从蛋白质的构造提及
在生命过程中，蛋白质扮演着十分主要的角色。一方面，它是生物体的布局师，小到一个细胞，大到各种器官，都须要由蛋白质来布局。另一方面，它还是很多生命活动的主要参与者，无论是在生物体内进行物质传输、对各种生化过程进行催化，还是对来自体外的侵袭进行抵抗，都离不开蛋白质的参与。
目前，人类已知的蛋白质达到了两亿多种，每一种蛋白质的三维构造都不相同，而它们的功能差异便是由这些不同的构造决定的。例如，人们出于滋润津润补水、护肤嫩肤的须要，常常会设法补充胶原蛋白，其奥秘就在于这类蛋白的构造类似于一股拧起来的绳子，因而具有很强的韧性，从而可以在软骨、韧带、骨骼和皮肤之间通报张力。又如，我们免疫系统中的抗体蛋白大致上呈现了一种Y型的构造，并能够形成独特的钩状，这就使得它们可以附着在病毒和细菌上，对致病微生物进行检测、标记及消灭。正是由于蛋白质的构造和功能之间存在着以上这样的关系，因此从上世纪中期开始，对蛋白质构造的探索就成为了生物学家研究的一个重点。
1961年，美国国立卫生学院的研究员安芬森（ChristianAnfinsen）揭橥了一篇论文，对其进行的一项实验进行了先容：在实验中，他将牛胰核糖核酸酶蛋白分子用变性试剂打开，将二硫键还原成巯基，由此，蛋白质原有的折叠构培养被毁坏了，酶的活性也随之消逝。然后，他将装有实验样品的烧杯暴露在空气中过夜。令他惊奇的是，在经由一夜的放置之后，酶的大部分活性规复了，被毁坏了却构的蛋白质又折叠成了原来的样子。这有多奇怪呢？大致上就相称于我们将一朵由铁丝编织成的花用老虎钳拉直，但在经由一段韶光之后，却创造那段已经被拉直的铁丝竟又自己变成了一朵花！
为什么会涌现这样的情形呢？安芬森给出的一个猜想是：这或许解释了蛋白质多肽链中氨基酸的排列顺序，也便是所谓的蛋白质一级构造决定了它终极的三维构造——当一级构造决定后，多肽链会服从热力学的定律，自动折叠成能量最小化的状态。在后来的生物学研究中，安芬森的上述预测被归纳为了“安芬森法则”。1972年，安芬森凭借着这个主要的法则斩获了诺贝尔化学奖。
对付研究者而言，安芬森法则指出了一个主要的研究方向，即“蛋白质折叠问题”：既然蛋白质的三维构造取决于其一级构造，那么，从理论上讲，人们就可以根据分子间的能量优化法则通过蛋白质的一级构造来对其三维构造进行预测。由于蛋白质的功能很大程度上取决于其构造，因此如果人们可以充分理解蛋白质的三维构造，就可以按图索骥地探求，乃至创造自己所须要的蛋白质。很显然，由此带来的想象空间是十分巨大的。
然而，正所谓“空想很丰满，现实很骨感”。只管乍看之下“蛋白质折叠问题”的潜在代价十分巨大，不过由于组成蛋白质多肽链的氨基酸数量都很弘大，因此要通过其构造来预测蛋白质的折叠是非常困难的。以是安芬森法则指出的道路看似光明，但在很永劫光内，却成了一条少有人走的路。
比较之下，生物学家们彷佛更方向于用直接不雅观测的方法来探索蛋白质的构造。从早期的X光衍射法到新近的冷冻电镜法，随着实验用具的日益发展，人们通过实验探索蛋白质构造的能力也日渐提高。但只管如此，比较于蛋白质弘大的种类量，人们用实验探索蛋白质构造的努力只能算是杯水车薪。
2018年，转机涌现了。在当年11月举办的第13届环球蛋白质构造预测竞赛（CASP）上，DeepMind的AI程序AlphaFold成功地对43种蛋白质中的25种的构造进行了预测，由此在98名参赛者中得到了第一。而比较之下，第二名只预测准确了3种蛋白质的构造。更值得一提的是，在对某些蛋白质构造的预测中，AlphaFold得到的结论乃至比用X光衍射法和冷冻电镜法不雅观测到的结论更为准确。
