人工智能辅助创新：科研人没说出口的真香日常
上周跟做新药研发的师弟吃火锅，他拍着邻座的椅子喊，现在做创新哪离得开AI啊。
以前半年筛一百个靶点，天天跑液相做到吐，还不一定能出个像样的结果。现在呢？三天出初筛，直接砍掉九成不靠谱的方向。
真的省了老命。
没接触过的人总说AI是来抢创新饭碗的，只有真在用的人才知道，这玩意儿是来帮你搬砖的。
这种活人类干，不仅慢，还容易先入为主掉进思维陷阱，漏了最可能出结果的那个方向。AI不一样，它不会有路径依赖，给够数据它就给你一个不带偏见的结果。
去年MIT团队发在《Science》上的新型抗生素研究，整个领域找了几十年都没找到新骨架，AI直接从1亿个化合物分子里筛出来了一种全新结构的halicin，能直接杀死连万古霉素都搞不定的超级细菌。
这个过程，人类自己做，怕是要几代人耗在上面。
AI辅助新型抗生素分子结构筛选示意图
说实话我之前也觉得AI就是个自动整理文献的工具，直到上个月看了大连化物所团队做的二氧化碳还原催化剂研发。他们要找性能更好的催化剂结构，过去几年试了几百种排列，性能一直卡在瓶颈。
换AI上去，一周时间模拟了几万种不同的原子排布，直接出来三个符合性能要求的全新结构，做出来样品测试，性能比原来的提升了34%。
这放在五年前，想都不敢想。
原来我们说创新，要么是灵光一现的微改进，要么是撞大运撞出来的从0到1。现在AI把中间那个最熬人、最枯燥的试错环节接走了，科研人员终于敢往更大胆的方向想了。
扯。
你去问问现在真正在用AI做创新的团队，哪个不是把AI当苦力用？真正拍板选方向、出核心思路的，还是人。反而AI把原来高不可攀的试错成本砍没了，原来只有大公司大机构玩得起的创新，现在小团队也能碰一碰了。
就说新药研发，过去筛一个靶点，光实验成本就要大几百万，小创业公司根本扛不住，稍微错一次就直接倒闭。现在AI提前筛一遍，成本直接砍到原来的十分之一，很多小团队都能做出原来只有辉瑞、强生敢碰的项目。
还有我前阵子接触的一个农业育种团队，过去育种要种七八代，等作物长出来才能测性状看好不好，一个新品种培育下来快十年，好多育种专家一辈子也就出两三个新品种。现在呢？AI直接从基因序列预测产量、抗病性、口感，周期直接缩到两年，相当于原来一辈子做两个新品种，现在能做十个，出好品种的概率翻了好几倍。
AI辅助农作物育种基因性状预测可视化图
不过话说回来，最厉害的还是跨领域创新这块。你一个做材料的研究员，哪能读完所有生物学、医学的文献？哪能找到两个领域交叉的那个点？AI能。它帮你把不同领域的研究成果串起来，找出来人类根本注意不到的关联，很多跨领域的突破就是这么来的。
现在的AI，还做不了临门一脚的那个突破，但它能把99%的无用功都帮你做了，把那1%的可能性递到你面前，剩下的交给人类的灵感就好。
火到发烫的当下，藏着三个容易踩的坑
现在只要沾点AI创新，就能拿到融资，就能发顶刊，跟风进场的多了去了，但踩坑的也不少。我接触过的项目里，至少一半都栽过跟头。
第一个坑，就是不重视数据质量。很多人上来就扔一堆乱七八糟的数据给AI，说你给我出结果。AI本身是不会分辨数据对错的，你给它一堆标注错、噪音大的数据，它出来的结果自然错得离谱，最后白白浪费大半年时间，钱烧完了什么都没出来。
第二个坑，就是全信AI，不敢跳出AI给的框架。AI训练用的所有数据，都是过去已经发表的研究，所以它推出来的方向，基本都是沿着现有路径走的，你要做完全跳出原有框架的颠覆式创新，AI大概率给不了你正确答案。之前有个做固态电池的团队，一开始全听AI的，AI推的全是现有锂离子体系的小改进，做了大半年没突破，后来研究员自己推翻了AI的方向，换了一个完全没人做过的硫化物体系，才做出来性能翻倍的成果。
第三个坑，就是知识产权问题没捋清楚。现在很多人用公开的AI工具生成创新方案，生成的成果到底属谁？现在各国的规则都还没明确，等到你要申请专利、落地转化的时候，才发现权属说不清楚，之前的投入全打水漂，这种案例最近已经出现好几起了。
说白了，工具就是工具，你得会用，才拿得到想要的结果，不可能扔点钱就躺着出成果。 现在好多人聊人工智能辅助创新，都往玄了吹，说什么AGI要颠覆整个创新体系，未来全是AI的天下。我反倒觉得，它跟实验室里的显微镜、离心机没什么区别，就是个帮人干活的工具。
原来你要把百分之九十的时间花在重复试错、整理数据上，现在你把这些活扔给AI，能把更多时间花在想方向、想问题、碰灵感上。
让人类做人类擅长的事，把笨活累活交给AI，这才是人工智能辅助创新真正厉害的地方。
你用过AI做创新吗？有过什么有意思的经历？
