·“谈论人工智能对科学的影响之前，更重要的是知道什么是科学。把来自不同领域的科学家聚集在一起，谈论人工智能，是一个很好的想法，希望讲坛能一直继续下去。”
浦江科学大师讲坛现场。左起分别为：金力、迈克尔·莱维特、马剑鹏、漆远。复旦大学 图11月15日下午，首期浦江科学大师讲坛在复旦大学相辉堂举行。2013年诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）教授作“AI for Science计算生物学前沿”主报告。随后，复旦大学马剑鹏教授和漆远教授分别作“从算法到应用：全链条AI-赋能新药研发”和“人工智能推动科学发现与产业发展”的分报告。马剑鹏教授为复旦大学复杂体系多尺度研究院院长，漆远教授为复旦大学人工智能创新与产业研究院院长。
“谈论人工智能对科学的影响之前，更重要的是知道什么是科学，”会前接受媒体采访时，莱维特告诉澎湃科技记者，这是他选择更宽泛的报告角度的原因，“把来自不同领域的科学家聚集在一起，谈论人工智能，是一个很好的想法，希望讲坛能一直继续下去。”
在报告中，马剑鹏和漆远不约而同地谈到人才培养的重要性。马剑鹏欣慰地看到，“浦江科学大师讲坛是唯一发生在高校里的论坛”，他深知生物学研究中计算和实验的语言并不相通，因此呼吁要从头大力培养计算生物学人才。漆远则认为，AI+科学改变了创新体系，需要高校培养“懂科学、懂AI、懂商业”的复合型人才，也需要技术、资金、人才综合的深层创新服务。
“浦江科学大师讲坛”由上海市政协发起并主管，市政协科技和教育委员会、复旦大学、中共上海市科学技术工作委员会、上海市科学技术委员会、上海市科学技术协会共同主办。上海市政协主席董云虎出席开讲式并致辞。上海副市长陈群主持开讲仪式，上海市政协副主席吴信宝、钱锋出席，复旦大学党委书记焦扬致欢迎辞，复旦大学校长金力主持首期讲坛，市政协秘书长黄国平出席。
迈克尔·莱维特教授作主报告。复旦大学 图
生物学的关键是处理复杂性
莱维特向记者介绍，计算生物学始于1968年，是最早使用计算机的领域之一。早在1959年，也就是第一台计算机诞生的10年后，研究人员已经使用计算机解决了第一个蛋白质的结构问题。
1967年，莱维特进入剑桥大学攻读博士学位时，读了许多人工智能的书，那时它还只是一种统计学方法，此后他开始利用计算机专业研究蛋白质和DNA结构，以及药物如何与蛋白质结合。如今，人们可以将人工智能应用于一无所知的领域，“在想要研究的领域，只要有足够的信息，就可以应用AI，它对一切学科都将非常重要。”
莱维特指出，计算生物学包含了任何涉及生物学的东西，全球变暖也是其中之一。在收集数据、建立和研究模型方面，与其他学科相比，生物学的关键区别是如何处理复杂性。
“生物学是地球上最具智慧的东西。”莱维特在报告中讲到，蛋白质折叠是一种生命自组装的“魔法”，而进化带来的多样性是生存的基础。自然本身就是关于学习的，DNA携带的信息就像一本书，这让他意识到“知识就是文明的DNA”。
在报告中，莱维特分享了许多与科学相关的系统思维。他分析了获得诺奖的五个要素：具有充足的研究经费，每个团队每年160万美元；不存在民心概念的官僚主义，物资免费供应，设备及计算机技术先进；以5人左右的小型团队为益；来自同侪的强大压力；没有等级观念，学生们和诺奖得主一样充满自信。
