全球科学界的热点在哪儿，顶科论坛的聚光灯就在哪儿。“AI制药”和“AI for Science”无疑是今年最烫手的关键词。

AI制药到底走到了哪一步？AI设计出的新药算不算科学发现？AI会取代科研人员吗？围绕这些问题，大江东-复旦融媒体创新工作室对话三位出席顶科论坛的顶尖科学家，听他们谈AI制药的现在与未来，谈AI时代的科学与人。

出场人物

迈克尔·莱维特：2013年诺贝尔化学奖得主、美国斯坦福大学结构生物系教授

丹妮拉·罗兹：2023年世界顶尖科学家协会奖“生命科学或医学奖”得主、英国剑桥MRC分子生物学实验室名誉课题组负责人

帕斯卡尔·梅耶：2022年生命科学突破奖得主、Alphanosos公司联合创始人兼首席执行官

01

患者模型能代替人体试验吗？

大江东：临床试验得靠双盲试验和受试者来验证安全性和有效性。未来有没有可能，让AI训练出来的“患者模型”先替人类试一遍？训练这样的模型需要哪些数据？离实际应用还有多远？

莱维特：一些新药对你疗效很好，对另一个人却副作用很大。如果我们拥有虚拟的患者模型就好了——数字替身，可以记录一个人的各项体征，试药时模型会提示：该药对携带这类基因、这个年龄、这个地域、这个性别的人，会引发胃痛等副作用。算法能测量生化系统，直接给出结论。30多年前就有人做糖尿病的计算机模型，现在我们只需要把这种方法拓展到所有疾病上。

我们已有毒性相关模型：哪些物质有毒、哪些无毒、哪些代谢后变毒物、哪些两两混合才产生毒性。但训练“患者模型”需要海量临床试验数据，当前最大瓶颈是数据匮乏。不过我不悲观——试想20年前，如果有人想“发明AI”，数据也是不够的，但今天AI做到了。参照自动驾驶，虽然仍会犯错，事故率却比人类驾驶低得多。医学同理：目前很多药只有六成有效，如果患者模型能把药效从六成提到九成，就是巨大的进步。

当然，真人临床试验依旧必不可少，虽然前期可在虚拟模型上完成大量初筛。AI在健康领域的应用要厘清边界，可以帮你优化生活方式，但复杂重病必须找真人医生，绝对不能直接让AI开药。

罗兹：迄今为止，大多数药物实际上只在男性身上做过试验，而且基本上是某个特定年龄段的男性。如果有“患者模型”，我们就可以把人体复杂性和个体差异考虑进去了。

梅耶：训练患者模型的想法有道理，但会受系统反馈限制。人体是复杂系统，只要缺失一小部分，整体就可能变得不可预测。基于实验和实证的路径更可靠，真正的产品要靠实证验证，因为我们缺失的知识实在太多。

02

AI制药，有望打破“耗时十年、耗资十亿美金、成功率不足10%”魔咒？

大江东：这几年“AI制药”很热，但也有人说泡沫不小。以你们的观察，AI制药走到了哪一步？是噱头，还是已经改变新药研发流程？

梅耶：AI确实能缩短研发时间——更快筛选药物分子，先导化合物优化更快。但我不认为它能显著提升制药成功率，因为失败的种子埋在人体的复杂性里。只要我们对生命体的认知还有缺口，药效的测试就会有偏差。AI只能加速那些本来就做得好的事情，但无法从根本上改变新药研发方法。

罗兹：整个AI领域的确存在一些炒作。为什么世界上最富有的人大部分来自AI行业？我担心炒作背后有利益驱动。各国政府都需要参与监督AI，确保它被正确使用。

AI制药主要依托既有数据库——蛋白质数据、药物分子结构、动物实验数据等。但在我们知之甚少的领域，AI能起到多大作用？

莱维特：我倒是认为，未来5-10年，医疗会因为AI改善很多。AI降低了药物设计门槛，帮助筛选更多副作用更小的优质药物。我从2014年起就和一家AI制药公司合作。他们已经有好几款药进入临床试验。一些大药企也在用AI辅助制药。医学的未来充满希望。

大江东：AI设计的药已进入临床试验，有人说是科学的进步，也有人说是危险的赌博，连设计者都说不清哪个分子起了作用，这样的药敢给患者服用吗？还有一种说法，AI制药越快，实验室越忙，因为AI降低门槛，分分钟设计出大量候选新药，意味着更多药物分子要进入实验室验证，但真正有效的寥寥无几，你们怎么看？

莱维特：人类很少能彻底弄懂一款药的全部机理。止痛药，我们能说出部分起效机理，却谈不上完全理解。药监部门要求严格的临床测试，但并不强制阐明全部作用机理。

一些数学家把AI称为“黑箱”，因为搞不清楚它的解题思路。其实细胞就是“黑箱”，生物学研究一直在和“黑箱”打交道。拿到一个黑箱系统，就输入大量已知标准答案的案例做测试。

