“新发现时代开始”

编者按：今天在伦敦，谷歌DeepMind与皇家学会共同举办了首届科学AI论坛，汇集了诺贝尔奖得主、科学界人士、政策制定者和行业领袖，探讨AI推动科学突破、应对全球最紧迫挑战、引领发现新时代的变革潜力。

谷歌研究、技术与社会高级副总裁詹姆斯·马尼卡发表了开幕致辞；以下是其演讲的文字记录，按准备稿整理。

AI对科学的影响最近掀起了波澜，但利用AI推动科学边界并非新概念。这一想法可追溯至艾伦·图灵和克里斯托弗·朗盖特-希金斯等先驱，而最近，我的谷歌DeepMind和谷歌研究的同事们一直处于前沿。

围绕AI与科学的热议并非要取代科学家，而是关于AI如何应对那些能从计算能力中受益的棘手问题。把AI想象成科学家的可靠助手。

早在霍奇金和赫胥黎使用计算方法解释神经冲动如何沿神经元传递时，我们就窥见了这种潜力。他们的工作为他们在1963年赢得了诺贝尔奖。

快进到今天，我的同事德米斯·哈萨比斯、约翰·詹珀以及AlphaFold团队利用AI破解了克里斯蒂安·安芬森在1970年代提出的“蛋白质折叠问题”。他们的努力为他们赢得了诺贝尔化学奖。

那么，AI究竟如何帮助推进科学？

首先谈谈速度。在某些领域，AI正在加速研究，原本需要几个世纪的工作被压缩到几年、几个月甚至几天。

AI还在拓宽研究范围，让科学家能同时以全新方式探索多个问题，而不是一次只研究一个。

多亏了AI，更多人现在可以加入研究行列，这意味着我们能更快地加速科学发现。

AI在多个科学领域推动重大进展

让我举几个例子，说明AI如何掀起巨大波澜，首先是AlphaFold：

仅一年时间，我的同事们就预测了近乎所有已知蛋白质的结构——超过2亿个。而AlphaFold 3更进一步，涵盖了生命的所有生物分子，如DNA、RNA和配体。

AlphaFold为190个国家的超过200万名研究人员带来了变革，涉及从被忽视的疾病到耐药菌的各种研究。

基于AlphaFold的AlphaMissense帮助分类了近7100万个可能的错义变体——那些单字母DNA变化——将其分为可能有害或无害。考虑到只有0.1%被人类专家确认，这是一个巨大的飞跃。

当人类基因组首次被测序时，它基于单一组装。但去年，我的谷歌研究同事与学术合作者一起发布了首个人类泛基因组参考初稿。这是基于47个组装，给我们提供了更全面的人类遗传多样性图景。

在神经科学领域，谷歌研究、马克斯·普朗克研究所和哈佛的利希特曼实验室进行了长达十年的合作，制作了人类大脑某部分的纳米级地图。这种细节水平前所未有，揭示了可能改变我们对大脑理解的新结构。这可能带来应对阿尔茨海默病等神经疾病的新方法。完整地图现已供其他研究人员探索。

除了生命科学，我们在其他领域也看到了突破。

在气候建模中，我们将机器学习与传统基于物理的方法结合，创建了NeuralGCM。该模型能在传统模型模拟19天的时间内，模拟超过7万个大气日。

另一个例子是谷歌DeepMind的同事开发的GenCast。这是一个顶尖的AI模型，比行业标准更准确、更快地预测未来15天的天气。

我们的量子AI团队正在探索曾经属于科幻领域的课题，如研究可穿越的虫洞。这可能有助于验证近九十年前提出的爱因斯坦-罗森桥的量子引力理论。

事实上，量子与AI开始相互助力。AI在推进量子计算，量子也在推动AI研究前进。

我们还在材料科学、核聚变、数学等领域取得进展，均与学术科学家合作。

AI驱动的科学进步正在产生现实影响

除了这些突破，AI还在以直接惠及人类的方式改进科学，特别是在气候和医疗等领域。

以气候适应为例。由于气候变化，洪水预测变得越来越重要。多亏了AI，我们现在可以提前7天预测河流洪水，精度与当前预测相当。我们的早期预警平台Flood Hub始于孟加拉国，现已覆盖100多个国家，惠及7亿人。

在气候缓解方面，考虑飞机凝结尾迹，其对航空全球变暖影响高达35%。我的谷歌研究同事开发了一个AI模型，预测凝结尾迹可能形成的区域。在与美国航空公司测试70次飞行后，我们看到排放量减少了54%。

AI在疾病检测方面也显示出潜力。八年前，谷歌研究人员发现AI可帮助解读视网膜扫描，检测糖尿病视网膜病变——一种影响约1亿人的可预防失明原因。我们开发了一个筛查工具，已用于全球超过60万次筛查。泰国和印度的新合作伙伴关系将在未来十年实现600万次筛查。

我们还在研究肺结核、结直肠癌、乳腺癌和母婴健康等领域。

未来之路

尽管取得了这些进展，我们才刚刚开始。还有很多工作要做。

我认为有三个关键领域需要重点关注，以充分发挥AI推进科学的潜力并为社会带来切实益处：

首先，我们需要继续解决AI的局限性，提升其帮助开发新科学概念、理论和实验的能力。

其次，我们必须坚持科学方法，负责任地使用AI。科学家、伦理学家和安全专家需共同努力，应对科学特有的风险，如病毒和生物武器，以及数据偏见、隐私和环境影响等挑战。

第三，我们需要让更多科学家能访问AI赋能的研究工具和资源，确保我们的进步惠及全球人民。

我对这个发现新时代的未来充满期待。

我们可以一起做很多事情，构建工具以推进科学的进步，造福所有人。

我们可以做很多事情，支持这里和全球的杰出科学家——今天我们将听到其中一些人的分享。