AlphaFold改变了科学，五年过去，它仍在不断进化

自2020年AlphaFold2问世以来，DeepMind彻底改变了蛋白质折叠预测领域。其构建的数据库已包含超2亿个预测结构，被全球190个国家的近350万研究人员使用，2021年发表于《自然》的相关论文至今已被引用4万次。AlphaFold3进一步将AI能力扩展到DNA、RNA和药物研发领域，但也面临蛋白质无序区域的“结构幻觉”等挑战。

为探讨AlphaFold未来五年的发展，《连线》杂志采访了DeepMind研究副总裁、AI for Science部门架构师Pushmeet Kohli。Kohli博士表示，科学从一开始就是DeepMind的核心使命，Demis Hassabis创立公司的理念便是AI能成为加速科学发现的最佳工具。游戏（如围棋）只是测试场，用于开发最终可解决现实问题的技术。

他的角色主要是识别并攻克AI能产生变革性影响的科学难题，规划突破所需的关键要素，并组建跨学科团队应对这些重大挑战。AlphaGo证明神经网络结合规划与搜索能掌握极复杂系统，而蛋白质折叠同样具备这些特性，且解决它能推动生物学和医学领域的发现，切实改善人类生活——这类问题被他称为“根节点问题”，即科学界公认解决后具有变革性意义，但传统方法在5-10年内难以攻克的领域。

关于“结构幻觉”问题，团队的核心理念是将创造性生成与严格验证相结合。从AlphaFold2到AlphaFold3，他们通过置信度评分等方式应对扩散模型易产生的“幻觉”，并经科学家多年实验室验证确保可靠性。

“AI共同科学家”是基于Gemini 2.0构建的多智能体系统，能识别研究空白、生成假设并提出实验方案，可大幅压缩假设生成阶段（如快速整合数十年文献），但人类科学家仍负责设计验证实验和理解研究对患者的意义。例如，帝国理工学院研究人员利用它研究“海盗噬菌体”（劫持其他病毒的病毒）如何入侵细菌，为解决抗生素耐药性开辟了新方向。

展望未来五年，除蛋白质和材料科学外，Kohli最关注的是理解细胞作为完整系统的功能——破译基因组是关键。DNA是生命的“食谱”，蛋白质是“原料”，若能理解基因差异及DNA变化的影响，不仅能推动个性化医疗，还可能设计新酶应对气候变化等。尽管完整细胞模拟仍需时日，但从细胞核内部结构研究起步，逐步实现这一目标将彻底改变医学和生物学，如在合成前通过计算测试候选药物、从根本上理解疾病机制等。