在近日举行的未来科学大奖十周年活动上,中国科学院院士、西湖大学校长施一公的一席话,给正在AI浪潮中摸索的科研工作者和学子们注入了一剂"清醒剂"。这位结构生物学领域的领军人物坦言自己"天天用AI",却反复强调一个核心观点:无论AI如何强大,科研人员的立身之本永远是扎实的基本功和批判性思维。
施一公毫不避讳地分享了自己的AI使用场景:从日常研究的"豆包、DeepSeek"等轻量级工具,到利用AI辅助课题选择和大规模数据分析。这种开放态度揭示了一个趋势——AI已成为顶尖实验室的"标配"。但他特别指出,工具的价值取决于使用者的能力:"就像给小学生和数学家同样的计算器,产出的价值天差地别。"
谈到AI对生命科学的颠覆时,施一公以AlphaFold为例,生动描述了科研范式的转变:"现在任何一个蛋白,我们都能快速获得其同源结构预测,数量级可能是几万甚至几十万。"这种"信息过载"反而创造了新机遇——通过对比最差异化的蛋白序列,研究者可能发现前所未有的生物学规律。
他特别强调,这种"从结构反推功能"的逆向研究模式,彻底打破了传统生物学"从现象到机制"的线性思维,使得"从原子细节推导疾病机理"成为可能。这种变革不仅加速了科研进程,更重新定义了科学问题的提出方式。
面对现场学生,施一公的叮嘱显得尤为语重心长:"不管AI如何进步,最终比拼的还是你的基本功和批判性思维。"他举例说明,即使AI能预测蛋白结构,但要判断哪些预测结果具有生物学意义,仍需研究者对生物化学原理的深刻理解。
这番论述揭示了一个深层矛盾:当AI降低了技术门槛,真正稀缺的反而是那些需要长期积累的能力——提出关键问题的直觉、甄别数据真伪的判断力,以及跳出算法框架的原创思维。正如施一公所言:"AI延展了人类的想象力,但想象的方向盘必须握在人的手中。"
施一公特别呼吁加强"自下而上"的合作:学生之间、导师之间、跨学科团队应当借助AI实现更高效的思维碰撞。这种主张暗含对科研文化的革新——当AI承担了大量技术性工作,人际协作的重点应转向创意激发和交叉验证。
施一公的观点为AI时代的科研教育指明了双重路径:既要拥抱技术变革,像"天天用AI"那样保持工具敏感度;更要坚守科学本源,以扎实训练锻造不可替代的认知能力。在这个算法迭代速度远超教材更新的时代,或许正如他所暗示的——最大的风险不是被AI取代,而是误把工具当成了智慧本身。
相关文章
“小力出奇迹”VS“大力出奇迹”:DeepSeek能否挑战科技巨头的AI霸主地位?
微软发布创新大模型MatterGen:材料设计领域的重大突破,准确率提升10倍
松下电器澄清退出电视业务传闻:未作出任何决定,集团正推进经营改革