AI赋能健康与认知：DeepMind CEO的科学愿景

type

status

date

slug

summary

AI：推进科学与医学的终极工具

Demis Hassabis博士自投身AI领域起，便怀揣着一个核心愿景：利用AI的力量来推进科学研究和改善人类健康。他强调，AI并非仅仅是消费级产品或聊天机器人，而是一种强大的“工具”，能够赋能顶尖科学家处理海量数据，从中挖掘出关键的洞见。这种视角将AI定位为科学探索的加速器，而非简单的自动化工具。

AlphaFold：改写蛋白质结构预测的游戏规则

Hassabis博士及其团队最令人瞩目的成就之一，便是AlphaFold。这个项目旨在解决困扰生物学界长达半个世纪的“蛋白质折叠问题”——即根据氨基酸序列预测蛋白质的三维结构。蛋白质的结构决定了其功能，而理解这些结构对于药物发现和疾病研究至关重要。

传统上，确定一个蛋白质结构需要耗费巨资和漫长的时间。AlphaFold的出现，以惊人的速度和精度解决了这一难题。更具革命性的是，DeepMind团队并未将其仅限于提供按需预测的服务，而是将所有已知蛋白质结构计算出来，并免费开放给全球科学家。这一举措极大地降低了科研门槛，加速了从基础生物学研究到药物设计的全链条进程。

加速药物发现：过去需要数年和数十万美元的研究，现在AI可以在短时间内提供关键结构信息，让科学家直接进入药物设计和筛选阶段。

赋能边缘研究：对于研究冷门生物、被忽视疾病（如疟疾、利什曼病等）的科研人员，AlphaFold提供了他们急需的结构数据，使他们能跳过结构解析的瓶颈，直面核心科学问题。

推动基础科学突破：如核孔复合体这一巨大复杂蛋白质复合体的结构解析，AlphaFold在其中扮演了关键角色，深化了我们对人体运作机制的理解。

Isomorphic Labs与AlphaFold 3/4：端到端药物研发的未来

基于AlphaFold的成功，DeepMind孵化了新公司Isomorphic Labs，旨在将AI在药物发现中的应用推向“端到端”。Hassabis博士指出，药物研发平均耗时十年，成本高昂且成功率低。AI的目标是大幅缩短这一周期，降低成本，提高效率。

Isomorphic Labs正构建一系列与AlphaFold协同工作的“相邻系统”，这些系统能够：

设计候选化合物：AI系统能设计出可能与目标蛋白结合的化合物。

预测结合强度与脱靶效应：快速评估化合物与目标蛋白的结合强度，并预测其是否会与人体内其他蛋白质产生不良反应（即副作用）。

虚拟筛选与优化：通过海量计算，在计算机中进行化合物的虚拟筛选和迭代优化，极大地减少了湿实验室实验的次数，从而实现数千甚至数百万倍的效率提升。

目前，Isomorphic Labs已在推进18-19个药物项目，涵盖心血管疾病、癌症、免疫学等广泛领域，预示着AI在未来几乎所有治疗领域都将发挥作用。

AlphaGenome与CRISPR：解码生命“黑暗物质”

除了蛋白质结构，AI还在基因组学领域展现出巨大潜力。Hassabis博士提到了AlphaGenome项目，它专注于解码占人类基因组98%的非编码区域。这些区域虽然不直接编码蛋白质，但对基因表达调控至关重要，其突变往往是许多遗传病的根源。

AlphaGenome能够预测基因序列中的特定突变是否有害，以及是否可能导致疾病。与CRISPR等基因编辑技术相结合，未来AI有望能够精确识别导致疾病的基因变异，并指导CRISPR等技术进行修复，从而从根本上解决遗传性疾病。这尤其对于复杂的多基因疾病，AI的模式识别能力将发挥不可替代的作用。

AI作为理解现实本质的工具

Hassabis博士对AI的愿景远不止于解决具体的技术难题。他强调，希望将AI视为一种工具，帮助我们“理解现实世界的本质”。无论最终答案指向意识、时间、现实本身还是宇宙的奥秘，他都渴望通过AI去探索。这种对AI在基础科学和哲学层面的应用，展现了他对AI作为人类认知边界拓展者的深刻认识。

AI安全与未来展望

在AI能力飞速发展的当下，Hassabis博士也对潜在的风险保持警惕。他认为，真正值得担忧的并非AI的“一时热闹”，而是两类问题：一是AI技术被滥用作恶，二是AI系统本身随着能力增强而偏离轨道。因此，他呼吁在推进通用人工智能（AGI）的同时，务必保持谨慎、严谨的科学态度，并强调AI安全的重要性。

DeepMind从最初的游戏AI，到AlphaFold的科学突破，再到如今全面负责Google的AI业务，其发展历程本身就是AI演进的缩影。Hassabis博士坚信，AI最好的用途在于改善人类健康和加速科学发现，并将AI视为理解世界本质的终极工具。随着AI技术的不断成熟，我们有理由期待，它将在不久的将来，以前所未有的方式，重塑我们的健康、认知乃至对宇宙的理解。