当前位置:首页 > 科研成果库

科研成果的AI冲击波:这三项进展让我对人类的未来又喜又怕

2026-07-20 04:47:38小研科研成果库17

上周跟一个做生物的朋友吃饭,他整个人都蔫蔫的。

「你知道吗,我博士课题做了四年的蛋白结构,现在AI十分钟就给我算出来了。」他猛灌了一口啤酒,「妈的,还比我准。」

我理解他的郁闷。真的。那种感觉就像你苦练十年素描,突然有人掏出个照相机。但你猜怎么着?我其实挺羡慕的——要是我当年读博那会儿有这种工具,何至于延毕两年。

科研成果这玩意儿,以前是科学家们皓首穷经的苦修,现在呢?机器啪的一下,就把答案甩你脸上。精准。高效。毫不留情。2024年都快过完了,AI在科研界的几记重拳,直接把人类敲懵了。咱们今天不扯虚的,就聊聊让我最受触动的三件事。

蛋白质折叠:一场持续50年的游戏,突然就结束了

生化环材四大天坑,坑坑都跟蛋白质脱不了干系。这大分子太操蛋了——氨基酸序列怎么拗成三维结构的,几十年来累死多少博士生。传统的X射线晶体学、冷冻电镜,一套流程走下来,半年算快的。

然后DeepMind的AlphaFold来了。2018年刚出道时,大家也就当个高级玩具。可到了2021年AlphaFold 2横空出世,预测精度直接把一票结构生物学家干沉默了。今年AlphaFold 3更是变本加厉,连蛋白质跟DNA、小分子怎么勾搭都能画出来。

我特意去翻了翻数据。在CASP14比赛里,AlphaFold 2的中位分数92.4,人类选手?撑死也就70多。这差距……已经不是努力能弥补的了。更扎心的是,现在全球有200多万研究者用过它,解析了超过2亿个结构。2亿啊!以前一个实验室一辈子能解析几百个就烧高香了。

不过话又说回来,这还不是终点。有个搞结构生物学的老哥跟我聊,说AlphaFold 3虽然能预测动态变化,但碰到一些稀奇古怪的翻译后修饰,还是会犯轴。而且它那预测,偶尔会生成一些「看起来很美」但实际不存在的幻影结构。你得提溜着点儿。

AlphaFold 3预测蛋白质与DNA复合物三维结构示意图AlphaFold 3预测蛋白质与DNA复合物三维结构示意图

但无论如何,游戏规则已经变了。以前那种「我有个靶点蛋白,先摸清结构再筛药」的线性流程,现在直接变成「AI生成一堆候选结构,挑个顺眼的开干」。制药公司笑得嘴都合不拢——研发周期砍半,成本骤降。至于那些刚入行的结构生物学家,嗯,转型吧兄弟,学点Python总没坏处。

材料发现:这周我发现了38万种稳定材料,你呢?

如果说蛋白质折叠还只是动了一个行业的蛋糕,那谷歌的GNoME项目简直是往整个材料科学界扔了颗核弹。

去年底谷歌DeepMind发了篇论文,说他们的AI一夜之间——对,你没看错,就是一夜间——设计出了220万种新的晶体结构,其中38万种极有可能稳定存在,等着合成。38万!这可是相当于过去几百年人类所发现稳定材料总和的45倍。我反复看了三遍那个数字,以为自己眼花了。

更离谱的是,到今天为止,外部实验室已经独立合成出其中的几十种。其中一种叫「Liquid-Like」的固态电解质,有望让电池变得更安全;还有一种叫「超离子导体」,能把电池能量密度往上猛推一把。这些不是画饼,是已经验证的成果。

我忍不住回想,当年在实验室磨材料的时候,那种「配比调一调,温度改一改,然后烧一炉,期待开窑」的心情,跟开盲盒似的。现在呢?AI把盲盒仓库直接砸穿了,扭头问你:「这里面有好东西,你要不要试试?」

谷歌DeepMind GNoME发现的新型晶体结构可视化图谷歌DeepMind GNoME发现的新型晶体结构可视化图

但别急着欢呼。这里面有个巨大的坑:AI预测了海量材料,但人类合成能力跟不上。你得一个一个去试啊,有些合成条件苛刻得要命。材料学家现在就像被美食图片轰炸的饿汉,看得见,吃不着。一位伯克利的教授私下里吐槽:「我们现在缺的不是配方,是能精准合成的机械臂。」

所以你看,科研成果的涌现速度,反而把工程能力挤成了新瓶颈。这事儿挺讽刺的。

数学定理证明:直觉,还是机器的专属?

数学定理证明:直觉,还是机器的专属?数学定理证明:直觉,还是机器的专属?

如果说前两个还属于「应用科学」,那数学定理证明可算是人类智力的最后堡垒了。抽象、纯粹、依赖天才那灵光一闪的直觉。

但2024年的进展,让数学家们也坐不住了。谷歌DeepMind的AlphaProof和AlphaGeometry 2,在今年国际数学奥林匹克竞赛(IMO)上做出了6道题里的4道,拿到了28分(满分42)。银牌水平。虽然没到金牌,但想想看:一个AI,在人类最顶级的智力竞技场上,跟一些未来菲尔兹奖候选人打得有来有回。

更让我背后发凉的是,它解题的思路跟人不一样。有时候暴力穷举,有时候又莫名其妙地跳出一步神来之笔。数学家陶哲轩评价时用了个词:「prima facie」——看起来很像那么回事。但后面他又补了一句:我们可能得重新思考数学的本质了。

说实话,我数学一般,但我知道证明定理这东西,靠的不是计算,是直觉。如果AI开始产生数学直觉……那我们人类还剩什么?柏拉图主义崩塌的一角?

不过冷静下来想想,目前AI还只是在「辅助证明」。它擅长组合几何、代数之类的确定性问题,但碰到那些需要概念创新的领域,比如拓扑前沿,还是两眼一抹黑。它更像一个不知疲倦、记忆力超群的研究生,而不是高斯转世。

但谁知道呢,也许明年它就进化到能证黎曼猜想了。我那位在普林斯顿读数学博的哥们儿,最近刷算法题刷得比谁都勤。他的原话:「先活下去,再谈理想。」

唉。