人工智能如何改变科学研究

科学总是通过分析数据、发现模式和检验假设来取得进步。在历史的大部分时间里，这意味着人类——聪明、不知疲倦的人类——承担着繁重的任务。如今，人工智能正在成为有史以来最强大的研究助手，能够以任何科学家团队无法比拟的规模处理数据。

🧬 AlphaFold：破解生物学最难的难题

50 年来，生物学中最大的未解决问题之一是蛋白质折叠问题：给定蛋白质的氨基酸序列，预测其三维形状。

蛋白质折叠成精确的形状，决定其功能，而错误折叠的蛋白质与阿尔茨海默氏症、帕金森氏症和癌症等疾病有关。了解蛋白质的形状对于设计与其相互作用的药物至关重要。但通过实验确定蛋白质的结构需要数月或数年的时间，并且花费数十万英镑。

2020 年，DeepMind 的 AlphaFold2 以惊人的准确度解决了这个问题，在大多数情况下与实验结果相匹配。到 2022 年，它已经预测了超过 2 亿种蛋白质的结构——几乎是生物学中所有已知的蛋白质。整个数据库免费发布。

世界各地的研究人员立即开始使用 AlphaFold 来：

• 确定被忽视的热带病的药物靶标
• 了解抗生素耐药机制
• 设计可以分解塑料废物的酶

🌍 气候变化建模

地球气候是一个极其复杂的系统。洋流、大气化学、冰盖动力学和人类排放物都以需要巨大计算模型来模拟的方式相互作用。

人工智能正在通过几个关键方式加强气候科学：

更好的天气预报

Google DeepMind 的 GraphCast 模型于 2023 年发布，能够比最好的传统数值模型更准确地生成 10 天天气预报，并且在单台计算机上只需不到一分钟，而在超级计算机上则需要几个小时。

气候模式识别

人工智能系统分析数十年的卫星、海洋传感器和大气数据，以便：

• 识别极端天气事件的早期预警信号
• 追踪北极海冰的加速消失
• 模拟生态系统如何随着温度升高而变化
• 通过近乎实时的卫星图像检测非法森林砍伐

能源网格优化

向可再生能源过渡需要将可变供应（风吹时、阳光照射时）与需求相匹配。人工智能对这两者进行预测，帮助电网运营商平衡系统并减少对污染性备用发电厂的需求。

💊 药物发现

开发一种新药通常需要 10 至 15 年的时间，成本超过 10 亿英镑。大多数候选药物都失败了。人工智能正在极大地压缩这个时间线。

它是如何运作的

传统药物发现涉及：

1. 确定生物靶标（与疾病有关的蛋白质）
2. 筛选数百万种化合物以找到与其相互作用的化合物
3. 测试入围化合物的安全性和有效性
4. 多年临床试验

人工智能可以极大地加速步骤 1-3：

Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
                       → shortlist the top 100 for lab testing

Insilico Medicine 和 Recursion Pharmaceuticals 等公司已使用人工智能在数月而不是数年的时间内识别新的候选药物。 BenevolentAI 使用 AI 在大流行开始后的几天内将巴瑞克替尼识别为潜在的 COVID-19 治疗药物——一种已被批准用于治疗类风湿关节炎的药物。

🔭 太空探索和天体物理学

宇宙产生的数据比任何人类团队所能处理的都要多。人工智能对于现代天文学至关重要：

行星狩猎

美国宇航局的开普勒望远镜观察了 150,000 颗恒星，寻找表明有一颗行星从前方经过的微小变暗现象。谷歌人工智能系统经过已确认的行星目击训练，通过数据进行搜索，发现了人类评论者错过的，其中包括 Kepler-90 系统中的第八颗行星，使其成为第一颗拥有与我们太阳系一样多行星的已知恒星。