科研成果或迎来新范式？AI for Science 颠覆了我的认知

前几天跟一个做计算化学的朋友聊天，他说他们组现在根本离不开AI，以前耗半年算的东西，现在几天就出结果，而且精度还更高。他一脸兴奋，我却有点恍惚——什么时候，搞科学的也开始“炼丹”了？

说实话，这几年AI在科研圈掀起的浪花，已经不是小打小闹了。从蛋白质结构预测到可控核聚变，从气象预报到新材料发现，AI像个蛮横的闯入者，把很多领域的传统方法搅得天翻地覆。有些人对此嗤之以鼻，觉得不过是新瓶装旧酒；但我亲眼见过几个案例之后，不得不承认，这股风潮恐怕不只是泡沫。

从“炼丹”到“造药”：AI破解生命密码

我记得特别清楚，2020年底AlphaFold2在 CASP14 上大杀四方的时候，整个结构生物学圈都炸了——那种震撼，就跟第一次看到AlphaGo赢李世石一样。以前解析一个蛋白质结构，动不动就花几年时间，烧掉几十万美金，对博士生来说简直是一场豪赌：赌对了发篇大文章毕业，赌错了可能就得延期。结果DeepMind把这个过程缩短到几分钟，而且准确度直接拉到原子级别。这不是进步，这是掀桌子。

AI预测蛋白质3D结构示意图

更夸张的是去年AlphaFold3的发布，连核酸、小分子配体都能预测了，药物研发那帮人简直喜极而泣。我一个在药企的朋友跟我说，他们现在筛靶点，第一轮根本不用进实验室，直接用AI跑一遍，把成功率从0.1%提到了5%左右——别看只有5个百分点，这意味着几亿甚至几十亿的成本节省。不过话说回来，这种快乐是建立在前期海量数据投喂之上的，没有那些公开的蛋白质数据库，AI抓瞎。所以有时候我也在想，这到底算不算AI的功劳，还是数据共享的红利？

气象大模型：让预报不再靠“猜”

另一个让我起鸡皮疙瘩的成果是华为云的盘古气象大模型。去年夏天这个模型第一次出现在《自然》正刊的时候，我还特意去看了看它的表现。传统数值预报需要超级计算机跑好几个小时，盘古只需要几秒钟，而且对于台风路径的预测，准确率居然比欧洲中心那个全球顶级的IFS系统还要高——这你敢信？

我一个从事气象工作的校友告诉我，去年台风“杜苏芮”来的时候，他们内部系统对比了好几家预报，盘古提前10天就锁定了登陆点，误差只有几十公里，而传统模式还左右摇摆。这不是什么魔法，纯粹是AI从过去几十年的再分析数据里硬生生学出来的套路。但它确实改变了游戏规则，尤其是在计算资源匮乏的发展中国家，这种轻量化模型简直就是及时雨。不过也有老预报员抱怨，说模型是个黑盒子，万一出错都不知道为什么，这让他们在发布预警的时候心里没底。

气象AI大模型预测台风路径可视化图

这种担忧不是没道理。去年有个国外的小型AI气象模型，在预报北美龙卷风的时候翻过车，把一场本来强度一般的过程报成了世纪风暴，搞得当地如临大敌。所以现在主流观点是，AI和物理模型必须互补，而不是取代。就像自动驾驶，终归还是要有人盯着方向盘。

材料科学的“魔法棒”

材料科学的“魔法棒”

如果说前面这些还算在认知范围内，那AI在材料科学里的应用就有点玄学了。去年谷歌DeepMind的GNoME系统，一口气预测了220万种新晶体结构，其中有38万种被认为是稳定的，可以直接拿去做实验合成。这什么概念？人类历史上所有已知的稳定晶体也就几万种，AI一夜之间把这个数字扩大了近十倍。我做材料的朋友当时在朋友圈里哀嚎：“我996了五年才试出两个新结构，AI一天泄洪式发论文，这日子没法过了。”

但仔细一想，这才是最让人兴奋的地方。以前发现新材料，有点像古代炼金术，靠直觉和运气。现在AI能从元素周期表出发，推演出各种可能的组合，再结合第一性原理计算过滤，大大缩小了探索范围。比如在寻找固态电解质、超导体这些热门材料时，AI已经起到了筛子+导航仪的作用。去年韩国团队闹得沸沸扬扬的LK-99室温超导事件，虽然最后被证伪，但后续有很多团队利用AI分析，迅速排除了它的可能性，并且指出了可能真正接近条件的几个候选方向。这种快速试错迭代的能力，才是AI最可怕的潜力。

是颠覆者还是工具？科研范式的变革

说了这么多兴奋的事，我得浇盆冷水。AI for Science这几年确实成果斐然，但也滋生出一些不太健康的倾向。有些研究人员开始热衷于“刷榜”，把经典数据集上的性能指标当成唯一追求，至于这些指标有没有物理意义，模型学到的到底是不是真正的规律，反而不关心了。比如在分子性质预测领域，有些模型在测试集上表现完美，结果拿来一实践，输一个真实分子的结构进去，输出完全是随机的——这就是所谓的数据泄露和过拟合，在急着发论文的大环境下简直泛滥成灾。

另外，科研资源和话语权越来越向算力巨头集中，这会不会导致新一轮的垄断？不是每个大学都买得起成千上万张A100显卡，也不是每个博士生都有精力去微调大模型。我认识一个做理论物理的哥们，他吐槽说现在申请基金，如果不加点AI元素都不好意思交，简直魔幻。他无奈地笑：“我们拿笔和纸推导公式的，是不是该被时代淘汰了？”

其实回头想，每一轮技术革命都会冲击原有的科研秩序。电子计算机刚出来的时候，也被老派科学家当成奇技淫巧。重要的是，我们得分清哪些是真正的范式革新，哪些是资本和媒体吹出来的泡泡。至少目前看，AI作为科研工具，已经坐实了辅助地位，但它离独立提出新的科学假设，恐怕还有很长的路要走。

科学家使用AI工具进行科研数据分析场景

说到底，科研的本质还是人的好奇心和洞察力。AI不过是把手里的放大镜换成了显微镜，看得更清楚而已。但至于最终能看到什么、怎么解释，还得靠我们自己。毕竟，机器再聪明，也不会为了一个猜想激动得彻夜难眠，也不会因为实验结果推翻了自己的假设而懊恼，然后猛灌咖啡重新来过——这种苦乐参半的体验，才是科研里最迷人的部分，对吧？