生物学和人工智能的多学科革命
Michael Levitt
2013年诺贝尔化学奖得主，复旦大学复杂体系多尺度研究院荣誉院长
衷心感谢邀请我参加上海论坛20周年暨复旦大学建校120周年这一重要时刻。今天我要探讨的是一个掌控万物的三位一体法则——令人惊讶的是，这一点尚未得到充分认知。
地球上存在着三种“智能”：生物智能、人类智能与机器智能。其中生物智能最为卓越，因为它孕育了人类，而人类又创造了人工智能。让我们首先探讨能从每种智能中学到什么。
生物智能通过进化历程给我们上了至关重要的一课。正如我刚才所说，生物学确实精妙绝伦，能制造出任何化学家都难以合成的神奇分子，能构建组织，能编织纤维，能创造各类材料，更能制造手、神经元、眼睛、大脑等一切器官，且皆从零开始构建。生物进化从大约三十亿年前微不足道的起点出发，逐渐发展得越来越复杂，最终在“进化之树”的顶端出现了人类以及高等哺乳动物。这种复杂性的奥秘何在？生命最初形态极其简单。肉眼不可见的细菌与周遭复杂生物的关键差异其实很简单：两个亲本（雄性细胞与雌性细胞）孕育的后代会有50%的差异。而细菌仅自我克隆——适应力极强的细菌只能复制完全相同的后代。这种模式在当前与未来环境相同时运转良好，但问题在于未来永远变化莫测。因此，生命的真谛并非“适者生存”，而是“多样性生存”。这也解释了智力发展的根源：人类比树木更具多样性，面对森林火灾时能逃离，而树木别无选择。随着生命形态的进阶，多样性也随之增长。本质上，自然嘉奖创造性，而生物学中雌雄细胞的结合正是多样生命形态的源泉。
现在让我们来谈谈人类智能。关于人类智能最重要的一点启示在于：他人就是我们最好的榜样。我们的学习主要不是来自课堂教导，不是来自书本阅读，而是源于那些与我们相遇、以各种方式影响我们生命的重要之人。我很幸运，在二十岁之前就得以结识上世纪一些最伟大的科学家。首当其冲的是马克斯·佩鲁茨（Max Perutz）。这位从奥地利流亡英国的犹太难民或许并不广为人知，却彻底改变了生物学领域。他当时正致力于血红蛋白分子的晶体学研究。他的助手约翰·肯德鲁（John Kendrew）成为首个解析蛋白质结构的科学家。当时佩鲁茨门下有位学生叫弗朗西斯·克里克（Francis Crick）。请想想：克里克与詹姆斯·沃森（James Watson）合作撰写了科学史上最著名的论文——关于DNA结构的发现。而这篇划时代论文诞生时，克里克仍是佩鲁茨的学生。令人惊叹的是，佩鲁茨的名字并未出现在论文作者栏——这在当今学术界是不可想象的。但佩鲁茨身处二战后英国科学界的特殊环境（1950年代），他深谙培育重大科学发现的真谛是赋予年轻人独立探索的责任与自由。科学灵感具有强大的感染力，能塑造未来的科学家。因此我们必须让年轻一代接触那些改变世界的先驱者。
我心目中的科学英雄们运用物理学与化学揭开了生命的奥秘。在1950年代之前，人类对生命本质仍一无所知——我们认识生命密码的历史甚至不足百年。这八十年间，人类既发明了核武器，也破译了生命密码。DNA序列中的信息转化为蛋白质链的信息，蛋白质链经过折叠形成特定结构，从而获得功能。这些蛋白质能与现实世界互动，比如消化食物。当细胞能够消化养分时，它就开始分裂增殖，DNA也随之复制——这就是所有生命延续的机制。DNA是一种通过核苷酸序列存储信息的分子，我们身体的每个特征都由约30亿个碱基字母定义。这个数据量其实很小：一块普通硬盘就能存储成千上万人的基因序列，10亿碱基不过1GB容量而已。但自然界的精妙之处在于，蛋白质项链绝非简单的长链。它会自动折叠成紧凑的三维结构，这种精确构型才是关键。我们体内存在着比最先进纳米技术制造的导线（5纳米）更纤细的分子机器（约2纳米）。数十亿这样的微型机器相互协作，才让生命成为可能。因此，生命的本质是最微观层面的自组织行为。在物理与化学定律的驱动下，分子自发组装成精密结构，这无疑是自然界最震撼的奇迹。