生命体相当复杂，你推理出这里的结构，那里却发生变化。所以某些方面，机器学习需要向生物学学习。即便AI设计出的新药确实有效，也一样要严格测试验证。

信任建立在严苛检验之上。科学领域大量已发表论文的结论其实都是错的。但科学的好处在于，正确的结果可以被复现。

未来会出现错误模型，也会有人打磨出可靠模型，压缩新药研发周期。即便模型很好，真人临床试验依旧不能省略，总会有少数特殊个体，是模型覆盖不到的。

罗兹：你可能设计了一种药物作用于特定靶点，但仍不知道它究竟如何在人体里起作用。AI 能在很短的时间内分析出可能对某种突变蛋白有效的分子，确实了不起，但仍需实验验证效果、研究药物的生物化学特性，弄清楚它真正的作用机制。

03

AI科研能力见长，科学家会被AI取代吗？

大江东：最近，OpenAI一次性发布722篇AI生成的数学手稿后，引发数学界强烈争议。人类数学协会呼吁数学家停止与其合作，逾1600位数学家在线联署，认为AI正在“攻陷”数学。从AlphaFold预测蛋白质结构开始，类似争论在生物学界也出现过。您怎么看待AI对传统科研范式的重塑？它会取代科学家吗？

莱维特：我原以为数学家应该兴奋，试想如果你的博士生解决了同样的问题，你首先想到的是“好，问题解决了，科研又向前迈进，那我能展示点别的吗？”

你不能说“我不用AI，因为它犯过错”，这像在说“我永不和学生合作，因为他犯过错”。犯错对科研很重要，优秀的科学家总是期待犯错，如果你一直是对的，说明课题太简单了。

AI会取代科研人员吗？我自己就是反例。过去近四年，AI从新奇玩物到处理简单工作的帮手，再到水平堪比博士后、研究员。而今，AI对我而言已相当于一整个科研小组。

罗兹：提出问题的是科学家，判断答案是否成立的也必须是科学家。AI能设计药物，是因为它掌握了化学知识。而这些知识是科学家们发现的。

迄今为止AI所做的一切都基于人类获取的知识和数据。AlphaFold使用的就是人类用实验的方法测定并积累起来的数据库。AlphaFold能做很棒的预测，但预测终究是预测，需要人类去验证。

梅耶：AI将在每个学科发挥巨大作用。数学曾被视作只能靠人类智力去钻研的领域，而AI加速了人类的研究。真正的问题是，未来的研究还需要人类参与吗？我们身处竞争激烈的时代，没有人能回避使用AI。而一旦所有人都用起来，就会不断喂养这些系统，让它们越来越强大，直到最终取代我们。到时会怎样，无人知晓。

不过我不担心人类会因此失去对生物学的理解。我们依然足够聪明，能真正理解AI做了什么，并去验证它。生物学家仍有优势，比如能量效率。我们的大脑高效得多。

大江东：现在科研界有一种焦虑：AI正在“杀死”基础研究工作，而年轻研究者恰恰是通过做基础研究工作才学会做科研的。AI时代的年轻人需要具备什么样的能力？您有什么建议？

罗兹：不要让AI包办一切，你必须锻炼自己的大脑。在AI面前，我们不要失去科学中真正重要的好奇心，以及提出正确问题所需的知识。

对我这个实验科学家来说，科学的乐趣在于动用头脑和双手。很难想象，当90%的工作都可以用计算机完成，年轻人还怎么踏入科研之门。甚至无法想象，缺失了自己亲手摸索的过程，他们该如何储备知识？怎样学习判断什么值得追问，最终提出重要的问题？

我从2018年就开始在工作中运用机器学习了，但日常生活中我不怎么用AI，我的生活不靠AI运转。很多人不停地跟AI聊天，但我更喜欢与人交谈、读书。

莱维特：这是个老担忧。每回发生科技革命，总有人担心，总怀念过去，觉得旧时代一切更好。可实际上过去的生活要艰难得多。

年轻的科研人员最该学会的是不断质疑，应当像孩子那样不停地问“为什么”，把家长问得头大。面对AI，你就要不停地问：你为什么得出这个结论？很多时候AI会说：“抱歉，我思考得不够充分，我换个答案。”当AI把答案A改成答案B，你就要判断到底是A还是B。这就是辩证思辨。古希腊人就崇尚提问的艺术，我认为在AI时代，对话思辨的能力会变得愈发重要。和AI互动的过程本身，就在训练你成为更好的研究者。

如果科学家抵触AI，抱怨AI会犯错，那他们会陷入被动。但我相信全球的科研工作者，都会拥抱AI，加快科学的进程。

统筹：吴焰 李泓冰 伍静

记者：黄晓慧

实习生：高寒、陈欣越、侯天泽、张甲怡

特邀顾问：复旦大学新闻学院教师邢梦莹

出品：大江东-复旦融媒体创新工作室