新時(shí)代應(yīng)該如何推動(dòng)科技發(fā)展，新科研范式在決策層面遭遇到的基礎(chǔ)性選擇難題有哪些？在實(shí)踐層面的具體抓手又是什么？這些都是當(dāng)下亟需深入思考與研究的問題?；诒緢F(tuán)隊(duì)近五年來的研究，筆者認(rèn)為在決策層面，管理部門遇到的最大決策選擇難題在于深刻解析推動(dòng)新科技發(fā)展的底層力量到底是理論還是工具？如果研究證實(shí)是理論在持續(xù)地推動(dòng)科技發(fā)展，那么加強(qiáng)基礎(chǔ)研究就是當(dāng)下科技決策的首要任務(wù)（這也是20世紀(jì)科技發(fā)展的經(jīng)典模式：理論優(yōu)先，即萬?布什的線性發(fā)展模型）；反之，如果工具是新時(shí)代推動(dòng)科技發(fā)展的底層力量，那么決策部門就要有針對(duì)性的擴(kuò)張大科學(xué)工程的規(guī)模，通過新科學(xué)基礎(chǔ)設(shè)施的進(jìn)步帶動(dòng)科技的進(jìn)步（如近年來世界范圍內(nèi)各種耗資巨大的大科學(xué)工程的紛紛上馬）。遺憾的是推動(dòng)科技發(fā)展的力量到底是理論還是工具，目前仍有很多深層次問題并沒有得到徹底解決，科技共同體的分歧仍很大，在這種背景下，第三種策略就是折中策略，維持理論與工具兩者共同發(fā)展的局面，在資源的硬性約束下，只需調(diào)整好兩者的比例即可，雖然不是最優(yōu)策略，但至少不是最差選擇。就筆者的觀察來看，中國在推動(dòng)科技發(fā)展的決策選擇上顯然是采用第三種策略，即“雙軌推進(jìn)”策略，所不同的只是在兩者的結(jié)構(gòu)、比例與構(gòu)成如何安排上尚沒有達(dá)成充分的共識(shí)，目前仍處在實(shí)驗(yàn)摸索階段。

在實(shí)踐層面的具體抓手應(yīng)該是什么？換言之，推動(dòng)科技發(fā)展的主要載體應(yīng)該選擇哪類載體？目前人們熟知的國家戰(zhàn)略科技力量主要包括如下四種：國家實(shí)驗(yàn)室、國家科研機(jī)構(gòu)、高水平研究型大學(xué)和科技領(lǐng)軍企業(yè)，這四類載體在整個(gè)知識(shí)生產(chǎn)鏈條上是有明確分工的，在科技日益一體化的今天，要能在短時(shí)間內(nèi)快速實(shí)現(xiàn)“從0到1”的突破，需要知識(shí)生產(chǎn)條件高度密集化，這就需要支撐知識(shí)生產(chǎn)的要素實(shí)現(xiàn)高度集聚，如人財(cái)物的高密度集聚，并輔以最大化自由度與激勵(lì)機(jī)制，能夠滿足這個(gè)條件的載體只有高科技企業(yè)。這也是筆者近年來一直在嘗試論證的命題：推動(dòng)科技發(fā)展的新載體是高科技企業(yè)，新的支撐性工具是人工智能。未來其他科技載體都無法與之抗衡。對(duì)此，我們不妨以高科技公司DeepMind為例，看看它是如何推動(dòng)科技加速發(fā)展，并以此支撐本文的論點(diǎn)。

