人工智能辅助创新，别神化也别妖魔化

我昨天看到一条新闻，直接愣住了。一家初创公司用AI在几天内就找到了能降解塑料的新酶，这要是按传统方法，折腾大半年都不一定有结果。真的，我当时的心情就是——这特么也太快了吧。

说实话，这些年AI在科研圈里的渗透，比我想象中猛得多。AlphaFold2出来的时候，我身边做结构生物学的朋友集体哀嚎，说饭碗要丢了。后来呢？他们反而活得更滋润了。因为AI预测的结构，还需要实验验证，而且能生成过去想都不敢想的假设。

从“炼丹”到“算卦”，AI变成了科研加速器

以前搞材料学，那简直是玄学。调个元素配比，烧一炉子，烧出来是啥全靠运气。我们戏称“炼丹”。现在呢，基于生成式对抗网络的材料设计平台，能直接倒推配方。你想得到某种特性，比如超导或者高硬度，AI在海量数据里跑一圈，吐出几个可能的分子结构，成功率比以前高了几十倍。不是我夸张，这是真的。当然，失败率依然不低，但已经能省掉大量盲目试错的时间。

我认识一个做电池研究的师兄，用AI筛了一千多种固态电解质成分，最后锁定了三种，一种直接打破了离子电导率纪录。他跟我说的时候，眼里有光，但也吐槽：“这玩意儿有时候像个黑箱，给出的候选方案，我们根本不知道为什么好——就是好。解释不了，投文章都怕审稿人问。”

这种黑箱感，在药物研发领域更明显。以前是“高通量筛选”，现在是“虚拟筛选”，让AI去匹配靶点和化合物。某大厂去年裁了湿实验团队，全押注AI，结果呢？有个候选分子在小鼠身上效果拔群，一上临床一期，毒性爆炸，项目直接砍掉。圈里都在传这事儿，说别把AI当上帝。它是个超级辅助，但不能替你踩完全部坑。

工具很好，但人还是得会“宫斗”

有一说一，AI辅助创新改变了科研流程，可它解决不了人的问题。我见过太多实验室，花大价钱买AI软件，结果学生不会用，老板觉得没用，最后落灰。还有数据集的问题——数据是AI的粮食，而绝大多数实验室的数据像没整理的储物间：脏、乱、不标准。喂给AI，出来的结果能好才怪。这就像给顶尖厨师一筐烂菜叶，还指望他做出米其林？

不过话说回来，现在有一些开源工具，确实在降低门槛。比如让完全没有编程背景的生物学家，用拖拽界面就能训练图像识别模型，来分析显微镜照片。我自己试过，就花了一个下午，居然成功把癌细胞和正常细胞分开了，准确率还挺高。那一刻我对着屏幕傻笑，感觉自己突然进入了新时代。

但紧接着我就踩坑了。这模型只对我那个实验室的数据有效，换个地方拍的照片，它就瞎了。这就是过拟合，对吧？老生常谈，可放到AI辅助创新里，就是致命伤。很多人拿一个数据集跑出漂亮结果，就以为能推广到全世界，结果啪啪打脸。

警惕“AI炼金术”和资本泡沫

我现在一听到“AI驱动颠覆式创新”就头皮发麻。全是话术。这几年，有多少家AI制药公司上市即巅峰？市场热的时候，讲个故事就值几百亿，等临床数据一出来，稀碎。说白了，很多创新是资本和媒体合谋的幻象，底层技术可能还是十几年前的回归模型，套个神经网络的外壳。

但我不是全盘否定。我见过真正有价值的AI创新，往往是那些闷声发财的。比如某团队开发了一种图神经网络，专门预测化学反应产率，嵌入到制药公司的管线中，把某个关键步骤的产率从30%提到80%，直接省了上千万的成本。这种创新不性感，媒体不爱报道，但它实实在在地推动了产业。

所以，我的观点很分裂：一边觉得媒体吹得太狠，一边又对某些进展佩服得五体投地。这种矛盾，可能才是科研AI化的真实写照。你要问我未来怎样？我觉得，最好的状态是AI像电一样无处不在，但没人天天把它挂在嘴边。它变成一种基本工具，就像PCR仪或者Excel，你用的时候不觉得神奇，但离了它工作就没法做。

到那时候，创新才算真正被赋能了，而不是被“人工智能”这个词绑架。

唉，扯远了。最后说个让我触动的小细节。前两天我去一个实验室，看到博士生在用ChatGPT写文献综述的初稿，嘴里还嘟囔着：“这家伙比我导师聪明，至少不会骂我。”我们都笑了。但笑完之后，我心里有点不是滋味。导师要是被替代了，谁来骂醒我们呢？

也许这才是人类创新的核心——需要反馈，需要碰撞，需要那种AI给不了的当头棒喝。