澎湃新聞記者 張靜

·在生物醫藥領域，人工智能從業者要跨領域合作，也要不斷提高自身修養。劉鐵岩預測，可能還要5-10年才能真正形成比較穩定的技術路線，也可能還需要再過5-10年人工智能才能對制藥行業産生本質的颠覆式影響。

微軟傑出首席科學家、微軟亞洲研究院副院長、微軟研究院科學智能中心亞洲區負責人劉鐵岩作線上分享。

“我們絕對不能夠天真地以為我們手裡拿着一個AI的大錘到處去敲一敲，就可以颠覆整個行業。”

9月2日，在2022世界人工智能大會上海生物計算論壇上，微軟傑出首席科學家、微軟亞洲研究院副院長、微軟研究院科學智能中心亞洲區負責人劉鐵岩表示，生物醫藥領域水深，人工智能從業者要跨領域合作，也要不斷提高自身修養，消化生物醫藥知識。他預測可能還要5-10年才能真正形成比較穩定的技術路線，也可能還需要再過5-10年才能對制藥行業産生本質的颠覆式影響。

談到AI 生物醫藥，就不得不提到AlphaFold2，它解決了結構生物學50年難題，目前可預測科學界幾乎所有已知的蛋白質3D結構，可預測結構數量達2.14億個。其擴展的開源蛋白質信息數據庫包含植物、細菌、動物和許多其他生物的結構，可作為科學發現的重要資源，幫助更好了解疾病，加速藥物發現和生物學創新。

劉鐵岩表示，AlphaFold2的成功确實讓人們體會到了人工智能、大數據、大模型、大計算這些因素集合在一起帶來的不同，這種“不同”某種意義上講是近年來人工智能發展的一種充分體現，比如通過預訓練大模型，為豐富的下遊任務提供各種有力支撐。“其實不管是視覺還是自然語言領域，都有優秀的Foundation Models（注：基礎模型，預訓練模型），這種趨勢未來會在生物醫藥領域進一步延展。”

除了基礎模型，劉鐵岩認為，強化學習技術在未來一段時間應該是生物醫藥領域非常有潛力的一項技術，這是因為藥物設計本身就是一個搜索的問題。

強化學習是人工智能的重要分支。在2016年擊敗圍棋世界冠軍李世石九段的AlphaGo，其令世人震驚的博弈能力就是通過強化學習訓練出來的。強化學習會從一個初始策略開始，通常初始策略不一定很理想。在學習過程中決策主體通過行動和環境進行交互，不斷獲得反饋（回報或者懲罰），并根據反饋調整優化策略。

“回過頭來看，在今天這個節點上，無論是深度學習還是強化學習，我們看到大多數還是為傳統領域發明的人工智能算法和工具在起作用。”劉鐵岩認為，在生物醫藥領域，人工智能要走的路還非常遠，需要和生物學家、化學領域的科學家、制藥行業專家密切合作。

“我們絕對不能夠天真地以為我們手裡拿着一個AI的大錘到處去敲一敲，就可以颠覆整個行業。這個領域的水很深，需要我們跨領域合作，也需要人工智能從業者不斷提高自己的修養，把這些知識消化了。”他預測，“可能還要5-10年的時間，我們才能真正形成一些比較穩定的技術路線，也可能還需要再來5-10年才能夠對制藥行業産生一些本質的颠覆式的影響。”

他也提到，藥物設計是一個具有豐富研究場景的領域。從研究對象來講，比如小分子藥物、抗體藥、基因療法等，它們的原理和應用場景都有很大差異。從藥物制藥流程來看，靶點發現、先導化合物的篩選優化、臨床效果預測等，各環節都有獨特的技術挑戰。

“面臨這樣一個非常豐富的研究場景，本來就應該是一個百花齊放、百舸争流的狀态。但是反過來如果我們審視一下今天AI制藥這個領域，事實上存在一些問題，有一些紮堆的現象，比如有時候大家都會卷到靶标蛋白的結構預測題目上。”

劉鐵岩認為，之所以出現這些紮堆的現象，其中一部分原因是，這些領域已經有比較成熟的基礎技術，研究者還沒有以長期主義的心态來構建自己的技術壁壘。“我們希望能夠以更加長遠、更加基礎的視角去看待人工智能在科學領域的應用，包括AI制藥方面的相關研究。”

上海生物計算論壇由世界人工智能大會組委會辦公室指導，上海市生物醫藥産業促進中心、上海市人工智能行業協會、機器之心發起并聯合主辦，上海中青年知識分子聯誼會、上海市經濟和信息化系統中青年知識分子聯誼會協辦，以線上線下方式分享了生物計算技術創新與應用實踐。

責任編輯：吳躍偉 圖片編輯：蔣立冬

校對：張豔