人工智能辅助创新：正在重构科研创新的底层逻辑
上个月跟清华生科的一个师兄吃饭，他说现在做蛋白结构预测，放在三年前，整个课题组要熬大半年出一个结果，现在呢？用AI辅助，一周不到就能拿到靠谱的候选结构，剩下的时间全用来做真创新了。
太颠覆了。
说实话，我前几年还觉得创新这种事儿，靠的就是人脑灵光一闪，AI顶多帮着整理整理数据，凑不了什么核心热闹。现在看来，我错得离谱。
AlphaFold2预测蛋白质结构实验对比图
去年MIT团队用AI辅助发现了全新的超级耐药菌抗生素，整个过程有多离谱？人工筛选需要从上百万种化合物里碰运气，整个项目做下来少说三五年，AI几天就把候选范围缩小到了几十种，最后只花了几个月就验证出了有效的化合物。
放在十年前，谁敢想？
我认识一个做药研的朋友说，原来他们团队一年能验证十个药物靶点就不错了，现在AI帮着筛选先导化合物，一年能验证四十多个，等于把整个研发速度翻了四倍，能试的变多了，碰中大药的概率自然就上去了。
这不叫抢饭碗，这叫给创新松绑。
AI辅助全固态电池电解质研发实验流程图
中科大团队去年就靠这个方法，找到了一种室温导电性比传统材料高两个数量级的全固态电解质，直接解决了困扰行业很久的一个痛点，整个过程才花了三个多月。
就连芯片设计这种对精度要求极高的领域，AI都已经进场了。英伟达最新的消费级GPU，有超过三分之一的模块是AI辅助布局布线的，最终结果比资深工程师设计的还要省15%的面积，功耗还低了10%。
哦对，现在连创意领域的创新都在靠AI。比如做新药物分子设计，AI能直接生成从来没有出现过的全新分子结构，比人枚举出来的可能性多好几个数量级。原来创新是“人找方向，人干活”，现在已经变成“人提问题，AI找路，人做判断”了。
别神化也别无视，AI辅助创新的坑要踩清楚
不过话说回来，现在市场上吹得太凶了，好像AI来了之后，所有创新问题都能解决，分分钟就能出诺贝尔奖级别的成果，哪有这么简单。
第一个坑就是，AI学的全是过去的数据，它出不了完全跳出原有框架的创新。如果你的研究方向本来就是颠覆现有理论的，AI训练出来的模型大概率会否定你，因为它见过的所有成果都不支持这个方向。
第二个坑就是可解释性太差。很多时候AI给你一个结果说这个可行，你根本不知道它为什么可行，最后还是要靠人一点点去验证，走的流程一点都不少。我之前听一个做材料的朋友吐槽，他用AI筛了10个候选，9个都不行，只有1个成了——虽然比筛一千个强，但试错的过程还是省不掉。
第三个坑就是蹭热点的太多了。现在不管什么项目，都要套个人工智能辅助创新的帽子，实际上就是拿AI跑了两次数据，核心创新还是老一套，纯粹就是为了拿融资讲故事。
那到底该怎么用？
我见过玩得明白的团队，都是把AI当铲子当望远镜，不是当老板。脏活累活重复活全给AI，人就干两件事：提出AI根本想不出来的新问题，判断AI给出的结果对不对，最后把零散的结果拼成完整的创新成果。
科学家的核心价值从来都不是熬时间筛样本，而是提出一个好问题啊。现在AI把人从重复劳动里解放出来，不就是让更多人能把精力放在真正值得探索的问题上吗？
那天跟生科师兄聊天，他说现在他带研究生，第一课已经不是教怎么解蛋白结构了，是教怎么给AI提准确的问题，怎么鉴别AI输出的垃圾结果，怎么顺着AI给的线索想新方向。
你看，变化已经发生了。
以前我们盼着工具能帮我们多干活，现在工具真的来了，能不能做出好创新，最终还是看人敢不敢想别人不敢想的问题。
说不定再过十年，我们现在想都不敢想的新药、新材料、新理论，全都是人和AI一起攒出来的。想想还真挺期待的。
AI不是抢创新饭碗，是把科学家从泥沼里拉出来
我们现在回头看过去几百年的科研创新，多少好点子死在了漫长的重复试错里。 科学家的黄金创作期就那十几年，大半时间耗在筛样本、调参数、解结构这种机械劳动上，等把准备工作做完，灵感的劲都过去了。 AlphaFold出来之后，整个结构生物学的玩法直接变了。原来领域里拼的是解结构的手艺，谁能拿下复杂结构谁就是大牛，现在AI分分钟给你算出精度接近冷冻电镜的结果，所有人直接跳到下一个环节：拿这个结构去解决真问题。AlphaFold2预测蛋白质结构实验对比图