1、蛋白質(zhì)折疊問題及其發(fā)展

蛋白質(zhì)作為生命活動(dòng)的主要執(zhí)行者，參與了細(xì)胞生命活動(dòng)的每一個(gè)進(jìn)程。然而要想全面了解蛋白質(zhì)在健康機(jī)體中的功能或在病理狀態(tài)下的異常表現(xiàn)，必須先解析其三維結(jié)構(gòu)。1972年諾貝爾化學(xué)獎(jiǎng)得主克里斯蒂安·安芬森（Christian Anfinsen，1916-1995）于1972年提出了安芬森假說（Anfinsen's dogma）確定了氨基酸序列決定蛋白質(zhì)結(jié)構(gòu)的理論基石，但由于學(xué)界尚不清楚這一物理過程的具體機(jī)制，從而引發(fā)了困擾學(xué)界半個(gè)世紀(jì)的“蛋白質(zhì)折疊問題”：蛋白質(zhì)的氨基酸序列如何決定其結(jié)構(gòu)。解析蛋白質(zhì)結(jié)構(gòu)已經(jīng)成為生命科學(xué)領(lǐng)域的重要問題，無數(shù)機(jī)構(gòu)與科學(xué)家投入這個(gè)領(lǐng)域，緩慢推進(jìn)其發(fā)展。

2020年11月，谷歌DeepMind公司推出AlphaFold2技術(shù)，展示了人工智能技術(shù)如何僅僅使用氨基酸序列就能精準(zhǔn)模擬出對(duì)應(yīng)的蛋白質(zhì)結(jié)構(gòu)，從此，標(biāo)志著困擾學(xué)界50多年的蛋白質(zhì)折疊問題得到幾乎徹底解決；2024年5月，谷歌DeepMind公司推出AlphaFold3，進(jìn)一步拓寬了預(yù)測的邊界，實(shí)現(xiàn)了預(yù)測復(fù)合物的結(jié)構(gòu)，從而開啟了解析生命相互作用機(jī)制的新的一頁。DeepMind到底是一家什么樣的公司，它與科技進(jìn)步又有什么樣的關(guān)系？這種變化是否透露出未來科技發(fā)展的一種隱而不顯的內(nèi)在密碼？

2、DeepMind的前世今生與AlphaFold的橫空出世

為了深入理解AlphaFold技術(shù)如何通過變革重塑科學(xué)界，我們需要回溯其研發(fā)機(jī)構(gòu)DeepMind公司的發(fā)展歷程。DeepMind于2010年在倫敦成立，其早期創(chuàng)始人為戴密斯·哈薩比斯（Demis Hassabis，1976-）、謝恩·萊格（Shane Legg，1975-）和穆斯塔法·蘇萊曼（Mustafa Suleyman，1984-），三人有著神經(jīng)科學(xué)、機(jī)器學(xué)習(xí)和系統(tǒng)工程的交叉學(xué)科背景。在公司成立之初，其核心愿景并非解決具體的科學(xué)問題，而是追求“通用人工智能”（AGI）。哈薩比斯曾表示，公司的使命是“解決智能，然后用它解決一切”。

DeepMind公司選擇了游戲作為人工智能實(shí)現(xiàn)通用人工智能的突破口。自20 世紀(jì)50年代計(jì)算機(jī)科學(xué)家開發(fā)出第一批國際象棋程序以來，游戲一直是人工智能的訓(xùn)練場所。由米尼赫（Vlad Mnih）領(lǐng)導(dǎo)的DeepMind研究團(tuán)隊(duì)開始構(gòu)建首個(gè)利用強(qiáng)化學(xué)習(xí)直接從高維感官輸入中成功學(xué)習(xí)控制策略的深度學(xué)習(xí)模型，并將該模型用雅達(dá)利游戲進(jìn)行訓(xùn)練，挑戰(zhàn)了包括《太空侵略者》（Space Invaders）、《乒乓》（Pong）和《打磚塊》（Breakout）等在內(nèi)的一系列經(jīng)典游戲，實(shí)驗(yàn)結(jié)果表明，該模型在多款游戲中均展現(xiàn)出了超越人類專家的水平。

凱德·梅茨（Cade Metz）在其著作《Genius Makers》中指出，使用游戲訓(xùn)練AGI與其成功密不可分：游戲分?jǐn)?shù)是一個(gè)客觀的量化標(biāo)準(zhǔn)，具有十分明確的結(jié)果。

