AI 助力科学需要推理，而不仅仅是数据
摘要
本文认为，以 AlphaFold 为代表的数据驱动 AI 科学模式难以广泛复制，AI 代理（agents）才是加速科学的关键。
核心要点
- 2024 年诺贝尔化学奖部分授予 Demis Hassabis 和 John Jumper，表彰其 AlphaFold 预测蛋白质三维结构的工作。
- AlphaFold 依靠蛋白质数据库（Protein Data Bank）训练，该数据库含约 17 万个实验验证的蛋白质结构，建设耗时 53 年、花费约 210 亿美元。
- 作者指出，产生 AlphaFold 的条件在其他领域复制需要数十年而非数年。
- 蛋白质晶体学支撑了超过 25 个诺贝尔奖，但多数实验科学的结果差异较大，难以生成同等质量的数据。
- 作者认为，科学加速将来自 AI 代理（agents），而非仅靠数据训练的模型。
原文佐证
- It took 53 years of international scientific cooperation and, by a recent estimate , roughly $21 billion worth of experimental work to assemble.
- AlphaFold had shown that the combination of AI and sufficient data could make groundbreaking discoveries
- Instead, the acceleration of science will come about thanks to another approach: AI agents.
AI 洞察
这一观点对当前 AI 科学投资热提出了冷静反思：AlphaFold 的成功建立在数十年积累的大规模高质量数据之上，多数领域难以复制。转向 AI 代理意味着科研 AI 的范式可能从'数据驱动预测'走向'自主推理与实验'，这将深刻影响科研工具、人才需求和投资方向。