“新發現時代開始”

編者按：今天在倫敦，Google DeepMind 與皇家學會共同舉辦了首屆 AI for Science Forum，匯集了諾貝爾獎得主、科學界、政策制定者和行業領袖，探討 AI 推動科學突破、應對全球最迫切的挑戰，並引領全新發現時代的變革潛力。

Google 負責研究、技術與社會的高級副總裁 James Manyika 發表了開幕致詞；以下是其演講稿的文字記錄，按準備內容整理。

AI 對科學的影響近期掀起熱潮，但利用 AI 推動科學邊界的想法並不新鮮。這可以追溯到像 Alan Turing 和 Christopher Longuet-Higgins 這樣的先驅，而最近，我的 Google DeepMind 和 Google Research 的同事們一直處於前沿。

圍繞 AI 與科學的熱議並非要取代科學家，而是關於 AI 如何解決那些受益於計算能力的棘手問題。將 AI 視為科學家的可靠助手。

早在 Hodgkin 和 Huxley 使用計算方法解釋神經衝動如何沿神經元傳遞時，我們就窺見了這種潛力。他們的工作為他們贏得了 1963 年的諾貝爾獎。

時至今日，我的同事 Demis Hassabis、John Jumper 和 AlphaFold 團隊利用 AI 破解了 Christian Anfinsen 在 1970 年代提出的「蛋白質折疊問題」。他們的努力為他們贏得了諾貝爾化學獎。

那麼，AI 究竟如何幫助推動科學進步？

首先談談速度。在某些領域，AI 將原本需要數世紀的研究加速到僅需幾年、幾個月甚至幾天。

AI 還拓寬了研究範圍，讓科學家能夠同時以全新方式探索多個問題，而非一次只研究一個。

多虧了 AI，現在更多人可以參與研究，這意味著我們能更快地加速科學發現。

AI 在各個科學領域推動重大進展

讓我舉幾個例子來說明 AI 如何掀起巨浪，首先從 AlphaFold 開始：

僅在一年內，我的同事預測了幾乎所有已知蛋白質的結構——超過 2 億個。而有了 AlphaFold 3，他們超越了蛋白質，涵蓋了生命的所有生物分子，如 DNA、RNA 和配體。

AlphaFold 為 190 個國家的超過 200 萬研究人員帶來了改變，應對從被忽視的疾病到耐藥菌等問題。

基於 AlphaFold 的 AlphaMissense 幫助分類了近 7100 萬個可能的錯義變體——那些單字母 DNA 變化——為可能有害或無害。這是一個巨大的飛躍，因為只有 0.1% 曾被人類專家確認。

當人類基因組首次被測序時，它基於單一組裝。但去年，我的 Google Research 同事與學術合作者一起發布了首個人類泛基因組參考草稿。這基於 47 個組裝，讓我們對人類遺傳多樣性有了更好的了解。

在神經科學領域，Google Research、馬克斯普朗克研究所和哈佛大學 Lichtman 實驗室長達十年的合作，繪製了人類大腦一小部分的納米級地圖。這種細節水平前所未有，揭示了可能改變我們對大腦理解的新結構。這可能帶來應對阿茲海默症等神經疾病的新方法。完整地圖現已供其他研究人員探索。

除了生命科學，我們在其他領域也看到了突破。

在氣候建模中，我們將機器學習與傳統基於物理的方法結合，創造了 NeuralGCM。這個模型能在傳統模型模擬 19 天的時間內，模擬超過 7 萬天的氣候。

另一個例子是 Google DeepMind 的同事開發的 GenCast。這是一個頂尖的 AI 模型，能比行業標準更準確、更快速地預測未來 15 天的天氣。

我們的 Quantum AI 團隊正在探索曾屬於科幻領域的問題，如研究可穿越蟲洞。這有助於測試近九十年前提出的愛因斯坦-羅森橋的量子引力理論。

事實上，量子與 AI 開始互相幫助。AI 正在推進量子計算，而量子也在推動 AI 研究前進。

我們還在材料科學、核聚變、數學等領域取得進展，均與學術科學家合作。

AI 驅動的科學進展正在產生現實世界的影響

除了這些突破，AI 還以直接惠及人們的方式改進科學，特別是在氣候和醫療領域。

以氣候適應為例，隨著氣候變化，洪水預報變得越來越重要。多虧了 AI，我們現在能以與當前預測相同精確度，提前 7 天預測河流水災。我們的早期預警平台 Flood Hub 始於孟加拉，現已覆蓋超過 100 個國家和 7 億人口。

對於氣候緩解，考慮到飛機凝結尾跡，它們對航空全球暖化的影響高達 35%。我的 Google Research 同事開發了一個 AI 模型，預測凝結尾跡可能形成的地點。在與美國航空公司測試 70 次飛行後，我們看到排放量減少了 54%。

AI 在疾病檢測方面也顯示出前景。八年前，Google 研究人員發現 AI 可以幫助解讀視網膜掃描，檢測糖尿病視網膜病變，這是一種影響約 1 億人的可預防失明原因。我們開發的篩查工具已在全球超過 60 萬次篩查中使用。泰國和印度的新合作將在未來十年內實現 600 萬次篩查。

我們還在結核病、結直腸癌、乳腺癌和孕產婦健康等領域努力。

未來之路

儘管取得了這些進展，我們才剛剛開始。還有許多工作要做。

我認為有三個關鍵領域需要專注，以充分發揮 AI 推動科學進步和為社會帶來實際利益的潛力：

首先，我們需要繼續解決 AI 的局限性，提升其幫助發展新科學概念、理論和實驗的能力。

其次，我們必須堅持科學方法並負責任地使用 AI。科學家、倫理學家和安全專家需要合作，應對科學特有的風險，如病毒和生物武器，以及數據偏差、隱私和環境影響等挑戰。

第三，我們需要讓 AI 驅動的研究工具和資源更容易為全球的科學家所用，確保我們取得的進展惠及全世界的人們。

我對這個新發現時代的未來充滿期待。

我們可以一起做很多事情，打造幫助推進科學的工具，造福所有人。

我們還可以做很多事情，支持在場以及全球的傑出科學家——今天我們將聽到其中一些人的分享。