但DeepMind早期的研發(fā)遇到了嚴(yán)峻的現(xiàn)實(shí)挑戰(zhàn)。根據(jù) OpenAI 關(guān)于 AI 算力增長趨勢(shì)的分析，深度學(xué)習(xí)對(duì)硬件的需求呈指數(shù)級(jí)增長，這使得 DeepMind 要想進(jìn)一步提升模型性能，將不得不面對(duì)巨大的算力缺口。2014年，谷歌公司以約4億美元的價(jià)格收購了DeepMind，這次收購解決了DeepMind公司遭遇到的算力不足的發(fā)展瓶頸，而且更重要的是，依靠谷歌公司的強(qiáng)大經(jīng)濟(jì)實(shí)力，DeepMind的發(fā)展得到了全方位的支持，2021年，DeepMind分拆成立了Isomorphic Labs，專注于將人工智能和計(jì)算方法應(yīng)用于藥物研發(fā)。2023年4月20日，谷歌母公司Alphabet合并旗下兩個(gè)主要的人工智能研究部門——Google Brain（谷歌大腦）和DeepMind。經(jīng)過這番組織架構(gòu)的調(diào)整，DeepMind公司已經(jīng)成為當(dāng)今全球人工智能領(lǐng)域里實(shí)力最強(qiáng)的前沿高科技公司，其所展現(xiàn)出的核心技術(shù)與未來潛力向市場發(fā)出邀約。眾所周知，資源支撐、技術(shù)迭代與組織效率是高科技公司能夠幸存下來的深層原因。Google的加入為DeepMind提供了強(qiáng)大的算力資源和基礎(chǔ)設(shè)施，使其成為推動(dòng)科技持續(xù)發(fā)展的最佳載體，再加上作為工具/目標(biāo)的人工智能本身的加持，為后續(xù)包括AlphaFold在內(nèi)的一系列科學(xué)突破提供了不可或缺的載體與工具支持。

新載體與新工具對(duì)科技的推進(jìn)作用可謂立竿見影，2016年3月，DeepMind開發(fā)的AlphaGo程序以4：1擊敗韓國圍棋冠軍李世石，成為近年來人工智能領(lǐng)域少有的里程碑事件。2017年，DeepMind發(fā)布了AlphaGo Zero，在自我訓(xùn)練3天后以100-0擊敗了AlphaGo。2018年，DeepMind發(fā)表了AlphaZero，不僅能下圍棋，還能下將棋和國際象棋。這一系列成果印證了訓(xùn)練充分的深度學(xué)習(xí)模型在處理復(fù)雜博弈問題時(shí)，能夠展現(xiàn)出超越人類專家的計(jì)算和決策能力。自此人工智能的能力獲得整個(gè)社會(huì)的充分認(rèn)可。

在游戲領(lǐng)域取得巨大成功后，DeepMind轉(zhuǎn)向了利用深度學(xué)習(xí)模型來解決現(xiàn)實(shí)世界中的科學(xué)難題，在經(jīng)過深思熟慮之后，研究團(tuán)隊(duì)選擇了“蛋白質(zhì)折疊”這一課題作為公司研究的突破口。據(jù)DeepMind創(chuàng)始人哈薩比斯回顧，這一選擇并非偶然，而是出于多種因素的考慮：首先，哈薩比斯早年意識(shí)到人工智能技術(shù)可以應(yīng)用于解決蛋白質(zhì)折疊問題；其次，他坦言受到了一款名為《Foldit》游戲的啟發(fā)，這款游戲可以模擬蛋白質(zhì)折疊的真實(shí)過程，并且啟發(fā)了現(xiàn)實(shí)中幾種蛋白質(zhì)結(jié)構(gòu)的發(fā)現(xiàn)，讓他意識(shí)到解決游戲問題也可以解決真實(shí)的科學(xué)問題。最后，蛋白質(zhì)折疊問題和游戲訓(xùn)練具有高度的相似性，都具有客觀的評(píng)價(jià)標(biāo)準(zhǔn)和明確的結(jié)果，如輸出的蛋白質(zhì)結(jié)構(gòu)可以利用GDT_TS標(biāo)準(zhǔn)得到一個(gè)確定的分?jǐn)?shù)。這一精準(zhǔn)的選題策略是AlphaFold后續(xù)成功不可或缺的關(guān)鍵因素。