去年MIT团队用AI辅助发现了全新的超级耐药菌抗生素，整个过程有多离谱？人工筛选需要从上百万种化合物里碰运气，整个项目做下来少说三五年，AI几天就把候选范围缩小到了几十种，最后只花了几个月就验证出了有效的化合物。
放在十年前，谁敢想？
我认识一个做药研的朋友说，原来他们团队一年能验证十个药物靶点就不错了，现在AI帮着筛选先导化合物，一年能验证四十多个，等于把整个研发速度翻了四倍，能试的变多了，碰中大药的概率自然就上去了。
这不叫抢饭碗，这叫给创新松绑。
人工智能辅助创新，早就跳出了“干活工具”的定位
很多人对AI辅助创新的认知还停留在“帮着算题”“帮着干活”，其实现在的AI，已经能帮人找方向提假说了。 去年DeepMind的团队出了一个成果，用AI发现了纯数学领域的新猜想，最后数学家顺着AI给出的方向，真的证明了这个猜想成立。在此之前，根本没有人想到这个方向还能这么走。 不止基础科学，材料领域的变化更快。 现在国内做新能源的团队，几乎都配上了AI辅助研发，原来找新的电解质、新的电极材料，全靠“炒菜式”试错，把不同材料混一遍碰运气，研发一个能用的新材料平均要五到十年。现在呢？AI先在虚拟空间里筛一遍，把几乎不可能的都排除，最后只需要验证十几个候选，短短几个月就能出结果。AI辅助全固态电池电解质研发实验流程图
中科大团队去年就靠这个方法，找到了一种室温导电性比传统材料高两个数量级的全固态电解质，直接解决了困扰行业很久的一个痛点，整个过程才花了三个多月。
就连芯片设计这种对精度要求极高的领域，AI都已经进场了。英伟达最新的消费级GPU，有超过三分之一的模块是AI辅助布局布线的，最终结果比资深工程师设计的还要省15%的面积，功耗还低了10%。
哦对，现在连创意领域的创新都在靠AI。比如做新药物分子设计，AI能直接生成从来没有出现过的全新分子结构，比人枚举出来的可能性多好几个数量级。原来创新是“人找方向，人干活”，现在已经变成“人提问题，AI找路，人做判断”了。
别神化也别无视，AI辅助创新的坑要踩清楚
别神化也别无视，AI辅助创新的坑要踩清楚
不过话说回来，现在市场上吹得太凶了，好像AI来了之后，所有创新问题都能解决，分分钟就能出诺贝尔奖级别的成果，哪有这么简单。
第一个坑就是，AI学的全是过去的数据，它出不了完全跳出原有框架的创新。如果你的研究方向本来就是颠覆现有理论的，AI训练出来的模型大概率会否定你，因为它见过的所有成果都不支持这个方向。
第二个坑就是可解释性太差。很多时候AI给你一个结果说这个可行，你根本不知道它为什么可行，最后还是要靠人一点点去验证，走的流程一点都不少。我之前听一个做材料的朋友吐槽，他用AI筛了10个候选，9个都不行，只有1个成了——虽然比筛一千个强，但试错的过程还是省不掉。
第三个坑就是蹭热点的太多了。现在不管什么项目，都要套个人工智能辅助创新的帽子，实际上就是拿AI跑了两次数据，核心创新还是老一套，纯粹就是为了拿融资讲故事。
那到底该怎么用？
我见过玩得明白的团队，都是把AI当铲子当望远镜，不是当老板。脏活累活重复活全给AI，人就干两件事：提出AI根本想不出来的新问题，判断AI给出的结果对不对，最后把零散的结果拼成完整的创新成果。
科学家的核心价值从来都不是熬时间筛样本，而是提出一个好问题啊。现在AI把人从重复劳动里解放出来，不就是让更多人能把精力放在真正值得探索的问题上吗？
那天跟生科师兄聊天，他说现在他带研究生，第一课已经不是教怎么解蛋白结构了，是教怎么给AI提准确的问题，怎么鉴别AI输出的垃圾结果，怎么顺着AI给的线索想新方向。
你看，变化已经发生了。
以前我们盼着工具能帮我们多干活，现在工具真的来了，能不能做出好创新，最终还是看人敢不敢想别人不敢想的问题。
说不定再过十年，我们现在想都不敢想的新药、新材料、新理论，全都是人和AI一起攒出来的。想想还真挺期待的。