为，比技术升级更紧迫的是科研训练改革：“使用AI应像做手术，必须持证上岗。”他建议设立AI科学认证体系，避免“算法小白”误用工具。

尽管争议不断，AI仍在重塑科研范式。智利维拉·鲁宾天文台每晚产生40TB数据，靠AI筛选异常信号；数学家借助AI破解了悬置数十年的组合学难题；我国企业研发的AI地震预测模型，成功预警余震强度和频次。正如《自然》杂志评论：“这不是科学终结的信号，而是新协作时代的开始。”当AI从“实验室实习生”升级为“科研合伙人”，人类或许正在见证继望远镜、显微镜之后的第三次科学工具革命。

来源: Engineering