AI 做科学：从 AlphaFold 说起
一个困扰生物学五十年的问题被一个神经网络在两年内解决了大半，然后同样的事在气象、材料、数学、药物上接连发生。这篇写给不做 AI 的科学与工程研究者：它在你的领域能做什么，怎样开始，哪里要小心。
这一讲对应《Hello, AI》第 13 章《AI 做科学：从 AlphaFold 说起》。主线约 19 分钟的阅读量，展开讲一节课。
本章要回答的问题：一个语言模型的近亲，为什么能解决化学问题、预报天气、证明定理？它在哪些领域已经改变了研究方式，在哪些领域只是噱头？一个不做 AI 的研究者，该从哪里开始？
「在某种意义上，问题解决了。」
两年一度的蛋白质结构预测竞赛公布结果。一个来自 DeepMind 的系统，在大多数题目上给出了与实验测定几乎一致的答案。
竞赛的发起人说了上面那句话。
这个问题，生物学家已经攻了五十年。
四年后，它的两位主要作者获得诺贝尔化学奖。
- AI 模型开始比超级计算机更准地预报天气
- 提出了几十万种从未合成过的晶体
- 在国际数学奥林匹克上拿到金牌水平的分数
- 把一个候选药物送进了临床试验
这一章写给一个特定的读者：学的是化学、物理、生物、材料、土木、机械、医学，不是计算机。它比别的章长。
一个语言模型的近亲，为什么能解决化学问题、预报天气、证明定理？
它在哪些领域
已经改变了研究方式？
在哪些领域
只是噱头？
一个不做 AI 的研究者
该从哪里开始？
前半把 AlphaFold 讲透，因为它是所有故事的原型；后半走过其他领域；最后是共同模式、边界，和一份路线图。
原型：AlphaFold
一个困扰生物学五十年的问题，被一个神经网络在两年内解决了大半。
两亿条序列，十几万个结构
蛋白质是生命的机器：消化、免疫、肌肉收缩、光合作用。每种蛋白质是一条由二十种氨基酸按特定顺序连成的链，几十到几千个单元。
链在细胞里自发折叠成一个精确的三维形状，形状决定功能：
一个酶的口袋刚好容纳它要切割的分子，
一个抗体的表面刚好贴合它要识别的病毒。
形状（结构）极难测：把蛋白质结晶后用 X 射线衍射，或用冷冻电镜——一个结构常常要一个博士生做几年，有些几十年也做不出来。
「从序列预测结构」1972 年就被明确提出：既然折叠是自发的，序列里就应该包含形状的全部信息。
但一条链可能的形状数量是天文数字，物理模拟每一个原子的相互作用，算力上遥不可及。五十年里有过很多部分进展，没有解决。
「序列易测、结构难测」这个不对称，是整个故事的前提。可以问学生：还有哪些学科有类似的不对称？
同一个机制，换了一种序列
「苹果」要看「吃」
来确定含义
第八章：注意力让序列里每个位置都能看见其他位置。
第 30 个氨基酸要看第 200 个
来确定位置
链上相距很远的两个氨基酸，折叠后可能紧挨着，它们之间的关系决定形状。
还有一个生物学特有的线索：进化。
同一种蛋白质在不同物种里的序列略有差异，但形状相同。如果两个位置在进化中总是一起变化，它们很可能在空间上接触。
系统把几百条相关物种的序列排在一起，让注意力在「序列内」和「序列间」两个方向上工作，从进化的痕迹里读出接触关系。
第一道自测题就是这个。学生能答出来，说明第八章学到位了。
网络自己学出了化学规则——没有人告诉它
- 网络的另一半直接在三维空间里工作它输出每个原子的坐标，并反复修正，像雕塑一样一轮轮把形状调准。
- 端到端训练从序列到坐标，训练数据就是那十几万个已知结构。
网络自己学出了
「什么样的序列片段倾向于折成螺旋、
什么样的折成片层」。
没有人告诉它化学规则。
