在 5 月 10 日，由中国首家生物计算技术驱动的生命科学公司百图生科，与致力于 IT 和 BT 交叉融合的创新孵化中心播禾创新共同主办的 “首届中国生物计算大会” 在苏州金鸡湖畔拉开帷幕。围绕 “BT&IT” 主题，产学研资各领域专家各显神通，从不同角度探讨生物计算的定义、边界以及 AI 对于生物数据的意义等话题。其中，著名结构生物学家施一公为大家带来了题为 “从生命科学角度看 AI” 的演讲，从结构生物学角度提出了对生物计算的观点。以下是施一公教授的演讲实录，生辉进行了不改变原意的修改：首先，非常高兴借此机会和大家分享一些我对生物计算未来的观点。事实上，我昨天晚上花了整整一个多小时写了三页感想，但是刚才上台的时候，一紧张把我的演讲删掉了。不过，大家放心，这样可能会给我更大的发挥空间。第一，今天我们讨论的计算是宏观的生物计算，而不是简单基于公式的计算。我理解的计算很固化，就是一个模板，需要推演甚至理论指导。但是今天的生物计算是 AI 在内的广义计算，增加了 AI、机器学习、神经网络以后，可以容忍并纠正一些小错误。第二，我坚持生命科学不是以方法为代表的科学，生命科学是一个领域而不是一种方法。生命科学根本就没有方法，生命科学是一个巨大的领域，宏观上可以从生态、进化、林业、农业到动物学到植物学，微观上有上百个分支，还可以往前演绎。这个领域没有独有的方法，也正是如此，任何一种方法进入生命科学领域里都会带来比较大的变化和变革，这是亘古不变的。生命科学是一个大领域，该领域没有方法，所以进入生命科学相当于进入到一个寻宝之地。比如说，上世纪末，出现了蛋白质组学，1975 年出现单克隆抗体，这引发了一系列的革命。谁也没想到免疫检查点获得诺贝尔奖，也没有想到抗体药市场规模已达数千亿美元。一个简单的生物化学技术带来了巨大的变革，更别说本世纪崛起的多组学技术。另外我想谈谈冷冻电镜，十年之前，整个世界范围内对微观生命现象的认知就是结构生物学。99% 的蛋白质结构变化来自于 X 射线，冷冻电解的贡献不足 1%，但是可以预测未来冷冻电镜不仅会有分辨率的突破，还可能会走进千家万户。图 | 冷冻电镜（来源：breakthroughs）第三，去预测下一个技术变革风口，而不是一味跟风。计算领域的突破会带来人类对微观世界认知的革命。在我们意识到之前，整个领域可能会完全重新洗牌。要想抓住并利用好这次革命，一定要用学术的眼光提前意布局，跟风布局。试想一下，下一个观测微观世界的变革方法会是借助计算机和人工智能的工具吗？第四，理论决定实践，理论决定未来。无论是爱因斯坦的广义相对论，还是微电子力学，人类发展是基于用眼睛看，用耳朵听，一点一点演变，其中理论在其中扮演的角色越来越重要，我相信随着在本世纪 AI 的出现和发展，理论会越来越起决定性作用。在我看来，理论不仅可以预测未来，也可以决定未来，理论会极大加深我们对整个宇宙的认知。我还想谈谈理论和实践的关系，本世纪可能会出现颠覆性的变化，而出现这些变化的原因就在于 AI 的出现。第五，AI 已进入收获期，对于科学家来说，这是一个如何应用 AI 的问题。现阶段，AI 完成的蛋白、基因组预测遥遥领先于人类预测的结果，评判预测好坏的标准有两个，一是将最精准的结构分析方法精确到 1 埃以内，二是用世界上最好的分子动力学，模拟出它的最佳动态，这已经到了理论预测和实际情况接近的地步了。回想起我读博士生期间，那时我们集世界计算方法大成预测结构，最后预测的结果却一塌糊涂，当时的计算真的很尴尬。而如今，AI 已经开始颠覆我们对于蛋白质结构的预测。紧接着，我还想谈谈 AI 的应用，利用机器学习可以在当今很多领域实现智能化预测。比如说，深入到医学影像分析，蛋白质组学分析、创新药设计，健康大数据分析、城市大脑、智慧交通、智慧城市等等。第六，AI能否突破现有的知识边界，我希望未来可以实现 AI 指导人类。我想谈谈 AI、基于 AI 的计算究竟发展到哪一步了，它的未来又是什么。就我看来，我们所有的方法都是基于过去掌握的知识，我怀疑 AI 也是如此。尽管我不理解深度学习的具体工作机理，我总觉得怎么突破已有的学习能力、突破一个思维范式很重要，所以我希望 AI 能突破人类已有知识和思维的限制。举个例子，我们在学习的时候经常讲举一反三，我觉得 AI 就是典型的举一反三，其很难突破举一反三的范式。是否有可能跳出这种范式，是否可能让 AI 产生人类所谓的自由思维，甚至人类的思想也是受传统思维束缚的。不知道 AI 能不能像爱因斯坦那样产生突发奇想，实现理论突破。我总觉得瞬间的智力突破是基于已有知识，但是只有突破了知识的边界，AI 才能通过某种方法的训练出现一些突发奇想。我其实很希望 AI 能够指导人类，而不是人类指导 AI，这个过程的实现还是人教给机器怎么学习的。总结来看，从 30 年前的简单 AI 到现在更智能化的 AI，期间引发了一系列革命性进展。大家可曾想过 AI 的下一次变革是否会出现，AI 能否在神经网络基础上再次实现突破，AI 究竟该如何实现突破等问题。说实话，我不知道会出现什么突破、该如何实现突破、以及实现的突破会带来怎样的变革。我不知道，AI 能否审视已有的知识和理论，并基于此做出判断。在这个过程中，我一直是旁观者，我一直在看、在听、在和同行交流，我希望在这个过程中能走得更远一些。与会的同仁大部分都是制药相关人士，希望你们基于过去的学习，不断取得突破，并让 AI 进入生物制药各个领域，助力医药领域的发展。
|
