澎湃新闻记者 张静
(资料图片仅供参考)
·在生物医药领域，人工智能从业者要跨领域合作，也要不断提高自身修养。刘铁岩预测，可能还要5-10年才能真正形成比较稳定的技术路线，也可能还需要再过5-10年人工智能才能对制药行业产生本质的颠覆式影响。
微软杰出首席科学家、微软亚洲研究院副院长、微软研究院科学智能中心亚洲区负责人刘铁岩作线上分享。
“我们绝对不能够天真地以为我们手里拿着一个AI的大锤到处去敲一敲，就可以颠覆整个行业。”
9月2日，在2022世界人工智能大会上海生物计算论坛上，微软杰出首席科学家、微软亚洲研究院副院长、微软研究院科学智能中心亚洲区负责人刘铁岩表示，生物医药领域水深，人工智能从业者要跨领域合作，也要不断提高自身修养，消化生物医药知识。他预测可能还要5-10年才能真正形成比较稳定的技术路线，也可能还需要再过5-10年才能对制药行业产生本质的颠覆式影响。
谈到AI+生物医药，就不得不提到AlphaFold2，它解决了结构生物学50年难题，目前可预测科学界几乎所有已知的蛋白质3D结构，可预测结构数量达2.14亿个。其扩展的开源蛋白质信息数据库包含植物、细菌、动物和许多其他生物的结构，可作为科学发现的重要资源，帮助更好了解疾病，加速药物发现和生物学创新。
刘铁岩表示，AlphaFold2的成功确实让人们体会到了人工智能、大数据、大模型、大计算这些因素集合在一起带来的不同，这种“不同”某种意义上讲是近年来人工智能发展的一种充分体现，比如通过预训练大模型，为丰富的下游任务提供各种有力支撑。“其实不管是视觉还是自然语言领域，都有优秀的Foundation Models（注：基础模型，预训练模型），这种趋势未来会在生物医药领域进一步延展。”
除了基础模型，刘铁岩认为，强化学习技术在未来一段时间应该是生物医药领域非常有潜力的一项技术，这是因为药物设计本身就是一个搜索的问题。
强化学习是人工智能的重要分支。在2016年击败围棋世界冠军李世石九段的AlphaGo，其令世人震惊的博弈能力就是通过强化学习训练出来的。强化学习会从一个初始策略开始，通常初始策略不一定很理想。在学习过程中决策主体通过行动和环境进行交互，不断获得反馈（回报或者惩罚），并根据反馈调整优化策略。
“回过头来看，在今天这个节点上，无论是深度学习还是强化学习，我们看到大多数还是为传统领域发明的人工智能算法和工具在起作用。”刘铁岩认为，在生物医药领域，人工智能要走的路还非常远，需要和生物学家、化学领域的科学家、制药行业专家密切合作。
“我们绝对不能够天真地以为我们手里拿着一个AI的大锤到处去敲一敲，就可以颠覆整个行业。这个领域的水很深，需要我们跨领域合作，也需要人工智能从业者不断提高自己的修养，把这些知识消化了。”他预测，“可能还要5-10年的时间，我们才能真正形成一些比较稳定的技术路线，也可能还需要再来5-10年才能够对制药行业产生一些本质的颠覆式的影响。”
他也提到，药物设计是一个具有丰富研究场景的领域。从研究对象来讲，比如小分子药物、抗体药、基因疗法等，它们的原理和应用场景都有很大差异。从药物制药流程来看，靶点发现、先导化合物的筛选优化、临床效果预测等，各环节都有独特的技术挑战。
“面临这样一个非常丰富的研究场景，本来就应该是一个百花齐放、百舸争流的状态。但是反过来如果我们审视一下今天AI制药这个领域，事实上存在一些问题，有一些扎堆的现象，比如有时候大家都会卷到靶标蛋白的结构预测题目上。”
刘铁岩认为，之所以出现这些扎堆的现象，其中一部分原因是，这些领域已经有比较成熟的基础技术，研究者还没有以长期主义的心态来构建自己的技术壁垒。“我们希望能够以更加长远、更加基础的视角去看待人工智能在科学领域的应用，包括AI制药方面的相关研究。”
上海生物计算论坛由世界人工智能大会组委会办公室指导，上海市生物医药产业促进中心、上海市人工智能行业协会、机器之心发起并联合主办，上海中青年知识分子联谊会、上海市经济和信息化系统中青年知识分子联谊会协办，以线上线下方式分享了生物计算技术创新与应用实践。