这是第六章「表示学习」在科学里最漂亮的一个例子。
一个常被忽略、但极其重要的设计
AlphaFold 对每个氨基酸的位置输出一个置信度分数。
这个分数经过校准（第十章讲过这个词）：分数高的区域，实验验证后确实准确；分数低的区域，往往是蛋白质里本来就没有固定形状的部分，或者是网络确实拿不准的地方。
生物学家于是可以只信任高置信度的部分，把低置信度的部分当作「待实验」。
编造时和陈述事实时
语气一样自信
会告诉你
它哪里不确定
一个科学工具能被信任，不是因为它总是对，
而是因为它知道并说出自己何时可能错。
这是你评价任何「AI 做科学」工具时该问的第一个问题：
它给不给置信度？置信度校准过吗？
这一页可能是全章最该被记住的一页。建议板书那两个问题。
一个博士生做几年的事，变成了在数据库里搜一下
以前，研究者选择研究哪个蛋白质，部分取决于「能不能测出结构」。
现在，任何蛋白质的大致形状
都是已知的起点。
药物设计、酶的改造、疾病机制的研究，都从「先想办法得到结构」变成了「从结构出发」。
第一章说过：当一个 AI 系统能拿化学奖，它就不再是「计算机的事」。
「改变了研究的起点」——这句话适用于本章后面所有领域。
四条边界
它预测的是静态形状
蛋白质在细胞里是动的，很多功能来自形状的变化。它给出的是一个「代表性」形状，不是运动过程。
它依赖进化线索
对没有近亲序列的蛋白质（人工设计的、极罕见的），准确率明显下降——它读不到进化的痕迹。
它不解释为什么
五十年的科学问题是「折叠是怎样发生的」，它回答的是「折叠的结果是什么」。
一个有用的预测器，不等于一个理论。
它不做实验
预测再准也是预测。它改变了实验的起点，没有取代实验。
第三条是第十章讲的黑箱在科学里的形态。可以问：对科学来说，「能预测」和「能解释」哪个更重要？这是个好讨论题。
从预测到设计
AlphaFold 回答「这条链会折成什么」。反过来的问题更有野心：「我想要这个形状，该用什么序列？」
扩散模型：从一团随机的原子坐标出发
- 去噪成一个稳定的骨架2023 年，扩散模型（第十一章讲的画图的那种）被用到了这里。
- 再为骨架配上序列
- 在实验室里合成出来相当比例真的折成了设计的形状并具有设计的功能：结合某个靶点的抗体、切割某种塑料的酶、能在体内组装成纳米笼的部件。
以前设计一个可用的蛋白质要几年，
现在几周。
第一章说生成是造出原本不存在的东西。
在这里，不存在的东西是一个分子；
而它是否真的有用，
由实验室说了算。
注意扩散模型在这里的迁移：画图的技术原样搬来设计分子。这是本章反复出现的主题——同一个机制换一种序列。
材料、天气、数学
同样的模式在三个领域接连发生，而且各自暴露出不同的瓶颈。
瓶颈从「想到」变成了「验证」
材料科学有和蛋白质类似的结构：已知几十万种晶体的结构和性质（一个公开数据库积累了二十年），目标是找到新的、稳定的、有某种性质的材料。
随后有材料学家指出：那几十万种「新」材料里相当一部分只是已知材料的微小变体，真正有实用价值的很少，而且「热力学稳定」不等于「能合成出来」。
这不是失败，是科学的正常流程。但它提醒了一件事：
AI 生成候选的速度远超实验验证的速度。
自动实验室正是为了解决这个瓶颈——它是 AI 做科学里「数据闭环」的实验室版本。
第三道自测题就是「AI 发现了几十万种新材料」这句话该怎样读。这是训练学生读 AI 新闻的好例子。
算法提出，机器人合成，仪器验证，下一轮
这就是数据闭环。专题三《自动驾驶》里讲过同一个词。
不解方程，从四十年的历史里学
