人工智能辅助创新：科研圈已经玩出真东西了
之前听南开材料系的朋友吐槽，读博那几年做新型固态电池研发，三年换了两百多批样品，头发掉了一半，最后连毕业都差点卡着。
那时候谁能想到，现在同样的工作，几周就能做完。
人工智能筛选电池正极材料实验对比图
现在国内很多做新能源的企业，已经把AI筛选材料做成了常规流程。想找新的正极材料，先让AI跑一遍，把不符合要求的直接筛掉，候选范围直接缩小90%以上。原来要砸几百万试错的钱，现在十分之一都不到，时间更是直接按量级压缩。
这不就是把科研人员从重复劳动里捞出来了？
说实话，我之前真没意识到改变已经这么大。直到上个月去常州一个动力电池厂参观，他们研发部的负责人说，现在找新添加剂，不用再像以前那样挨个配了，AI给你圈好候选，实验团队只需要做验证就行，研发周期直接从一年缩短到三个月。
AlphaFold2蛋白质三维结构预测结果对比图
这直接给新药研发开了新赛道。原来找新药，第一步就是搞清楚靶点蛋白的结构，就这一步就能卡住很多小公司，现在门槛直接降下来了。
去年国内有家创新药企，用AI辅助设计出了针对特应性皮炎的新靶点小分子药物，已经推进到临床二期。从靶点确认到找到先导化合物，原来整个行业平均耗时是两年多，他们只用了半年。
我见过那个项目的负责人，他说一开始整个团队都捏着汗，毕竟AI选出来的化合物，好几个是老专家根本看不上的，结果一做活性实验，比原来传统方法找出来的高了十几倍。
那些说AI创新就是炒概念的人，真该去这些研发车间看看。现在国内一半以上的创新药创业公司，团队里都有专门的AI研发组，这不是概念，是真的吃饭的家伙。
不过话说回来，现在行业里吹得太过了，什么「AI十年搞定所有绝症」，扯犊子呢。
别神化也别妖魔化，AI现在还是辅助工具
AI现在最大的瓶颈，是训练数据的偏倚。现在大部分AI模型，训练用的都是已经发表的成功实验数据，谁会没事把失败的实验数据整理出来喂给AI？
那问题就来了，AI其实还是在人类已经趟出来的路上找新东西，很难跳出原有框架，搞出完全颠覆性的创新。你让AI找新电池，它最多在现有锂基体系里给你优化，很难直接跳出来给你找一个完全不用锂的全新体系。
还有一个问题，就是可解释性太差。很多AI给出来的结果，你问它为什么选这个，它说不出来，科研人员还要倒推机理，绕一大圈，很多企业研发部根本不敢直接用，最后还是要全重新试一遍，等于白忙活。
我上个月听一个做AI药物研发的创始人吐槽，投资人问他为什么你们的模型还需要这么多实验验证，他说不然呢？AI能给你找方向，还能替你做实验？病人敢吃AI没验证过的药吗？
但是，这些问题都是发展中的问题，不是死结。
现在很多团队已经在收集整理失败的实验数据喂给AI，还有人把基础物理规则直接写到模型里做约束，不是纯靠数据瞎蒙，出来的结果靠谱多了。前几个月MIT发的一篇论文，他们用结合了第一性原理的AI，找到了一种完全不在现有材料目录里的室温稳定二维超导材料，现在实验室已经初步验证了特性，这不就是颠覆性的创新吗？
很多人说，创新靠的是天才的灵光一现，机器代替不了人。这话没错，但灵光一现也得有土壤啊。原来一个科研人员一辈子，一大半时间都在做重复试错，真正能停下来思考方向的时间没多少。AI帮你把试错的活干了，把范围给你缩好了，你才能有更多时间去想那些真正天马行空的方向，不是吗？
我前阵子参加一个行业会，有个老院士说的话我印象很深，他说我做了一辈子材料，原来最愁的就是找不到方向，现在AI给我列出来十个候选，我只要选对一个，就能做成大事，这不好吗？
不信你走着瞧。十年后，人工智能辅助创新会变成所有研发团队的标配，就像现在做实验离不开离心机一样普通。那些喊着AI抢饭碗的人，最后都会变成离不开AI的真香党。
打破材料科研的试错死循环
新材料研发是出了名的高投入低产出。九成九的试错都会打水漂，能走到量产环节的，百里挑一都不到。很多领域卡壳不是方向错了，是试错的成本太高，时间耗不起，企业根本烧不起那个钱。 人工智能辅助创新进来之后，规则直接变了。 去年DeepMind团队发在《Nature》上的成果，用AI预测了超过两百种从未被发现的稳定晶体结构，后续实验室已经成功合成出几十种。放在以前，这个工作量够一个课题组干个十来年。人工智能筛选电池正极材料实验对比图