AlphaFold是靠什么得到了如此精良的成绩呢？实在，它用的方法很大略：学习大量蛋白质的序列和构造数据，从中探求氨基酸分子之间的相互浸染，以及蛋白质片段之间的蜕变关系，然后再按照找到的规律对蛋白质的构造进行预测。
初战告捷之后，AlphaFold不断从生物学、物理学和机器学习领域的最新进展中汲取灵感，以此来升级自己的算法，其预测能力也得到了很大的提升。2022年7月28日，DeepMind在其官网发布了一篇名为《AlphaFold揭示蛋白质宇宙的构造》（AlphaFoldrevealsthestructureoftheproteinuniverse）的新闻,宣告AlphaFold已经对险些所有已知蛋白质的构造做出了预测。随后，又将所有预测的蛋白质构造放到了网上，供科研职员自行下载利用。据不少下载了数据的科研职员反响，这些数据的准确率非常高。
虽然在未来的一段期间内，人们还须要连续对AlphaFold给出的预测数据进行验证，但可以说，困扰了人们半个多世纪的“蛋白质折叠问题”基本上已经得到理解决。
AI在科学研究中的运用
毫无疑问，AlphaFold破解“蛋白质折叠问题”的成功为生物学的发展作出了巨大的贡献。但这个事宜还有一个更为主要的意义，即证明了AI可以在科学研究领域起到至关主要，乃至是决定性的浸染。由此，“人工智能驱动的科学研究”（AIforscience，有时也简称AI4S）成为了AI研究中的显学。
科学的发展是一个不断猜想、不断考验的过程。在科学研究当中，研究者须要先提出假设，然后根据这个假设去布局实验、搜集数据，并通过实验来对假设进行考验。在这个过程中，研究者须要进行大量的打算、仿照和证明。而在险些每一个步骤当中，AI都有很大的用武之地。
（1）研究问题的提出
提出一个好的问题是做出一个好研究的第一步，只有提出的研究问题是主要的，后续的研究才可能故意义。传统上，科学问题紧张有两个来源：一种是对征象以及数据的不雅观察来提出某些猜想，比如，天文学上著名的开普勒三定律，便是由开普勒在整理天文学家第谷留下的大量数据之后提出，然后再通过理论研究加以确立的。第二种则是对既有文献的梳理，即通过阅读既有的研究成果，看看古人的研究还有哪些地方留有不敷，然后以此为打破点提出自己的问题。在利用了AI这个工具后，用以上述两种办法探求问题的研究者都可以大幅改进自己的效率。
先看通过不雅观察提问。在过去，通过不雅观察来提问对研究者的直觉哀求是非常高的。以开普勒三定律为例，个中的第一定律（椭圆定律），即“行星绕太阳运行的轨道是椭圆，并且太阳在这个椭圆的一个焦点上”是相对直不雅观的，通过对记录数据的不雅观察基本就可以提出这个假设。但第二定律（面积定律），即“行星和太阳的连线在相等的韶光间隔内扫过相等的面积”就不那么直不雅观了，纵然是十分仔细的人也须要在灵感的启示之下才可能创造这个规律。至于第三定律（调和定律），即“行星绕太阳一周的恒星韶光（T）的平方与它们轨道长半轴（a）的立方成正比”则更是一个非常不直不雅观的征象，只有非常天才的研究者才有可能提出这样的假说。
而运用了AI之后，人们在霸占了充分的不雅观测数据之后，就可以相对随意马虎地提出干系的研究问题。比如，如果人们有了行星运行的大量数据，并且猜想行星绕太阳一周的韶光可能和其轨道椭圆的某条轴的长度存在着某种关系，那么他就可以让AI去考试测验建立这些变量之间的函数关系。通过这样的方法，开普勒第三定律就可能比较随意马虎地被提出来。
