诺贝尔连续两个奖项都颁给 AI ，对 AI for science 意味着什么？

如果说诺贝尔物理学奖颁给了机器学习让人眼前一黑，但诺贝尔化学奖颁给AI用于蛋白质结构预测和蛋白质设计，就是眼前一亮了。

我认为这是实至名归的，甚至可以说是众望所归的。

关于蛋白质结构预测这个领域，其实当年在AlphaFold出现的时候已经聊了很多了，可以说是扭转了大家对于蛋白质结构不可预测的一个刻板印象。

但太多人没有想到，AlphaFold只是一个开端，揭开了生命科学领域飞跃的一个序幕。

Baker当年在做蛋白质结构预测的同时，还在做另一个工作，从头设计蛋白质，这项工作的意义，对于生命科学来说，几乎是天翻地覆的变化。

举个例子，之前我们在生命科学领域，很多时候处在一个发现，也就是“discovery”的阶段。这好比原始人一样，我们发现了石头很硬，我们发现了石头可以砸人，我们发现燧石可以生火。

而接下来的工作就是改良，比如我们发现把石头磨的尖一些，可以更锋利，可以切割，可以绑在木头上当斧头。

对，之前的生命科学很多时候就是这个阶段。

比如举个例子，在近代生物研究中，有重要作用的PCR反应，拿到了1993年的诺贝尔奖，其中有一个重要的工作是，寻找一个在高温下可以生效的TagDNA聚合酶。如果没有这个酶，就不存在PCR这个发现。那这个酶是哪里来的呢？

1969年，Tomas Brock从黄石国家公园的高温温泉中鉴定到了全新的耐热细菌，1976年，Jhon Trela和他的学生，华人科学家钱嘉韵成功从该菌种内提取到了能够耐75°C以上高温的TagDNA聚合酶。也就是说，这个酶本身就是自然界存在的，是细菌在火山温泉的环境下进化而来的。只是我们现在对这种酶进行了一些修改，让它变得更好用了一些。

是不是感觉从自然界里找个石头打磨了一下绑在木头上当斧头没什么区别？

再举一个例子。

2008年的诺奖，绿色荧光蛋白，这种蛋白成为了后来的直到今天也是重要的科研技术之一。那这个蛋白哪里来的？

是下村修在1960年代，在美国的海里的一种能发绿色荧光水母中发现的。

一直到1994年，钱永健对这种蛋白进行了一些加工，使得它更加的好用，走入了科研工作者的必备工具盒里。

是不是还是有一种原始人加工石头斧子的感觉？

大家除了在生物界经常听到discovery以外，你们在IT界听到过吗？你们在制造业听到过吗？

有哪个大佬说我们discovery了一个新APP？有哪个大佬说我们discovery了一个新汽车？都没用。大家用的是什么？是design。

而用了AI蛋白质结构设计以后，生命科学，或者说蛋白质工程学，也走到了design这个阶段。我们可以运用AI去设计一个耐高温，耐低温，发各种颜色的光，或者去靶向各种癌细胞，或者是去治疗人类的各种疾病，甚至是催化各种反应的酶。

虽然现在能做的还不多，但这是0和1的本质上的区别。

比如以我的领域来说，之前，我们合成生物学做的是想办法合成自然界中的高价值低产量的产物，比如女生们常用的玻尿酸就是这么来的。

但未来呢？我们会走入设计生物学的阶段，我们想要什么功能，就去设计什么。甚至未来我们可以设计出基于蛋白质和DNA结构的计算机。

未来，ai for science，已经是不可阻挡的趋势了。