几亿个格子 + 物理方程
超级计算机跑几个小时。二十世纪最伟大的工程成就之一，几十年里预报能力每十年延长一天。
一块芯片跑一分钟
用全球气象机构几十年的再分析数据训练：给定此刻的大气状态，预测六小时后的，再迭代下去。
华为、DeepMind、英伟达、上海的团队都发布了各自的版本，在十天预报的大多数指标上追平或超过了最好的数值模型。
2024 年生成式版本进一步给出概率预报（几十种可能的未来），对台风路径尤其有用。2025 年起，主要气象机构开始把 AI 模型纳入业务预报，与数值模型并行运行、互相校验。
「不解方程」这四个字对物理和大气专业的学生冲击很大，值得停一停。
这三条正是下一节的共同模式
数据
几十年、全球、格式统一、免费。
目标
明确到一个数字。
检验
每一天现实都在给出新的标准答案。
它的短板同样典型。AI 模型对训练数据里罕见的极端事件（百年一遇的暴雨）不如物理模型可靠，有时会给出物理上不自洽的场（比如能量不守恒）。
所以业务上是两者并行，而不是替代。
「极端事件不可靠」正是第五章的分布偏移。而极端事件恰恰是预报最要紧的部分——这个矛盾值得让学生想一想。
提出的是模型，检验的是逻辑
一个形式化的证明要么通过检验器，要么不通过，没有幻觉的空间。模型尽情提出，检验器负责否决——第三章的搜索加第九章的强化学习，在这里有了最干净的奖励信号。
这也是数学家真正开始用它的方式：不是让它证明大定理，而是让它把一个想法形式化、检查一个引理、在文献里找一个相关结果。
更像第十四章的「一起做」而不是「交给它」。
边界同样清楚：奥赛题是有标准答案、短证明的题；研究级问题需要新概念，而「提出值得证明的定理」到 2026 年仍然是人的事。
第四道自测题。「没有幻觉的空间」这个说法，和第十章形成了完整的对照。
药物、物理工程、基因
闭环最慢的、最朴素的，和几乎可以原样搬过来的。
在结果出来之前，「AI 发现了新药」都是「AI 提出了候选」
它是 AI 被寄予最大期望、也最难兑现的领域，原因是它的闭环最慢：一个候选分子从设计到证明对人有效，要十年和十亿美元。
- 找靶点：从基因和文献里找出与疾病相关的蛋白质
- 设计分子：生成能结合靶点的候选（AlphaFold 第三代直接预测分子与蛋白质怎样结合）
- 预测性质：毒性、代谢、能否口服
- 优化临床试验的设计
2023 年，一个由 AI 找靶点、AI 设计分子的候选药物进入二期临床。到 2026 年，几十个 AI 参与设计的分子在临床试验中，但还没有一个走完全程上市。
临床试验就是「测试集」，
而它的结果要等很多年。
闭环快得多：视网膜病变、乳腺 X 光片上的钙化点、病理切片里的肿瘤——深度学习在多项任务上达到或超过专科医生，一些系统已进入常规使用。
但第五章的公平性问题在这里最尖锐：
在一家医院的数据上训练的模型，换一家医院、换一种设备，准确率可能明显下降。
第二道自测题对比的就是气象和药物。可以让学生自己说出「差在哪一角」。
AI 做「代理模型」：不替代物理，替代物理模拟的等待
核聚变
2022 年，用第三章的强化学习控制托卡马克里的等离子体：几十个磁线圈的电流每秒调整上万次，把上亿度的等离子体维持在设计的形状里。
控制器在仿真里训练，然后在真实装置上工作。这是「学习出来的控制器」在极端物理环境里的第一次。
芯片设计
把几百万个元件的布局当作一盘棋，用强化学习在几小时内完成人类工程师几周的工作。
它被用在了真实芯片上，也引发了关于评估方法的争议——这个争议本身是科学界处理「AI 声称」的一次演练。
流体与结构