3、CASP的評(píng)價(jià)與科研范式轉(zhuǎn)移：新載體與新工具功能的確認(rèn)

在新載體與新工具介入科技發(fā)展進(jìn)程后，如何衡量科技發(fā)展的績效？這是衡量本文立論是否可以成立的核心問題，換言之，怎么證明新載體與新工具的接入的確促進(jìn)了科技的發(fā)展呢？回到蛋白質(zhì)結(jié)構(gòu)難題，CASP（Critical Assessment of Structure Prediction，蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)關(guān)鍵評(píng)估）這一競賽可以很好地檢驗(yàn)DeepMind公司的科研表現(xiàn)，可喜的是，后來的結(jié)果正式確認(rèn)了AlphaFold2在攻克困擾生物學(xué)界半個(gè)世紀(jì)的“蛋白質(zhì)折疊問題”上表現(xiàn)優(yōu)異遠(yuǎn)超人類的預(yù)期，甚至可以說，它終結(jié)了人類緩慢與笨拙的傳統(tǒng)研究范式，筆者甚至想問，那些曾被奉為神明的昂貴冷凍電鏡還有多少市場？

CASP由美國馬里蘭大學(xué)的科學(xué)家約翰·莫爾特（John Moult）與合作伙伴Krzysztof Fidelis教授于1994年創(chuàng)立，為了評(píng)估和鑒定蛋白質(zhì)結(jié)構(gòu)預(yù)測的最佳手段，CASP全稱為（Critical Assessment of Structure Prediction），“結(jié)構(gòu)預(yù)測的關(guān)鍵評(píng)估”。CASP競賽兩年一次，現(xiàn)已成為國際上著名的蛋白質(zhì)結(jié)構(gòu)計(jì)算機(jī)預(yù)測比賽。該競賽旨在建立一套客觀、嚴(yán)格的“雙盲“評(píng)估機(jī)制，以評(píng)估蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的發(fā)展水平。組委會(huì)收集通過實(shí)驗(yàn)確定的蛋白質(zhì)結(jié)構(gòu)信息傳遞給注冊(cè)的預(yù)測者，參加預(yù)測的團(tuán)隊(duì)，要在規(guī)定時(shí)間內(nèi)構(gòu)建出對(duì)應(yīng)的結(jié)構(gòu)模型，并由獨(dú)立的評(píng)估人員進(jìn)行仔細(xì)審查，給出相應(yīng)的打分。在AlphaFold技術(shù)面世前，CASP的比賽成績?cè)L期處于低位，傳統(tǒng)方法的預(yù)測精度始終難以突破瓶頸。

2018年，DeepMind研制的AlphaFold1首次參加第十三屆CASP競賽，在自由建模賽道中展現(xiàn)出顯著優(yōu)于其他參賽方的預(yù)測性能，并打破了CASP競賽成績長期徘徊于低位的局面。盡管AlphaFold1取得了冠軍，并在預(yù)測蛋白質(zhì)結(jié)構(gòu)領(lǐng)域取得了突破，但距離精確預(yù)測蛋白質(zhì)結(jié)構(gòu)仍然有相當(dāng)大的差距。究其原因，AlphaFold1本質(zhì)上仍舊沿用了圖像識(shí)別的思路——它試圖通過學(xué)習(xí)大量數(shù)據(jù)，從中找規(guī)律以推測蛋白質(zhì)的結(jié)構(gòu)。這種方法雖然比傳統(tǒng)手段更為有效，但在面對(duì)極其復(fù)雜的空間折疊時(shí)，依然顯得捉襟見肘。一部分生物學(xué)家認(rèn)為，這項(xiàng)技術(shù)僅僅是具有生物學(xué)意義，并不一定在現(xiàn)實(shí)中具有應(yīng)用價(jià)值，長期來看，這項(xiàng)技術(shù)的出現(xiàn)并不能說明解決了生物學(xué)中的什么問題。面對(duì)瓶頸，DeepMind團(tuán)隊(duì)放棄了在AlphaFold1的模型上繼續(xù)發(fā)展的想法，進(jìn)行了一次徹底的底層重構(gòu)：他們開發(fā)了一種人工智能網(wǎng)絡(luò)，該網(wǎng)絡(luò)整合了關(guān)于決定蛋白質(zhì)折疊方式的物理和幾何約束的額外信息，并將這項(xiàng)技術(shù)引入到AlphaFold2中。