我们曾总结过，伟大的科研机构往往能孕育众多诺贝尔奖得主。马克斯·佩鲁茨在剑桥创立的实验室就是典范——这个机构最终走出了28位诺奖获得者。28这个数字意义非凡：拥有1亿人口的日本至今获得的诺奖总数也才28项。而该剑桥实验室累计培养的研究人员约3000人，却斩获奖项近百次。我有幸成为其中一员，这一切都要归功于佩鲁茨的远见。他有一句名言：“在科学领域，真理终将胜出。”这句话蕴含着深刻哲理。科学真理之所以必胜，是因为每个发现都要经历反复验证。事实上，在科学界，任何结论在被证伪之前都不能被视为绝对真理——我们默认所有理论都是错误的，直到你证明它正确为止。
佩鲁茨有一套培育诺奖得主的“秘方”。他从未明确阐述过，但作为实验室的学生，我逐渐领悟到他的智慧所在。首先，要赋予年轻科学家自主权与责任感；其次，实验团队必须保持小规模；最后，不能把所有的科研经费都给那些已经成名的科学家。在科学领域发现重大突破，就像是在买彩票中大奖。而你能中彩的唯一方法，就是“买更多的彩票”。所以，与其让三百名科研人员都去为某位“天才”服务，不如让一百位科学家各自带领三四人的小团队开展研究。在那家实验室中，研究团队都得到了充足的支持，没有所谓的“申请经费”的流程。如果你需要什么，直接去拿就行，没有可见的官僚体系。佩鲁茨认为，科学家的时间不该浪费在填表格和采购物资上。他想要什么，只需要去实验室工作间说一句：“给我这个。”就可以了。当然，那里的环境也充满了强烈的“同行压力”。你有多优秀，不在于你过去做了什么，而在于你的“下一篇”论文是什么。一切过往的成绩都不重要，大家只关注你现在在做什么。此外，那里几乎没有等级制度。博士生和诺贝尔奖得主一样受到尊重，没有高低之分。总的来说，伟大的科研领袖能够激发出大量伟大的科学成果。我们确实需要这样的科学领导者。
让我们把话题转向人工智能。我对AI的定义非常宽泛——AI就是让计算机增强人类智能的工具。我最早涉足AI相关的基础计算生物学研究时年仅20岁，那时的工作包括计算原子与分子间的作用力、解析蛋白质折叠机制、破解酶催化反应的原理。所有这些研究都在我27岁前完成。这揭示了一个重要规律：重大科学发现往往由年轻人创造。虽然这些成果可能需要很长时间才能获得认可，但我们必须明白：科学的未来永远属于年轻一代。科学不仅关乎理论，更在于应用。当我在剑桥和以色列魏茨曼研究所从事基础研究时，就深刻体会到这一点。但1987年转赴斯坦福后，那里的创业氛围让我意识到：将科学发现转化为实际应用几乎是一种责任。我加入的第一家初创公司是加州的“蛋白质设计实验室”（Protein Design Lab）。某种程度上，我在这里完成了一些最重要的工作——尽管当时我并未意识到其深远意义。我们致力于癌症抗体治疗研究，1989年发表的论文中，我们成功开发出靶向白细胞介素2受体的人源化抗体。癌细胞表面拥有某些特定的受体，如果我们可以制造出能精准攻击这些受体的抗体，就可以有效抑制癌症。问题在于，抗体通常是从小鼠或兔子体内制备的。如果你把这些抗体直接注射到人体内，人体会产生免疫反应，从而生病。因此，我们必须进行“改造”——一个类似计算机操作的过程，把小鼠的抗体“转换”为人类抗体的样子。这种“人源化”有多种方法，而我们所在的蛋白质设计实验室当时掌握了一种专利技术，正是基于我们1989年那篇论文。后来，一家大型制药公司根据我们的研究，改进了他们的抗体药物开发策略，据说他们在这方面投入了约2000亿美元，用于开发单克隆抗体药物（monoclonal antibody drugs）。即便在今天，我们当年研究的成果依然在被使用——像 Avastin（阿瓦斯汀）这类药物，至今仍广泛应用于癌症的治疗，而它们的基础正是我们30年前撰写的那批论文。
另一个更现代的案例是一家名为Insilico Medicine的公司。早在2014年，他们就开始在整个药物设计流程中使用生成式人工智能（Generative AI）。他们的核心理念其实很简单：药物设计本质上是一个非常漫长的流程，从最初的“概念”或“靶点”出发，最终要变成药品上架销售。而这个流程中，只要任何一个环节被卡住，整个研发过程就会停摆，几乎没有“补救”的办法。而且这条“管道”极其昂贵——平均要花费20亿美元才能研发出一款新药。这家公司想要让整个流程更快、更便宜。他们的做法不是仅仅在“靶点发现”或“先导化合物优化”某一阶段使用AI，而是在整个药物研发过程中全面引入AI技术。