從實驗室走向市場：深度學習改變科學研究方法｜甲子引力

AI潛力無限，但科學家無可替代。

原標題：從實驗室走向市場：深度學習改變科學研究方法｜甲子引力
文章來源：甲子光年
內容字數：16540字

AI賦能科學：機遇、挑戰與未來

本文總結了“甲子光年”2024年終盛典上關于《科學智能:AI for Science新范式下的科研變革》的圓桌討論要點。四位專家從生命科學、化學和投資等不同角度，探討了AI在科學研究中的應用、機遇、挑戰以及未來發展趨勢。

1. AI for Science：新范式下的科研變革

AI for Science (AI4S) 并非簡單的AI數據挖掘，而是AI與先進實驗手段的深度耦合。它經歷了兩個階段：第一階段，AI作為輔助工具加速科學研究；第二階段，AI成為核心技術，如AlphaFold預測蛋白質結構，引領產業爆發。AI4S的應用已從專業圈擴展到公眾領域，更容易向非專業人士解釋其工作。

2. AI在不同領域的應用與挑戰

(1) 材料科學：深度原理利用AI優化材料設計流程，解決數據不足和尺度放大問題。Science of AI通過物理學規律約束AI輸出，提高可解釋性，形成數據驅動的閉環。

(2) 冷凍電鏡：AI加速冷凍電鏡數據分析，更快提取有價值信息，從輔助工具轉變為核心技術。鑫研微末利用AI提升冷凍電鏡圖像處理效率，并提供算法咨詢、生物咨詢等服務。

(3) 生物制藥：AI在靶點發現和藥物開發中發揮重要作用，幫助科學家理解生物數據，建立模型驗證新藥靶點有效性。百圖生科利用AI大模型解決生命科學問題，擴展到DNA、RNA、菌種大模型，賦能生物醫藥和生物制造行業。

(4) 腫瘤免疫治療：萊芒生物結合AI和免疫代謝重編程技術，優化腫瘤免疫療法，提高治療響應率和療效，降低毒副作用。AI算法幫助解決實體瘤細胞療法中的問題。

3. AI與Science的比重及未來發展

AI與Science的比重在不同項目和公司中有所不同，并隨著時間推移動態變化。在一些項目中，Science（實驗）占比高達80%-90%，而在另一些項目中，AI占比則更高。未來五年，AI在AI for Science中的比重預計將顯著提升，但Science在基礎研究和實驗驗證方面仍不可替代。AI將成為科學家的強大助手，加速科研進程，但科學家的創造性和判斷力依然至關重要。

4. AI for Science的落地方向與挑戰

AI for Science最快落地的方向包括：蛋白設計、藥物設計、生物制造等領域。這些領域擁有大量高質量數據，AI模型預測精度較高。然而，挑戰依然存在，例如數據質量不足、跨物種預測困難、臨床層面預測的局限性等。解決這些問題需要積累更多高質量數據，并發展更先進的AI模型和技術。

5. 未來科學家的畫像

未來的科學家將更加依賴AI工具，AI將成為科學家的貼身助手，承擔文獻調研、數據分析等繁瑣工作。科學家將更多地關注科學問題的提出、實驗設計、結果解釋和驗證等方面，發揮人類的創造力和判斷力。

聯系作者

文章來源：甲子光年
作者微信：
作者簡介：甲子光年是一家科技智庫，包含智庫、社群、企業服務版塊，立足中國科技創新前沿陣地，動態跟蹤頭部科技企業發展和傳統產業技術升級案例，推動人工智能、大數據、物聯網、云計算、新能源、新材料、信息安全、大健康等科技創新在產業中的應用與落地。