用神经网络替代昂贵的数值模拟（流体力学、有限元），几秒钟给出近似解，用于设计早期的快速迭代，精确解仍由传统模拟给出。
这是工程领域最普遍的用法。
天文与粒子物理
望远镜和对撞机的数据量早已超过人能看的范围，深度学习负责分类星系、筛选事件、发现异常。
这里 AI 的角色最朴素：第一章的识别能力，用在人看不过来的地方。
「替代物理模拟的等待」这个措辞很准确，工科学生一听就懂。
四个字母写成的三十亿长的序列
第七到九章的语言模型技术几乎可以原样搬过来。
- 2023：七千多万种单点突变一个系统对人类基因组中所有可能的单点突变给出「可能致病」或「可能良性」的判断，把此前只有百分之几被分类的突变一次性覆盖，成为临床遗传诊断的参考之一。
- 2024 之后：基因组语言模型在整段 DNA 上预训练，并生成新的序列。
- 单细胞基础模型在几千万个细胞的表达数据上预训练，用于识别细胞类型和预测扰动的效果。
它们是强大的预测器，
不是机制的解释；
在训练数据覆盖的物种和条件下可靠，
在之外不可靠。
「基因组是一种文本」——这句话让第七章的分词和嵌入突然有了生物学的意义。
共同模式与共同边界
走过八个领域，可以把它们叠在一起看。
缺哪一角，AI 做科学就会变成什么样
- 大量结构化的数据结构库、再分析、晶体库、基因组
- 一个明确的预测目标结构、明天的温度、稳定性、是否致病
- 能检验答案的办法竞赛盲测、实验合成、明天的观测、证明检验器
三角俱全的领域（蛋白质、气象、数学）进展最快；
缺第三角的领域（药物）进展最慢——因为预测可以看起来很准而无人能证伪；
缺第一角的领域回到第四章的表格模型，同样有用，只是不「深」。
我的领域有多少可用的数据？
目标能不能写成一个数？
答案能不能被检验，多快？
这三个问题建议板书，并让学生当场回答自己的专业。这是本章最实用的输出。
它们全都在这门课前面讲过
预测而非解释
所有这些系统都回答「是什么」，不回答「为什么」。
而科学的目标里有一半是「为什么」。
训练分布之外不可信
极端天气、无进化线索的蛋白质、换一家医院的影像——
都是第五章的分布偏移。
实验闭环不可省
材料的故事最清楚：AI 提出候选的速度远超验证的速度。
瓶颈在验证。
三条边界，三章来源。这正说明前面的基础章节不是铺垫，而是工具。
真实，但要按第五章的方式读
第十二章讲的智能体进入科学之后，出现了一类系统：让模型自己提出假设、设计实验、分析结果、写论文。
- 2025 年，一篇完全由这类系统生成的论文通过了一个学术会议研讨会的同行评审（评审者事先同意参与实验）
- 同年，一个多智能体系统提出了一种已上市药物的新用途假设并被实验初步支持
- 一家大公司的「AI 联合科学家」在几天内独立重现了一个实验室花了十年才发现的细菌基因转移机制的假设
- 它们是精心挑选的成功案例系统在多少次尝试里成功了一次，通常不公布。
- 「重现已知发现」不等于「做出未知发现」
- 论文通过评审不等于论文重要
但方向是清楚的。科学工作里那些「有大量先例、可以被检验」的部分——文献综述、常规分析、假设的初筛、代码——正在被智能体接手。
留给人的是：提出值得问的问题、设计能证伪的实验、判断一个结果是否重要。
这三件事，恰好是科学训练的核心。
最后一句对研究生特别重要：它既是安慰，也是要求——科学训练的核心内容不但没有贬值，反而是唯一升值的部分。
给不做 AI 的研究者：从哪里开始
按投入从小到大。
大多数「AI 在某领域的应用」论文的错误，出在数据划分上
