WIRED 展望：AI 正在攻克更大科學難題，將成科研人員日常標配

2020 年全球爭分奪秒研發新冠疫苗的時候，不少人心裡都有個疑問：喊了這麼多年的人工智慧，這時候怎麼沒幫上什麼大忙？

答案其實很簡單：那場大考來得太早，AI 當時還沒準備好。

轉折發生在那年年底。AI 攻克了困擾生物學界近 50 年的難題——蛋白質三維結構預測，生命科學界把這一步評價為展現 AI 力量的里程碑式飛躍。從那一刻起，事情開始起變化了。

從耗資數千美元到像搜網頁一樣簡單

過去，生物學家為了測定一個蛋白質結構，往往需要投入數千美元以及幾個月甚至幾年的苦工。

如今，藉助基於 AI 的蛋白質結構預測，獲取這些結構幾乎就像在 Google 裡搜一個網頁那麼輕巧。這一突破已經催生了能吃塑膠的全新酶，也讓科研人員更深地搞懂了細胞的運作機制。

天文學、粒子物理、有機化學、醫學影像、生態保護和核聚變領域，AI 也在不斷滲入。但這還只是零星的單點突破，更底層的轉變正在發生。

在 2023 年，AI 將真正從少數頂級實驗室的展示品，變成各領域科學家桌上的日常工具。就像辦公室白領每天離不開電子郵件和文件軟體一樣，科學家也會把機器學習模型當成標配工具。

當通用系統能夠掌握複雜問題背後的基礎規律，它就能打破學科之間的壁壘。無論是最佳化實驗流程、自動化繁瑣步驟，還是啟發新理論、衡量不確定性，AI 正在全方位放大人類的科研智力。

應對極端氣候的新抓手

除了微觀的分子世界，AI 也在把目光轉向宏觀的地球系統。

歐洲乾旱、南亞洪災以及全球各地的極端天氣，把氣候危機推到了所有人眼前。光靠政策調整和可持續消費遠遠不夠，科研人員需要更準的預測工具。

像 Nowcasting 這樣的新型氣象模型，正在幫助個人、國家乃至全球層面做出更及時的規劃。基於物理系統的即時數字孿生，還能讓人類更直觀地看清不作為的代價，以及某項氣候政策或技術干預究竟會帶來什麼後果。

但作者也提醒，每當科學突破引發公眾想像時，往往容易催生不切實際的幻想。當 AI 在某些任務中沒能達成預期時，我們不該因此放棄雄心，而是要牢記它終究是一種工具。

為什麼重要

我們認為，這篇文章點出了 AI 行業正在發生的一個關鍵拐點：從秀肌肉的通用演示，走向硬核科學的基礎設施。

對科研人員和開發者來說，這意味著科研範式正在被徹底重構。以前做前沿實驗要拼裝置、拼經費、拼人力堆時間，現在把 AI 當作日常推理和預測工具，一個小型團隊甚至獨立研究員，也能在基因組學、新材料和藥物研發上快速試錯，門檻被大幅拉低。

對整個行業而言，這股風潮會逼著 AI 研發不再只盯在聊天機器人和寫文案上。能解決物理世界硬核複雜問題的基礎模型，才是拉開代際差距的護城河，算力和演算法正在重塑氣候模型、核聚變控制和生物化學研發的上游鏈條。

不過看起來，這件事最大的隱患恰恰在於文章提到的錯位預期。AI 在生物結構預測上的驚豔表現，並不意味著它能在所有科學領域立刻複製奇蹟；數字孿生和氣象預測對真實物理規律的擬合還有漫長的路要走。盲目把 AI 結果當成絕對真理，可能會把研究引向歧途，它必須留在科學家的工具箱裡充當副駕，而不是完全交出方向盤。