7.4
深览指数
科技腾讯新闻·中国新闻周刊··AI 生成
79岁诺奖得主爱看《三体》，每天向AI提数百个问题
诺贝尔化学奖得主、计算结构生物学先驱迈克尔·莱维特接受《中国新闻周刊》专访，详述他与AI深度协作的日常：每天向AI提出数百个问题，涵盖科研编程、健康数据分析和生活琐事。他认为AI是“非常强大的同事”，但强调人仍是科研中不可或缺的部分——AI会犯错、不会自动停下、缺乏真正创新方向。文章包含其关于AI预测临床试验、虚拟细胞、智能体身份标识、以及年轻人教育等问题的具体判断，信息密度高，且展现了资深科学家与AI协作的真实方法论与思考痕迹。原文 ↗
核心观点
- ▍AI是强大同事，但人仍是科研中不可或缺的部分：AI擅长快速试错、检查程序、处理海量数据，但真正遇到困难的问题时，仍需要人提出新方向、把握整体研究方向。
- ▍AI不应被全盘信任，必须保持怀疑：莱维特强调自己会让不同AI系统互相检查，并用真实但AI未见过的案例测试其预测，这源于科学研究的核心精神——验证。
- 01莱维特每天向AI提出数百个问题，从建立细胞内染色体模型的科研难题，到用一个小烤箱为聚会准备食物的生活琐事，AI负责出主意，最终行动仍由人完成。
- 02AI帮助莱维特检查、改进并加速了他使用了数十年、几乎个人专用的编程代码，让这个“老程序重新活了过来”。
- 03莱维特让AI从电脑中找出1000多份文件，涵盖他过去30年的健康数据，几小时后便整理出一份总结。
- 04莱维特预测，如果AI能在五年内根据遗传特征筛选更合适的药物试验受试者，5名筛选后的真人受试者可能提供与100名未经筛选的受试者同样有用的信息。
- 05莱维特引用《三体》中三体问题“局部不可预测但整体有序”的类比，说明生物系统同样难以预测微观细节，但整体可以稳定。
- 06莱维特认为，AI应像培养孩子一样接受“尊重人类”的教育，且必须保持模型多样性，避免所有AI系统趋同带来的风险。
- 07莱维特认为，用于运行AI的芯片本身应有身份标识，AI生成内容也应注明使用的芯片、程序和设备，但目前相关工作还很不充分。
反方 / 局限
- — 莱维特承认，AI有时尝试100种方法都行不通，这时他必须“把问题想得更深”，揭示了AI在真正困难问题面前缺乏关键思路的局限。
- — 当被问及AI对药物效果的预测准确但无法解释原因时，莱维特坦言这是一个尚未解决的问题，无法判断预测在多大程度上可以作为判断依据。
9 分钟 · 3 卡片 · 6 资料
读原文 →