- 先用现成的AlphaFold 数据库、开放权重的天气模型、公开的材料预测、基因突变的分类——免费、有文档、经过同行检验。用它们做你研究的起点，不需要训练任何东西。第一步是知道自己领域有哪些这样的工具。
- 你的数据加标准方法实验室积累的几千条测量数据，配上第四章的梯度提升树或一个小网络，常常已经能发现有用的规律。
这一步的陷阱全在第五章：划分数据要按时间或按批次，防止泄漏，报告在没见过的数据上的表现，按子集拆开看。大多数论文的错误出在这里，而不是模型。 - 让编程智能体做数据分析读文件、清洗、画图、跑统计、写脚本——都是「有大量先例、结果可检查」的任务。你不需要会写代码，需要会读结果、会核对。
这是对非计算机专业研究者影响最直接的一件事。
第二条可以强调：审稿时先看数据是怎么划分的，比看模型有用得多。
最大的风险不是它做不到，而是它「看起来做到了」
找一个懂两边的人
领域知识决定问什么、数据里有什么陷阱、结果是否合理；
AI 知识决定用什么方法、怎样避免第五章的坑。
最好的工作几乎都来自两边都在的合作。
发表时说清楚
- 报告基线（简单方法能做到多少）
- 报告在分布之外的表现
- 公开数据和代码
- 给出置信度
AI 做科学最大的风险不是它做不到，
而是它「看起来做到了」。
「给出置信度」回到了 AlphaFold 那一页。全章首尾呼应。
共同模式是数据、目标、检验的三角；
共同边界是预测不是解释、
分布之外不可信、实验不可省。
它把「先想办法得到答案」变成了「从答案出发」。
而提出值得问的问题、设计能证伪的实验、判断结果是否重要，
仍然是科学家的工作。
这一章比别的章长，但收在这一页。下一章回到每个人自己怎么用。
语言模型和蛋白质结构预测看起来毫不相关，AlphaFold 为什么能用注意力机制？
为什么气象是 AI 走得最顺的领域，而药物最慢？
二、气象三角俱全：几十年的全球数据、明确的目标、每天都有新的标准答案。药物缺第三角：验证要十年和十亿美元，预测可以看起来很准而长期无法证伪。
先让学生回答，再展开答案。
「AI 发现了几十万种新材料」这句话该怎样读？
数学为什么适合 AI，又为什么研究级数学仍然是人的事？
四、形式化证明有完美的检验器，模型尽情提出、检验器负责否决，没有幻觉的空间。但奥赛题有标准答案、证明短；研究级问题需要新概念，「提出值得证明的定理」到 2026 年仍是人的事。
第三题是媒体素养训练，第四题是能力边界训练。
一位化学老师想在自己的研究里用 AI，本章建议的第一步是什么？
最常见的错误在哪一章？
最常见的错误在第五章：数据划分、泄漏、分布之外的表现。
可以让学生课后查一下自己专业有哪些「现成的」工具，下节课分享。
这一章留下什么
- AlphaFold 是原型：注意力处理的是「远处元素之间的决定性关系」，蛋白质和语言在这一点上完全同构。
- 它给置信度，而且校准过——一个科学工具能被信任，不是因为它总是对，而是因为它说得出自己何时可能错。
- 共同模式是三角形：数据、目标、检验。三角俱全的领域（蛋白质、气象、数学）最快，缺检验的（药物）最慢。
- 共同边界三条：预测而非解释、训练分布之外不可信、实验闭环不可省——瓶颈已从「想到」变成「验证」。
- 从哪里开始：先用现成的，再用自己的数据加标准方法，让编程智能体做分析；最大的风险是它「看起来做到了」。
继续读
正文与「深入」段落：ai4edu.sjtu.edu.cn/helloai/read/ai-for-science/
下一章：第 14 章 与 AI 共事
留三到五分钟做本页的回顾，让学生用自己的话复述其中一条。