莱维特本人的成功也得益于导师很早就支持他独立开展科研工作，这也是他对当代科学家的建议：“指导年轻人超越你，而不是为你工作。”研究表明，在基础科学领域，年长的科学家获得了更多科研资助，然而，大部分诺贝尔生理学或医学奖得主都在30到50岁之间完成了得奖的工作。
莱维特十分关注“危机科学”。他研究分析了早期新冠疫情的发展，而他的同事更准确地预测了今年上海新冠爆发的峰值。莱维特认为，危机科学需要平衡所有措施的支出和受益，估量预算，理解事态的发展，除了类比已知、公认的易被理解的情况，还要实时研究并汲取教训，从全局视角观察并学习。
马剑鹏教授作分报告。复旦大学 图
“蛋白质结构预测还远不能取代实验”
“新药设计首先是计算生物学问题。”马剑鹏在报告中指出，近年来，计算生物学已从边缘学科跃升为引领生物分子学的龙头学科，是各国促进医药行业颠覆性创新发展必须占领的制高点之一。
马剑鹏认为，要了解蛋白质的功能，只能通过算法对蛋白质运动进行动态模拟。而面对困难的蛋白质结构，AI算法解析的结果可能并不相同，十分考验智能算法的水平。其团队开发的PCST-SBM算法，是目前唯一可能修正AlphaFold2预测结构误差的算法。“蛋白质结构预测技术，还远不能取代实验，未来最大的发展趋势是计算和实验相结合，即干湿相结合，才能解决更多生物学问题，特别是药物设计问题。”
“新药研发是个系统工程，基础研究和工程问题密不可分。”马剑鹏认为，谷歌Alphafold的成功，正是发挥了“大兵团会战”的优势，对于科研范式有启发意义。马剑鹏团队正在努力打造全链条一体化的研发优势，在发现靶标方面掌握药物创新的核心竞争力。
目前，他们已经在ALS疾病（肌萎缩侧索硬化症，俗称“渐冻症”）方面取得突破：通过RNA测序分析，证明ALS具有免疫性疾病和干细胞特色。新发现的细胞簇可以作为潜在的ALS诊断依据，70个基因能达到93%的预测精度，他们正在逐步从中排查致病基因。此外，团队开发的广谱抗冠状病毒大分子药COVREM，也被证明对新冠病毒变异株高度有效。
“现代生物学体系越来越复杂，尺度越来越纷繁，信号越来越模糊，数据越来越庞大，所以生物学研究对计算方法的依赖也将越来越强。”马剑鹏说。
漆远教授作分报告。复旦大学 图
AI赋能底层科研创新
漆远曾任阿里巴巴副总裁、蚂蚁集团首席人工智能科学家及数据智能委员会主席。从产业界回到高校后，他希望继续利用人工智能赋能科学发现，用原创创新推进科创发展。在报告中，他也分享了人工智能在药物研发、生命健康、气象能源等领域的诸多应用。
“AI是算法和工程的结合。现在已经到了这样一个时间点，AI可以将算法和工程的能力和更底层的科学结合，推动底层科研创新和产业发展。”漆远接受澎湃科技记者采访时称，物理模型、化学和生物学知识与AI算法的结合，加上深度学习和推理，将是下一步人工智能的发展方向。
2014年至2021年，AI制药领域投资额增长15%，其中55.15%的公司分布在美国，中国占比只有3.83%。漆远认为，目前AI赋能小分子制药还面临许多挑战：比如异构化、碎片化的医药数据难以整合，缺乏基于创新药研发真实需求的AI大模型与操作系统，深度学习对数据过度依赖等。
近年来，漆远团队与复旦大学人类表型组研究院合作，构建多尺度表型动态网络，挖掘衰老靶点。研究发现，增龄过程中人体表型网络结构逐渐随机化与熵增，导致恢复力下降。通过AI+表型组学，他们构建出世界一流的生理时钟。未来他们还将构造多模态、高维度、跨尺度、多组学新药研发知识图谱，通过深度学习预测蛋白口袋和AI分子设计，支撑药物发现。“AI+科学的开放平台将会有广泛的产业价值。”漆远说。
