蛋白摺疊獲拉斯克獎也提升了人們對於有朝一日，人工智能在生物醫學領域的研究成果獲得諾貝爾獎的預期。

當地時間9月21日，有“諾獎風向標”之稱的拉斯克獎揭曉。2023年拉斯克基礎醫學研究獎授予谷歌DeepMind公司的Demis Hassabis和John Jumper，表彰他們發明了能夠預測蛋白質三維結構的革命性技術AlphaFold。

蛋白摺疊獲拉斯克獎也提升了人們對於有朝一日，人工智能在生物醫學領域的研究成果獲得諾貝爾獎的預期。

去年，AlphaFold團隊發佈了超過2億個蛋白預測結構，幾乎涵蓋了科學界已知的所有蛋白質。該數據庫推動了跨學科的研究，例如篩選潛在藥物靶點治療罕見病。

在談到AlphaFold的研究下一步將走向何方時，Jumper表示，還有很多重要的工作需要去完成，現階段取得的成就絕不是科學的終結，也不是生物學的終結。

目前全球的科研團隊都在挖掘人工智能技術的潛力，來賦能科學研究。這推動了科學智能（AI for Science）領域的發展。AI for Science是指利用人工智能技術，包括機器學習和深度學習等，分析處理多維度、多模態、多場景下的模擬和真實數據，解決複雜推演計算問題，以加快基礎科學和應用科學的發現、驗證和應用。

例如，跨國製藥商正在利用人工智能快速尋找進行臨牀試驗的患者，或減少測試藥物所需的人員數量，這既加速了藥物開發，又可能節省成本。

安進、拜耳和諾華等公司正在訓練人工智能機器，用於掃描數十億份公共健康記錄、處方數據、醫療保險索賠及其內部數據，以找到匹配的臨牀試驗患者，這可以將患者如組時間減半。

不久前，清華系初創團隊水木分子發佈新一代對話式藥物研發助手ChatDD（Drug Design），覆蓋藥物立項、臨牀前研究、臨牀試驗的各階段，作爲製藥專家的AI助手，來提升藥物研發效率。

另一方面，隨着以GPT爲代表的大模型AI技術廣泛進入生活和工作，人們也期待AI未來能在商業分析和決策上起到更好的幫助。然而，目前AI機制的不透明、不可解釋性極大制約了人們對其決策的理解。

爲此，中國科學家也在積極探索人工智能在腦科學交叉研究方面的應用，試圖回答神經科學領域難以解釋的問題，比如大腦如何解決複雜問題。

中國科學院腦科學與智能技術卓越創新中心高級研究員楊天明團隊就以獼猴作爲模型，利用AI和統計學的方法，來定量地描述獼猴的遊戲策略，將不同的策略基組對比擬合到獼猴的遊戲行爲數據中，推斷策略的動態權重。該計算模型對獼猴手柄運動的預測準確率能夠達到90%以上。

楊天明在9月20日舉辦的一場天橋腦科學研究院（TCCI）“決策與人工智能”會議上表示：“這項交叉研究給AI for Brain Science領域帶來了重要的啓示。低維的行爲任務不足以理解複雜的大腦，而AI可以輔助我們理解高維數據，高維行爲、高通量神經元記錄以及合理的AI模型可以幫助我們理解大腦複雜性。”

“在科學的發展過程中，人工智能與認知科學交叉演進。人工智能旨在模擬智能體的決策和問題解決能力，而認知科學則專注於理解人類認知過程。”天橋腦科學研究院中國學術會議總監、天橋腦科學研究院人工智能與精神健康實驗室科學家耿海洋博士對第一財經記者表示，“這一交叉演進爲我們提供了更好地理解智能的機會，有助於開發更智能的機器，同時也有助於更深入地理解人類思維和大腦運作。”

責任編輯：劉萬里 SF014