“过去两年，我深受人工智能的影响，一直在思考，我能做什么？”9月19日，中国科学院院士、西湖大学校长施一公在第六届“新基石50²论坛”上坦言。这一论坛在深圳南方科技大学举办，由南方科技大学、腾讯可持续社会价值事业部、新基石科学基金会联合主办。

论坛名中的“50²”，寓意基金会资助的中青年科学家将对未来50年的科学技术突破产生重大影响；论坛自2021年起每年举办一次。今年开幕式的主题是“聚焦原创 突破边界”，而AI会不会改变科学研究的范式，成了绕不开的话题。

我在参会中，被科学家们对AI for Science的探讨所吸引，此文力度还原这个思辨且充满趣味的现场。这个话题，不只关乎科学家，也值得让所有人深思，它最最终会关乎每个人。

2亿个和19个

施一公讲的，是自己实验室如何找到一种在自然界不天然存在的蛋白质的探索。教科书告诉我们，生命信息沿一条单行道流动：DNA转录成RNA，RNA再指导合成蛋白质。蛋白质能不能反过来，不照任何模板，直接用细胞里零散的原料“拼”出一条RNA？

施一公说，两年前，“我们一无所知”。按传统做法，只能一个个去试，如同大海捞针，“几乎不可能”。

作为结构生物学家，他们先画了一张“嫌疑人画像”：这种蛋白的“手艺”应当和一种已知的酶相近。这种酶叫cGAS，由华人科学家陈志坚发现，能把两个核苷酸连成一个小环。会不会有一种蛋白长得像cGAS，却不急着闭环，而是一个接一个连下去，连成RNA？

有了画像，AI登场。AlphaFold已预测出约2亿个蛋白质的立体结构，相当于一座巨型蛋白质照片库。团队拿画像去比对，一下子筛出几十万个。太多，就只在水稻、玉米等三种植物里找，剩266个；再要求长得足够像，剩29个；最后看关键部位是否符合设想，剩19个。

验证的第一个，就中了。这个名为OS3的水稻蛋白，在试管里用零散原料合成出了RNA，结构与生物体内的RNA一模一样。施一公说，这可能促使人们重新思考生命起源时“蛋白质与RNA谁先出现”；他们推测，背后是一个从未为人所知的蛋白质家族。施一公说，这还是这个科研项目的开始，但全新的大门已打开。

这就是一个科学家的现身说法，从2亿个到19个，AI省掉了科学家可能需以年计的摸索。

“越想越怕”与“真是好用”

AI会不会根本改变科学研究？在该论坛的“平方对话”上，主持人韩启德把问题抛了出来。这位中国科学院院士、中国科协名誉主席与西湖大学颇有渊源：据施一公在会上回忆，15年前正是在韩启德鼓励下，他与潘建伟等人决定在杭州试点创办一所新型研究型大学。

台上另两位嘉宾，一位是中国科学院院士、中国科学技术大学常务副校长潘建伟，中国量子信息研究的领军人物；另一位是芝加哥大学教授、美国科学院院士、2023年沃尔夫化学奖得主何川，长期研究RNA的化学修饰。

潘建伟认为AI在科研中很“好用”。前一天在飞机上，学生告诉他，自己写了个小程序，让AI每天把《自然》《科学》等学刊上的新论文扫一遍，排好序报给他——以前，他总叮嘱学生每天早上自己去翻，现在却是AI可自动抓取与推送。

他还讲道，过去，团队在做中性原子量子计算时，要把几千个原子在短时间挪到指定位置，路径规划极其复杂。但现在使用AI，很快就能排好，这项成果入选了美国物理学会的年度重要进展。更让他感慨的是，团队花了好几年算出的一个实验方案，现在交给AI计算，结论居然“差不多”。

何川讲的是“害怕”。今年3月之前，他不太在意AI。3月去圣地亚哥开会的路上，他看到大模型发展的势头，“越想越害怕”：AI在原理上与人脑的进化并无二致，“哪一天我会被替代掉”。想了一路后，他给自己找到一点余地：“还有10年可以做。”因为生命科学不像编程、数学、下围棋那样定量，大量数据和结论并不准确，人的判断在生命科学研究中仍起关键作用。

对此，韩启德追问：AI见过的数据远超任何人，它能不能提出人类想不到的颠覆性假设？潘建伟不太相信。爱因斯坦、普朗克提出新概念时，此前所有知识都在“反对”他们；而AI恰恰建立在前人知识与数据之上，所以很难在此基础上产生爱因斯坦式的新理论发现。

同一把拐杖，两种结局

这几位科学家讨论最深刻的部分，回到了“人”本身。

潘建伟认为，AI可以延长成熟的科学家科研生命。他以自已为例，理论物理学家年纪越大，理解越深，但计算能力却在衰退。有了AI，“算不动的不用问学生”，直接让AI算就可以，研究仍可继续往前走。韩启德也认为，这对像他这样的老年科学家也“有好处”：记不住的交给AI，而提问题的能力，他们早已具备。

但同一副拐杖交到年轻人手里，结局可能相反。

何川说，他和年轻人最大的区别，是科研路上踩过无数的坑，那些失败沉淀为判断力：哪条路大概率是坑，哪条路离创新更近。他把科研比作职业体育，好问题不是从街上随便抓个人就能提出的，要像西甲、英超球员那样长期训练。他担心：如果年轻人一开始就一路用AI，二十年后，还能不能产生一批有创造力的科学家？

潘建伟“强烈同意”这个担忧。他说，大脑有可塑期，例如孩子在12岁之前的语言学习能力特别强，但如果这个年龄不接受语言训练，后面学起来就特别困难。同样，如果学生们的思维在该受科学训练时候被AI代劳，“真正需要创新的时候，我们的能力变得特别弱”，人类不能因为有AI的帮助，反而让大脑变懒、变蠢。

这正是AI for Science最微妙的悖论：AI最能放大的，是已有判断力的人。施一公能把2亿蛋白缩到19个的范围，靠的不只是AI，还有那张几十年经验画出的“嫌疑人画像”；潘建伟能让AI替他计算，是因为他知道该算什么。但对一个还没踩过坑、没练出科学品味的年轻人，AI省掉的，可能恰恰是长出判断力的磨砺之路。何川也设想过另一种可能：让AI跟着他把所有的坑走一遍，再陪下一个年轻人重走，后来者也许比他更强。韩启德笑言，那样的话，“你就是永生了”。只是，经验与技能可以被AI记录，判断力能否被AI传递，仍无答案。

潘建伟说得也很意味深长：AI不会犯错，人会犯错。而恰恰是犯错，在科学史上也是促成创新很重要的一部分。

（作者为资深互联网从业者 科技向善观察者与研究者）