也正是因为这种全面整合的策略，他们取得了显著的成功。在十年后的今天，他们已经有大约八款药物进入了IND（临床前新药申请）阶段、第一期或第二期临床试验。这家公司也非常国际化——我甚至不知道它的总部究竟在哪儿，可能是波士顿，也可能是香港。他们在上海和迪拜都有重要的运营中心。尤其是迪拜，现在成了重要的技术人才聚集地，因为许多来自乌克兰和俄罗斯的程序员现在都在那里工作，此外公司也在纽约市设有分部。这就是一个现代科技公司应有的样子——高度全球化，充分运用AI技术，并且已经取得了不小的成就。
科学探索有两条路径和一个引擎。基础科学探索未知，应用科学则基于已知构建创新——二者本质迥异。在基础科学领域，过往成就皆成云烟，评价标准永远是你的下一篇论文；而在应用科学中，必须依托既有成果持续积累，才能获得延续研究的资金支持。过去30个月（即从ChatGPT 3.0发布起），我始终将AI作为核心工具：累计向GPT-3.0/4.0/4.5发起约1万次查询，应用场景涵盖医疗咨询、法律建议、心理辅导等专业领域，甚至用于撰写农业与健康主题的学术讲稿。我的所有计算机程序现均通过AI辅助完成，使用熟练度与日俱增——因为驾驭这个复杂系统需要持续学习，其操作难度远超智能手机这类现代设备。值得注意的是，AI展现出卓越的情商潜力。清华大学研究证实：当前AI的情感智能已超越90%的人类受试者。我曾戏言“这些被超越的样本恐怕都是男性工程师”。但必须承认，ChatGPT展现的共情能力确实堪比大多数女性，这一发现令人惊叹。
更令人惊讶的是，AI已成为《外交》（Diplomacy）这款棋盘游戏的世界冠军。这是一款以1901年欧洲为背景的策略游戏——玩家通过谈判结盟（比如“用半个德国换整个瑞典”）来实现全球征服或阻止一战爆发。Meta（脸书）开发的Cicero程序（早于ChatGPT问世）展现了惊人能力：它从不作弊却总能获胜，因它能精准评估每个领土的战略价值（比如清楚地知道德国北部与葡萄牙的战略价值差异）。有趣的是，人类玩家都乐于与这个AI对手交锋。我真心希望，现在每一位外交官都已经在使用AI来辅助思考。当然，AI并不是每一次都正确，它确实经常会出错。但关键是，有AI辅助后，你得出的答案总会比没有AI时更好。所以说，AI拥有的是“答案”，而你需要的是“提出正确的问题”。要像8岁孩童般保持好奇，如80岁智者般清醒判断。请永远保持追问的姿态。
最后，我想谈谈科学家组合的力量。大约20年前，斯坦福大学启动了一项“跨学科倡议”（Interdisciplinary Initiative）——只要来自完全不同领域的两位研究者提交一页纸的提案，就能获得5万美元的种子基金。这个机制取得了惊人成功：基于初期成果，这些组合后续获得的科研经费是种子基金的十倍以上。这本质上是一种“学术风险投资”，但精髓在于跨界组合——就像随机挑选在场两位（比如我和音响师），只要碰撞出新想法就能获得资助。哪怕起初我们彼此完全不熟悉，也会在语言、背景或场景中找到一个共同点，从而激发一个全新的创意。2022年我的亲身经历就是明证：当时我研究分子运动，另一位学者研究人类行走，我们将这两个领域结合，最终催生了由美国国立卫生研究院资助的大型研究机构。
我认为，人工智能与人类的交汇处正是奇迹诞生的地方。昨天我刚让AI根据我的构思绘制了这幅图像（展示），虽然还不够完美，但所有重大突破都源于不同领域的碰撞——就像生物学中雌雄结合孕育生命多样性，科学中学科交叉催生思想多样性。你们或许会问：讲了这么多成就，你现在究竟在研究什么？我当前正全力破解一个谜题：新冠疫情中究竟哪里出了错？当初人们坚信这会毁灭人类，最终却像一场严重流感——除美国和东欧外，中国香港、台湾地区以及韩国、日本等地的超额死亡率几乎归零（与2010年数据持平）。我正在撰写相关论文。尽管曾因用AI研究新冠遭受质疑，但我直言：这些论文的真正读者是AI而非人类。因为当下次疫情来袭时，判断是否该恐慌的将是AI系统。我们必须学会信任AI，就像驾车穿越上海时，我们会毫不犹豫地跟随GPS导航——这才是面向未来的生存智慧。感谢各位的聆听。