以前半年筛一百个靶点，天天跑液相做到吐，还不一定能出个像样的结果。现在呢？三天出初筛，直接砍掉九成不靠谱的方向。
真的省了老命。
没接触过的人总说AI是来抢创新饭碗的，只有真在用的人才知道，这玩意儿是来帮你搬砖的。
原来AI做的，是人类想不出来的“笨创新”
什么叫笨创新？就是那种靠海量试错、穷举排列找可能性的活。这种活人类干，不仅慢，还容易先入为主掉进思维陷阱，漏了最可能出结果的那个方向。AI不一样，它不会有路径依赖，给够数据它就给你一个不带偏见的结果。
去年MIT团队发在《Science》上的新型抗生素研究，整个领域找了几十年都没找到新骨架，AI直接从1亿个化合物分子里筛出来了一种全新结构的halicin，能直接杀死连万古霉素都搞不定的超级细菌。
这个过程，人类自己做，怕是要几代人耗在上面。
AI辅助新型抗生素分子结构筛选示意图
说实话我之前也觉得AI就是个自动整理文献的工具，直到上个月看了大连化物所团队做的二氧化碳还原催化剂研发。他们要找性能更好的催化剂结构，过去几年试了几百种排列，性能一直卡在瓶颈。换AI上去，一周时间模拟了几万种不同的原子排布，直接出来三个符合性能要求的全新结构，做出来样品测试，性能比原来的提升了34%。
这放在五年前，想都不敢想。
原来我们说创新，要么是灵光一现的微改进，要么是撞大运撞出来的从0到1。现在AI把中间那个最熬人、最枯燥的试错环节接走了，科研人员终于敢往更大胆的方向想了。
AI辅助创新不是取代，是把创新的台阶给你垫矮了
我见过太多唱衰的，说以后创新都是AI的，人类没饭吃了。扯。
你去问问现在真正在用AI做创新的团队，哪个不是把AI当苦力用？真正拍板选方向、出核心思路的，还是人。反而AI把原来高不可攀的试错成本砍没了，原来只有大公司大机构玩得起的创新，现在小团队也能碰一碰了。
就说新药研发，过去筛一个靶点，光实验成本就要大几百万，小创业公司根本扛不住，稍微错一次就直接倒闭。现在AI提前筛一遍，成本直接砍到原来的十分之一，很多小团队都能做出原来只有辉瑞、强生敢碰的项目。
还有我前阵子接触的一个农业育种团队，过去育种要种七八代，等作物长出来才能测性状看好不好，一个新品种培育下来快十年，好多育种专家一辈子也就出两三个新品种。现在呢？AI直接从基因序列预测产量、抗病性、口感，周期直接缩到两年，相当于原来一辈子做两个新品种，现在能做十个，出好品种的概率翻了好几倍。
AI辅助农作物育种基因性状预测可视化图
不过话说回来，最厉害的还是跨领域创新这块。你一个做材料的研究员，哪能读完所有生物学、医学的文献？哪能找到两个领域交叉的那个点？AI能。它帮你把不同领域的研究成果串起来，找出来人类根本注意不到的关联，很多跨领域的突破就是这么来的。现在的AI，还做不了临门一脚的那个突破，但它能把99%的无用功都帮你做了，把那1%的可能性递到你面前，剩下的交给人类的灵感就好。
火到发烫的当下，藏着三个容易踩的坑
火到发烫的当下，藏着三个容易踩的坑
现在只要沾点AI创新，就能拿到融资，就能发顶刊，跟风进场的多了去了，但踩坑的也不少。我接触过的项目里，至少一半都栽过跟头。第一个坑，就是不重视数据质量。很多人上来就扔一堆乱七八糟的数据给AI，说你给我出结果。AI本身是不会分辨数据对错的，你给它一堆标注错、噪音大的数据，它出来的结果自然错得离谱，最后白白浪费大半年时间，钱烧完了什么都没出来。
第二个坑，就是全信AI，不敢跳出AI给的框架。AI训练用的所有数据，都是过去已经发表的研究，所以它推出来的方向，基本都是沿着现有路径走的，你要做完全跳出原有框架的颠覆式创新，AI大概率给不了你正确答案。之前有个做固态电池的团队，一开始全听AI的，AI推的全是现有锂离子体系的小改进，做了大半年没突破，后来研究员自己推翻了AI的方向，换了一个完全没人做过的硫化物体系，才做出来性能翻倍的成果。
第三个坑，就是知识产权问题没捋清楚。现在很多人用公开的AI工具生成创新方案，生成的成果到底属谁？现在各国的规则都还没明确，等到你要申请专利、落地转化的时候，才发现权属说不清楚，之前的投入全打水漂，这种案例最近已经出现好几起了。
说白了，工具就是工具，你得会用，才拿得到想要的结果，不可能扔点钱就躺着出成果。 现在好多人聊人工智能辅助创新，都往玄了吹，说什么AGI要颠覆整个创新体系，未来全是AI的天下。我反倒觉得，它跟实验室里的显微镜、离心机没什么区别，就是个帮人干活的工具。
原来你要把百分之九十的时间花在重复试错、整理数据上，现在你把这些活扔给AI，能把更多时间花在想方向、想问题、碰灵感上。
让人类做人类擅长的事，把笨活累活交给AI，这才是人工智能辅助创新真正厉害的地方。
你用过AI做创新吗？有过什么有意思的经历？