David Baker：终究只是一个工具深究科学

AI正在改变科学研究的效率和方式，计算更快、预测更准、设计更复杂——AI的进步令人应接不暇。

然而，技术越强大，问题也越清晰：“AI会取代科研人员吗？”“如果是，研究人员未来该何去何从？”

David Baker

2024年诺贝尔化学奖得主、华盛顿大学教授戴维·贝克（David Baker）在近日的访谈中，给出了明确的回答，也缓解了研究人员的焦虑。

他表示， “AI彻底改变了蛋白质设计研究”、 “但AI终究只是一个工具。”

人工智能（AI）不仅能预测蛋白质结构，还能设计出具有所需功能的新型蛋白质

贝克教授利用AI设计了自然界中不存在的全新蛋白质，拓展了生命科学的边界。他目前仍在继续研究，目标是利用AI设计蛋白质，开发并商业化新药。

以下为访谈问答内容：

AI是强大的工具，但选择什么问题，由人决定

问：AI在蛋白质设计研究中占比多大？

贝克：我们实验室大约从2018-2019年开始认真专注于开发基于AI的方法论，目前仍在构建下一代AI以设计更复杂的蛋白质。从方法论开发的角度看，过去六年里几乎所有工作都运用了AI，这一点毫不夸张。

问：AI会取代科研人员吗？

贝克：不会。AI只是一个非常强大的工具。过去，基因测序本身就像一个大型研究项目，但现在只是常规分析——放入样本，第二天就能得到结果。我认为AI最终也会变成这样的工具。

问：AI的局限在哪里？

贝克：比用AI设计蛋白质并在实验室验证更困难的，是将其转化为实际药物并完成临床试验。在这个阶段，公共数据不足，我们对生物学和医学的理解仍不完整。AI很难在这个领域轻易取得突破，它可以辅助设计更适合生产过程的蛋白质，但要大幅缩短临床开发周期，为时尚早。

问：当AI越来越擅长蛋白质设计，人类研究人员需要什么能力？

贝克：关键仍然是提出问题。判断哪些问题重要、规划如何验证设计结果、评估AI的输出在多大程度上可信——这些才是核心。科学的根本问题从未改变。

最重要的是人才

问： AI生物和蛋白质设计，在算力、人才、实验设施、数据中，什么最重要？

贝克：人才最重要。竞争力最终来自获得优秀的研究人员，并支持他们长期深耕自己感兴趣的问题。蛋白质设计不是一个孤立发展就能成长的领域。基础科学、生物、化学、计算这些基础研究必须共同强大。应该支持多元的研究基础，在此基础上发展蛋白质设计。

问：对年轻研究人员和研究生有什么建议？

贝克：不要过度算计未来，而是抓住当下最让你感兴趣、最有热情的问题。科学的新道路往往不是按既定计划走出来的，而是在深入钻研感兴趣的问题的过程中自然开辟的。我本人就是从对蛋白质折叠和结构预测的兴趣出发，最终走向蛋白质设计。真正重要的，是长久而深入地思考你真正关心的问题，并与志同道合的人一起工作。

未来兴趣包括纳米机器和农业

问：如何创造让研究人员自由协作、深入钻研的环境？

贝克：我重视的是一个让人们自然聚集、持续交流的环境。我们实验室每天准备免费食物，任何人都可以来边吃边聊，我们也毫无保留地分享一切。我相信困难的问题合作解决比单打独斗更好。我称之为‘公共大脑’——每个研究者都应该像神经元一样连接和互动，这也是我几乎一直待在实验室的原因。只有这样，我才能立刻看到谁遇到了困难、哪里出现了突破，并给予帮助。

问：获诺奖后演讲和外部邀请一定很多，如何保持平衡？

贝克：我拒绝了大多数邀请。我仍然像过去一样，把大量时间花在实验室里。

问：未来5到10年想涉足哪些新领域？

贝克：很难准确预测。但我看到纳米机器的巨大潜力——在分子或蛋白质层面执行特定功能的超微型机械系统，不仅在医学上，在技术领域也有广泛应用前景。农业也很有意思。随着全球变暖，我们可以用蛋白质设计创造出在更高温下更稳定的植物。唯一确定的是，我不会做和现在一样的研究。

问：为什么不断寻找新课题？

贝克：我比较容易厌倦。我不喜欢重复同样的工作。当一个题目引起我的兴趣，我会一直抓住它、思考它，然后自然而然地进入别人尚未涉足的新领域。

问：作为科学家的终极目标是什么？

贝克：没有一个特定的终极目标。我享受的是在实验室里与研究生和博士后一起发现新事物的过程。当然，有很多重大问题需要解决，比如神经退行性疾病，但与其设定一个单一目标，我更喜欢不断攻克重要问题这个过程本身。