再看通过阅读文献来提问。过去，从事科学研究的人相对较少，研究的数量也相对较少，因此一个研究者只要肯下功夫，就至少可以把自己所从事的领域的干系文献都予以节制。然而，随着科学的发展，从事科研的人数不断增加，各种科研成果也不断地呈现，一个科研职员要想完全地理解自己所在研究领域的进展已变得越来越困难，更遑论去理解其他领域的动态来给自己的研究供应启示了。
在运用了AI工具后，以上的问题可以在很大程度上得到缓解。比如，现在的研究者可以让ChatGPT等AI大模型来为自己整理已有的文献，并写成择要。这样，他们就可以大幅减少搜索和阅读文献所花费的精力，可以以更小的本钱理解现有研究的进展，并在此根本上提出新的研究问题。
（2）数据的搜集
在提出了干系的研究问题之后，研究职员就须要设计实验，并搜集干系的数据，为进一步的研究做准备。在这个过程中，AI的运用潜力也是十分广阔的。
这种浸染首先表示在数据的选择上。在实验当中，并不是所有的数据都是可用的。很多数据可能是受到滋扰后产生的，如果不剔除这些数据，后续的研究结果就可能受到严重的滋扰。现在在很多实验中，深度学习已经成为了这项事情的紧张承担者。
在搜集了数据之后，对数据进行标注也是一项艰巨的事情。例如，在生物学当中，为新分子进行功能和构造标注对付后续的研究来说是非常主要的，但要进行这一事情则并不随意马虎。虽然新一代测序技能不断呈现，但只有不到1%的已测序蛋白质得到了生物学功能的标注。目前，为了能够提高数据标注的效率，研究者们正在考试测验让AI学习手动标注的结果，从而演习出代理模型（surrogatemodels）来帮助自己对新的数据进行标签。从现有的结果看，这种办法确实可以比较有效地改进标注效率。
除此之外，AI现在还有一个非常主要的浸染，即天生数据。这一点，在AI研究领域表现得最为显著。近十多年来，人工智能的紧张发展紧张来自于机器学习领域，众所周知，这个领域的发展对数据的依赖非常强。在实践当中，数据的搜集和整理不仅本钱高、质量难掌握，还可能衍生出陵犯个人隐私、威胁数据安全等问题。为了应对这些问题，一些学者建议可以用合成数据作为真实数据的补充，供机器学习利用。
与真实数据比较，合成数据具有不少上风：一方面，从演习效果上看，用合成数据进行演习的效果实在并不比真实数据差，在一些场合，它们的表现乃至更高。在真实数据的形成过程中，可能混入很多不必要的噪声信息，这就可能对其质量造成影响，而合成数据则没有这样的问题。麻省理工学院、波士顿大学和IBM曾联合做过一项研究，用真实数据和合成数据分别演习模型对人类的行为进行识别，结果采取合成数据进行演习的模型表现要比采取真实数据演习的模型更优。另一方面，从本钱上看，合成数据的本钱要远远低于真实数据。除此之外，由于合成数据都是天生而非搜集的，以是利用它们来进行研究还可以规避很多法律和道德风险。
目前已经有越来越多的AI研究者开始用合成数据取代真实数据作为机器学习的材料，其对AI技能发展的贡献正在变得越来越显著。正是由于这个缘故原由，以是《麻省理工科技评论》（MITTechnologyReview）将合成数据技能评为了2022年环球十大打破性技能之一。
（3）科学打算和仿照
在科学研究的过程中，常日须要进行大量的打算和仿照事情。比如，如果科学家创造了某个星体的运行规律，若何才能证明他的创造是精确的呢？最直不雅观的方法便是根据他创造的规律打算出这个星体在未来某个韶光点的位置，然后进行比对。从这个意义上讲，精确的打算和仿照便是验证理论的关键。
