AI for Science的上半场：人工智能如何重新定义科学研究新范式？

万众瞩目下，今年10月，有着诺贝尔奖“嫡传”之称的诺贝尔化学奖终于揭晓，授予了对“链接化学和生物正交化学的发展作出了贡献”的三位化学家，他们分别是美国化学家Carolyn R. Bertozzi、丹麦化学家Morten Meldal、美国化学家K. Barry Sharpless。实际上，靴子落地前，关于这一奖项到底花落谁家引起了无数热议。其中国际化学领域权威期刊《Chemical Reviews》就曾对该奖获得者进行了读者投票预测，带领DeepMind团队开发出能够精准预测蛋白质结构的AlphaFold 2的John Jumper获得了最高票数。尽管由于“时间问题”，最终John Jumper并未折桂，但在此之前，John Jumper团队已成功拿到了另一个堪称“豪华版诺贝尔奖”、“科学界的奥斯卡”的奖项——2023年生命科学突破奖（Breakthrough Prize in Life Sciences），这是迄今科研领域里奖金最高的生物学及医学奖项。为何John Jumper及其领导开发的AlphaFold会收获如此多的青睐？主要原因在于，AlphaFold的诞生解决了困扰生物学界半个多世纪的经典难题，即1972年诺贝尔化学奖得主Christian Anfinsen提出的蛋白折叠问题（Protein Folding Problem）——“蛋白质的氨基酸序列应该能完全决定其结构”。John Jumper团队开创性地利用人工智能技术，终于破解了这一著名猜想，不仅让蛋白质结构预测的研究走入一个新阶段，也将人们对“AI for Science（科学智能）”的关注推向高潮。

简单来说，AI for Science就是让人工智能利用自身强大的数据归纳和分析能力去学习科学规律和原理，得出模型来解决实际的科研问题，特别是辅助科学家在不同的假设条件下进行大量重复的验证和试错，从而大大加速科研探索的进程，如今这一方法已在多个前沿科学领域中取得了显著的成果。