陳天橋認為，發(fā)現(xiàn)式智能能提出問題而非只回答問題，能理解規(guī)律而非僅預測結果，它超越了模仿，具備創(chuàng)造和發(fā)現(xiàn)這些智慧的本質能力，讓通用人工智能（AGI）的意義不再是“取代人類”而是“進化人類”。
為幫助全球科學家推進發(fā)現(xiàn)式智能研究，陳天橋在會上宣布了多項特別針對青年科學家的支持，包括為博士生和博士后提供獨立途徑，建立以自己命名的實驗室等。
一個零能耗的便攜式取水裝置，被放置在空氣濕度不到15%，極其炎熱的美國沙漠“死亡谷”中，很快成功從大氣中取到了飲用水。這個堪稱旅行者救命稻草的神器，是由ChatGPT分子優(yōu)化編輯設計的材料制成。新晉2025年諾貝爾化學獎得主、加州大學伯克利分校的奧馬爾·亞基（Omar Yaghi）教授分享了這一最新成果。
“AI不是工具，而是新的科學思維體。借助人工智能，我們正在賦予科學自行思考、推理和演進的能力。”奧馬爾·亞基說。
除了AI設計的沙漠取水神器，奧馬爾·亞基和團隊基于ChatGPT創(chuàng)建的七個Agents組成虛擬科研團隊，分工執(zhí)行實驗設計、文獻檢索、算法優(yōu)化、實驗安全與數(shù)據(jù)分析等任務，在幾天內完成了上百次實驗，成效顯著。同時，他們訓練ChatGPT閱讀數(shù)千份合成報告并進行推理，證明該模型的預測性能優(yōu)于許多傳統(tǒng)啟發(fā)式方法，ChatGPT從一個文本生成器演變成一個科學推理引擎。
2024年諾貝爾化學獎得主、華盛頓大學的戴維·貝克（David Baker）教授分享了AI如何“從頭設計”蛋白質工程領域。他介紹了其團隊開發(fā)的RFDiffusion3模型，這是一種能夠在三維結構空間中進行運算的先進生成式AI模型。研究人員僅需輸入期望的分子功能，該模型便能生成具有相應功能的新型蛋白質的精確三維結構藍圖。
基于這一技術，團隊已取得多項突破性成果：在神經退行性疾病研究方面，設計出能特異性捕獲β-淀粉樣蛋白的新型肽類結合物，為阿爾茨海默病干預提供新策略；在酶工程領域，成功開發(fā)了首個“從頭設計”的蛋白酶。
貝克教授指出，AI模型的快速發(fā)展高度依賴于一個與實驗數(shù)據(jù)緊密耦合的“反饋閉環(huán)”。他強調，一個高效的“設計-構建-測試-學習”迭代循環(huán)是必不可少的：AI進行預測設計，實驗室進行快速驗證，而實驗產生的數(shù)據(jù)都將即時反饋給模型，用于優(yōu)化算法參數(shù)。
一種利用CRISPR技術開發(fā)的鐮狀細胞?。╯ickle cell disease）基因療法，已于近期獲得美國食品藥品監(jiān)督管理局的批準，首個“個性化”的CRISPR基因編輯療法也已成功實施。2020年諾貝爾化學獎得主、加州大學伯克利分校的珍妮弗·道德納（Jennifer Doudna）教授在演講中分享了這些突破性進展。
珍妮弗·道德納回顧了從在細菌中發(fā)現(xiàn)CAS核酸酶（Cas nuclease）到最終促成CRISPR基因編輯技術誕生的完整歷程，同時指出該領域面臨的巨大挑戰(zhàn)：盡管CRISPR技術無比強大，但即使是在最簡單的生物體中，仍有高達 40%的基本基因的功能至今仍是未解之謎。極大阻礙了基因編輯技術向更縱深領域的推進。
珍妮弗·道德納強調，生物學領域的數(shù)據(jù)是有限的，為生物學構建有效的機器學習模型，需要“經過精心策劃的、包含因果關系的數(shù)據(jù)集”。為此，她提出了CRISPR與機器學習的協(xié)同進化，可以利用CRISPR技術在細胞系中系統(tǒng)性地制造“基因擾動”（gene perturbations），從而大規(guī)模、高效率地篩選并鑒定每個基因的具體功能。這為構建因果數(shù)據(jù)集提供了關鍵工具。
人工智能正以前所未有的方式席卷全球，在不到一年的時間里就達到了50%的美國家庭普及率，而個人電腦實現(xiàn)同一數(shù)字花費了數(shù)十年時間，智能手機也用了10多年。圖靈獎得主、斯坦福大學第十任校長暨現(xiàn)任Alphabet（谷歌母公司）董事長約翰·軒尼詩（John Hennessy）在題為“AI賦能科學與社會”的演講中強調了這一驚人現(xiàn)象。
約翰·軒尼詩指出面對AI技術浪潮人類應共同堅守的關鍵原則：在使用AI或與AI協(xié)作完成工作時，必須保持“透明的披露”；必須嚴格驗證AI生成的內容；對于AI合成的數(shù)據(jù)必須建立詳細的文檔記錄。他特別強調，在涉及人工智能關鍵決策時，人類絕不應被排除在外。
約翰·軒尼詩也分享了兩個擔憂。一是數(shù)據(jù)的質量與數(shù)量。以AI模型目前驚人的數(shù)據(jù)消耗速度，全球現(xiàn)有的數(shù)據(jù)存量可能在4到5年內被耗盡，未來數(shù)據(jù)生成速度能否跟上大型AI模型訓練的步伐。二是關于能源效率。與算力的迅猛增長相比，計算的“能源效率”提升速度則要緩慢得多。
據(jù)悉，研討會還舉行了“AI 驅動科學大獎”（Chen Institute & Science Prize for AI Accelerated Research）頒獎典禮，上一年的三位獲獎青年科學家現(xiàn)場分享了研究成果和獲獎心得。
快報
根據(jù)《網絡安全法》實名制要求，請綁定手機號后發(fā)表評論