但打算并不是那么随意马虎的事情。例如，从理论上讲，各大星体之间的相对运动关系都可以由万有引力定律推出。牛顿在创造三大定律之后，就曾经很自满地流传宣传，他已经节制了宇宙运行的终极奥秘。但是，真实情形却并非如此。以由于刘慈欣的小说而被人们所熟知的“三体”问题为例。从表面上看，“三体”系统是非常大略的，统共只有三颗彼此纠缠的恒星，以及一颗夹在个中的行星，要仿照它的运动轨迹彷佛并不难。但一旦我们试图用牛顿力学来对其位置进行推导，就会创造得到的联立微分方程实在构成了一个混沌系统，其运动的轨迹是很难确定的，一个眇小的扰动都可能带来巨大的偏差。正是由于这个缘故原由，以是在《三体》小说中，纵然科技水平远超地球的三体人也无法制成一张精确的万年历。
在现实中，远比“三体”系统繁芜的问题比比皆是。在对这些问题进行研究时，人们都不得不直面“维度爆炸”问题的寻衅。
举例来说，台风轨迹的预测便是一件打算量需求非常高的事情。传统上，人们紧张是依赖动力系统模型来进行预测。这种方法会根据流体动力学和热力学等物理定律来布局大量的微分方程，用它们来仿照大气的运动，进而对台风的走向进行预测。显然，这个动力系统是非常繁芜的，不仅预测所须要的打算量非常大，并且非常随意马虎受外生扰出发分的影响。正是由于这个缘故原由，以是天下各国纵然动用了最前辈的超级打算机，预测也常常出错。最近几年，人们调度了预测的思路，开始考试测验用AI模型预测台风，由此呈现了一大批干系的AI模型。这类模型放弃了传统物理模型的预测思路，转而用机器学习的方法来进行预测，不仅大幅降落了打算包袱，而且有效提升了预测精度。比如，“风乌”模型在一个单GPU的打算机上就可以运行，并且仅需30秒即可天生未来10天环球高精度预报结果。在最近预测台风“杜苏芮”的过程中，“风乌”模型预测的轨迹偏差远远小于传统模型，从而为人们抗击台风做出了很大的贡献。
（4）赞助证明
在一些学科（例如数学）的研究过程中，须要对命题进行理论上的证明。从很早开始，人们就试图借助打算机来帮助他们完成这项困难的事情。他们的基本思路是：首先将一个数学命题形式化（formalisation），然后借助打算机来对形式化的命题给出证明。
在现实当中，很多数学命题是由自然措辞表述的。比如，著名的“四色问题”便是要证明“任何一张舆图只用四种颜色就能使具有共同边界的国家着上不同的颜色。”对付打算机来讲，这种自然措辞是它们难以理解的，因此它们也不可能帮助人们以自然措辞的形式来办理证明问题。幸运的是，数学家们经由长期的努力，已经对大部分的数学分支建立起了公理化的表述体系。借助于公理化体系，用自然措辞表述的命题就可以表述为由一个系列逻辑判断构成的形式化命题。通过特定的办法编码，打算机可以对这些形式化命题进行识别，于是，打算机就可以帮助人们用来进行赞助证明。
仍以“四色问题”的证明为例：在历史上，这个著名的问题曾经有过好几个版本的证明。只管在每一个版本的证明中，数学家都用到了打算机作为赞助，但最初的证明都因此人工的推导为主，打算机的事情紧张局限在供应打算的支持。2005年，英国剑桥研究院的高等研究员贡蒂埃（GeorgesGonthier）给出了“四色问题”的新一代证明。和前几代的证明不同，贡蒂埃首先将这个问题转化成了一系列形式化的命题，再用一个名叫Coq的交互式赞助软件对它们进行了证明。由于在证明的过程中，Coq完成了大量最繁芜的证明，因此在某种意义上讲，这个过程可以算是一个机器证明。
须要指出的是，只管包括Coq在内的赞助证明软件已经可以帮助人们完成很多证明事情，但它的自动化是非常低的。在多数时候，人类研究者还须要充当勾引员的角色，帮它们把自然命题转化为形式化命题。