歷史的轉(zhuǎn)折點(diǎn)出現(xiàn)在第十四屆CASP競賽上，經(jīng)過重構(gòu)的AlphaFold2預(yù)測的結(jié)構(gòu)在準(zhǔn)確性上展現(xiàn)出了跳躍式的突破，其預(yù)測精度在統(tǒng)計(jì)學(xué)上已達(dá)到與實(shí)驗(yàn)方法（如X射線晶體學(xué)）相當(dāng)?shù)乃?，即預(yù)測誤差已落在實(shí)驗(yàn)測量誤差的范圍內(nèi)，這一突破標(biāo)志著蛋白質(zhì)折疊問題得到了根本性的解決：借由AlphaFold2，我們能從給定的氨基酸序列精準(zhǔn)預(yù)測對(duì)應(yīng)的蛋白質(zhì)三維結(jié)構(gòu)。AlphaFold2的成功平息了此前的眾多質(zhì)疑，并確立了以深度學(xué)習(xí)為代表的人工智能技術(shù)在推進(jìn)結(jié)構(gòu)生物學(xué)發(fā)展方面的杰出表現(xiàn)。

AlphaFold技術(shù)帶來的改變遠(yuǎn)不止于此。隨著AlphaFold3的問世，DeepMind研究團(tuán)隊(duì)已經(jīng)不滿足于能夠?qū)蝹€(gè)蛋白質(zhì)結(jié)構(gòu)進(jìn)行高精建模，他們引入了生成式AI核心的“擴(kuò)散模型”（Diffusion Model），使得AlphaFold3成功將預(yù)測范圍拓展至包含蛋白質(zhì)、核酸、小分子、離子以及修飾殘基在內(nèi)的復(fù)合物的結(jié)構(gòu)。這意味著我們的視野能從單一的蛋白質(zhì)折疊問題，轉(zhuǎn)向更為復(fù)雜的解析生命的運(yùn)行機(jī)制。這些新工具的發(fā)明就如同當(dāng)年伽利略的望遠(yuǎn)鏡與列文虎克的顯微鏡，一個(gè)新世界的大門已經(jīng)徐徐拉開，剩下的就是我們的接納與展開了。

歷屆CASP競賽高難度目標(biāo)得分顯示：傳統(tǒng)方法陷入停滯，自AlphaFold技術(shù)于第十三屆CASP競賽介入后引發(fā)變局

DeepMind公司在短短幾年內(nèi)引發(fā)的這一系列技術(shù)變革引發(fā)了生物學(xué)領(lǐng)域的范式革命。過去，科學(xué)家只能依賴的觀察實(shí)驗(yàn)得到蛋白質(zhì)的結(jié)構(gòu)，這一過程往往耗費(fèi)幾個(gè)月?，F(xiàn)在，AlphaFold技術(shù)能夠在幾分鐘內(nèi)生成一個(gè)達(dá)到實(shí)驗(yàn)精度的蛋白質(zhì)結(jié)構(gòu)?！斑@將會(huì)徹底改變游戲規(guī)則，”德國馬克斯·普朗克發(fā)育生物學(xué)研究所的進(jìn)化生物學(xué)家安德烈·盧帕斯說道，他的實(shí)驗(yàn)室多年來一直試圖破解一種細(xì)菌蛋白的結(jié)構(gòu)，而AlphaFold只用了半個(gè)小時(shí)就給出了所需的結(jié)構(gòu)。他預(yù)計(jì)這項(xiàng)技術(shù)將改變他的工作方式和研究方向?！斑@將改變醫(yī)學(xué)，改變科研，改變生物工程，它將改變一切，”盧帕斯補(bǔ)充道。