现在国内很多做新能源的企业，已经把AI筛选材料做成了常规流程。想找新的正极材料，先让AI跑一遍，把不符合要求的直接筛掉，候选范围直接缩小90%以上。原来要砸几百万试错的钱，现在十分之一都不到，时间更是直接按量级压缩。
这不就是把科研人员从重复劳动里捞出来了？
说实话，我之前真没意识到改变已经这么大。直到上个月去常州一个动力电池厂参观，他们研发部的负责人说，现在找新添加剂，不用再像以前那样挨个配了，AI给你圈好候选，实验团队只需要做验证就行，研发周期直接从一年缩短到三个月。
生物制药领域的意外突破
AI辅助创新玩得更疯的，是生物制药圈。 大家都知道AlphaFold，当年它精准预测蛋白质三维结构的时候，圈内直接炸了。原来解析一个蛋白结构，靠冷冻电镜做，少则一两年多则好几年，成本几百万。现在AI几个小时就能出结果，准确率和实验解析差不了多少。AlphaFold2蛋白质三维结构预测结果对比图
这直接给新药研发开了新赛道。原来找新药，第一步就是搞清楚靶点蛋白的结构，就这一步就能卡住很多小公司，现在门槛直接降下来了。
去年国内有家创新药企，用AI辅助设计出了针对特应性皮炎的新靶点小分子药物，已经推进到临床二期。从靶点确认到找到先导化合物，原来整个行业平均耗时是两年多，他们只用了半年。
我见过那个项目的负责人，他说一开始整个团队都捏着汗，毕竟AI选出来的化合物，好几个是老专家根本看不上的，结果一做活性实验，比原来传统方法找出来的高了十几倍。
那些说AI创新就是炒概念的人，真该去这些研发车间看看。现在国内一半以上的创新药创业公司，团队里都有专门的AI研发组，这不是概念，是真的吃饭的家伙。
不过话说回来，现在行业里吹得太过了，什么「AI十年搞定所有绝症」，扯犊子呢。
别神化也别妖魔化，AI现在还是辅助工具
别神化也别妖魔化，AI现在还是辅助工具
AI现在最大的瓶颈，是训练数据的偏倚。现在大部分AI模型，训练用的都是已经发表的成功实验数据，谁会没事把失败的实验数据整理出来喂给AI？
那问题就来了，AI其实还是在人类已经趟出来的路上找新东西，很难跳出原有框架，搞出完全颠覆性的创新。你让AI找新电池，它最多在现有锂基体系里给你优化，很难直接跳出来给你找一个完全不用锂的全新体系。
还有一个问题，就是可解释性太差。很多AI给出来的结果，你问它为什么选这个，它说不出来，科研人员还要倒推机理，绕一大圈，很多企业研发部根本不敢直接用，最后还是要全重新试一遍，等于白忙活。
我上个月听一个做AI药物研发的创始人吐槽，投资人问他为什么你们的模型还需要这么多实验验证，他说不然呢？AI能给你找方向，还能替你做实验？病人敢吃AI没验证过的药吗？
但是，这些问题都是发展中的问题，不是死结。
现在很多团队已经在收集整理失败的实验数据喂给AI，还有人把基础物理规则直接写到模型里做约束，不是纯靠数据瞎蒙，出来的结果靠谱多了。前几个月MIT发的一篇论文，他们用结合了第一性原理的AI，找到了一种完全不在现有材料目录里的室温稳定二维超导材料，现在实验室已经初步验证了特性，这不就是颠覆性的创新吗？
很多人说，创新靠的是天才的灵光一现，机器代替不了人。这话没错，但灵光一现也得有土壤啊。原来一个科研人员一辈子，一大半时间都在做重复试错，真正能停下来思考方向的时间没多少。AI帮你把试错的活干了，把范围给你缩好了，你才能有更多时间去想那些真正天马行空的方向，不是吗？
我前阵子参加一个行业会，有个老院士说的话我印象很深，他说我做了一辈子材料，原来最愁的就是找不到方向，现在AI给我列出来十个候选，我只要选对一个，就能做成大事，这不好吗？
不信你走着瞧。十年后，人工智能辅助创新会变成所有研发团队的标配，就像现在做实验离不开离心机一样普通。那些喊着AI抢饭碗的人，最后都会变成离不开AI的真香党。