随着AI的发展，人们开始考试测验让AI来办理这个问题。比如，2022年，由谷歌、斯坦福大学等单位的研究职员组成的一个团队就揭橥了一篇论文，先容了利用OpenAICodex的神经网络进行自动形式化的事情，显示了用大型措辞模型将非形式化语句自动翻译成形式化语句的可行性。今年，这个团队又在此根本之上提出了一整套名为“草图、草稿、证明”（Draft,Sketch,andProve，简称DSP）的AI赞助证明方法。这套方法建议利用大型措辞模型先将自然措辞命题转化为由一系列逻辑推理步骤组成的形式化命题，然后用交互式定理证明器来对这些命题进行证明。当然，在这些步骤之间，还存在着一系列的中间猜想。因此在证明的末了，还须要通过自动验证器来对这些中间猜想进行证明。这样，上述的事情就可以合起来构成一个完全的形式化证明。
（5）赞助写作
对付科研事情来说，AI还有一个主要的贡献：赞助写作。在很多人看来，在完成了研究、得到了干系的结论之后，把它们写成论文便是一件非常轻松的事了。但事实上，情形未必如此。在现实中，有很多研究职员对做实验、跑数据非常热衷，但对写论文则相称抵触，乃至认为花韶光在遣词造句上完备是摧残浪费蹂躏韶光。而在以ChatGPT为代表的天生式AI兴起之后，这类研究职员就得到了拯救。现在，他们在完成研究后，直接把干系的结论丢给ChatGPT，就可以得到非常规范的论文。很显然，这会极大减轻他们的事情包袱，提升他们的事情效率。
另一个随意马虎被忽略的贡献
须要指出的是，除了上述的这些直接贡献之外，AI还有一个非常随意马虎被忽略的影响，即重构产学研关系、促进企业对根本研究的投资激情亲切。对付面临一些领域被西方“卡脖子”的我国而言，这一点可能是尤其须要重视的。
根据《中国研发经费报告2022》，2022年我国根本研究经费支出为1951亿元，根本研究投入强度为6.3%。虽然与历史比较，我国对根本研究投入的强度不断上升，但如果与国外比较，就可以看到目前我国的根本研究投入强度依然很低。
如果我们把根本研究投入分实行机构进行剖析，就会创造以高校作为实行机构的比例是最高的，在总投入中占到了49.4%。其次是研究和开拓机构，占39.1%，而企业作为实行机构的，仅占6.5%。比较之下，美国根本研究经费由企业实行比例为32.4%，日本根本研究经费由企业实行比例为47.07%。众所周知，高校和科研机构的经费紧张来自于国家拨款，而企业的研究经费则紧张是由其自行投入的。因此，这组数字就解释了，我国的企业在根本研究上进行投入的意愿要远低于美、日等国。
为什么会涌现以上这样的情形呢？一个主要的缘故原由是，根本研究的周期太长、风险较大、转化率又低，导致以利润最大化为目标的企业认为从事根本研究是无利可图的。在发达国家，由于建立了比较完善的产学研共生生态，类似风险可以比较好地在企业、政府、科研机构等浩瀚主体之间分担，以是企业对根本研究的投资积极性就相对较高。而我国，产、学、研彼此之间的伶仃性还较高，因而就很难有类似的风险分担机制。
显然，要破解上述问题，根本的出路还是要造就康健的创新生态，推进产学研的一体化。但这是一个长期的过程，不是一朝一夕可以实现的。不过，纵然在创新生态未能有效改进的条件下，AI的运用也可以在很大程度上提升企业投资根本研究的积极性。通过前面的剖析可以看到，借助AI的赞助，根本研究的周期可以大幅缩短，效率可以大幅提升。从经济角度看，这实在就增加了根本科研的预期收益，同时降落了其失落败风险。因此，原来无力可图的根本研究就可能成为一项合算的买卖，企业对其投资的积极性也将提升。这样一来，根本研究投入不敷的问题就可以得到有效的缓解。