4、新載體與新工具將給未來的科學(xué)提供一幅怎樣的圖景

AlphaFold技術(shù)橫空出世已經(jīng)6年了，它的成功重新燃起了學(xué)界對(duì)AI for science的樂觀預(yù)期。英國皇家學(xué)會(huì)發(fā)布了題為《人工智能時(shí)代的科學(xué)》（Science in the age of AI）的文件，深入探討了人工智能技術(shù)會(huì)如何改變科學(xué)探究的本質(zhì)和方法。與此同時(shí)，由復(fù)旦大學(xué)、上海人工智能研究院與Nature Research Intelligence聯(lián)合發(fā)布的《AI for Science》報(bào)告中指出人工智能正在科學(xué)研究中的創(chuàng)新與AI驅(qū)動(dòng)的科學(xué)發(fā)現(xiàn)中實(shí)現(xiàn)深度融合，建立了一種變革性的研究范式。

回望以DeepMind為代表的高科技公司發(fā)展歷程，DeepMind正通過一系列技術(shù)突破，持續(xù)拓展著這一新范式的邊界。繼AlphaFold大獲成功后，DeepMind又陸續(xù)推出了一系列深度學(xué)習(xí)與科學(xué)研究相結(jié)合的技術(shù)，其中最引人矚目的是2023年推出的GNoME，研究團(tuán)隊(duì)在《nature》上發(fā)布了利用GNoMe新發(fā)現(xiàn)的220萬個(gè)新晶體，其中38萬種具有高度穩(wěn)定性，在實(shí)驗(yàn)合成中極具應(yīng)用價(jià)值。這份科研業(yè)績是常規(guī)科學(xué)載體無法實(shí)現(xiàn)的，也是無法想象的，縱觀全球經(jīng)濟(jì)，引領(lǐng)當(dāng)代世界科技發(fā)展的主要力量幾乎都是由高科技公司引領(lǐng)的，由此，我們可以肯定地得出如下兩個(gè)結(jié)論：第一，新的科技發(fā)展需要新的載體，當(dāng)今時(shí)代科技發(fā)展的最有效載體是高科技企業(yè)；第二，新載體與新工具的組合是實(shí)現(xiàn)科技范式轉(zhuǎn)型的主要力量，缺一不可，所以人工智能就是新時(shí)代科技發(fā)展的最有力工具。就如同互聯(lián)網(wǎng)與智能手機(jī)對(duì)于整個(gè)社會(huì)生活方式的改變一樣。至此，可以明確地說：新時(shí)代科技發(fā)展的主導(dǎo)力量就是新科技載體與新工具的組合，回到本文話題就是該科技企業(yè)與人工智能的結(jié)合。

從這個(gè)意義上說，營造良好的高科技企業(yè)生態(tài)環(huán)境建設(shè)與拓寬人工智能的應(yīng)用渠道就是當(dāng)下中國科技管理部門亟需解決的認(rèn)知與決策問題，行文至此，剛剛得知，國內(nèi)初創(chuàng)高科技公司Manus被美國高科技公司Meta高價(jià)收購，雖然很遺憾，但這是一個(gè)警鐘，如果不及時(shí)完善環(huán)境，未來會(huì)有更多的企業(yè)仿效。這一切都表明很多國家與企業(yè)都已經(jīng)充分意識(shí)到新科技載體與新工具的組合恰恰是未來孕育科技革命的最基本配置，結(jié)論早已塵埃落定。

吳玲玉，上海交通大學(xué)科學(xué)史與科學(xué)文化研究院碩士研究生；李俠，上海交通大學(xué)科學(xué)史與科學(xué)文化研究院教授。文章觀點(diǎn)不代表主辦機(jī)構(gòu)立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com