10月27日至28日，首届天桥脑科学研究院AI驱动科学研讨会在美国旧金山举办。三位诺贝尔奖得主、斯坦福大学荣誉校长等20多位全球顶尖学者和产业领袖，共同探讨AI如何驱动科学发现。
盛大集团和天桥脑科学研究院创始人陈天桥在会上宣布，将投入10亿美元算力，支持全球科学家的创新人工智能研究。他表示：“人类的进化从未停止，只是方式改变了。今后人类进化将主要依靠AI。”
陈天桥：发现式智能是真正的通用人工智能本次会议由天桥脑科学研究院与加州大学伯克利分校计算、数据科学与社会学院联合举办。陈天桥表示，AI的终极价值是发现。发现式智能可以主动构建关于世界的可检验理论模型（testable world models）、提出可被证伪的假说（falsifiable hypotheses），并在与世界的交互与自我反思中持续修正其理解框架的智能，这是真正意义的通用人工智能。
陈天桥认为，发现式智能能提出问题而非只回答问题，能理解规律而非仅预测结果，它超越了模仿，具备创造和发现这些智慧的本质能力，让通用人工智能（AGI）的意义不再是“取代人类”而是“进化人类”。
为帮助全球科学家推进发现式智能研究，陈天桥在会上宣布了多项特别针对青年科学家的支持，包括为博士生和博士后提供独立途径，建立以自己命名的实验室等。
奥马尔·亚基： AI成为新的科学思维体一个零能耗的便携式取水装置，被放置在空气湿度不到15%，极其炎热的美国沙漠“死亡谷”中，很快成功从大气中取到了饮用水。这个堪称旅行者救命稻草的神器，是由ChatGPT分子优化编辑设计的材料制成。新晋2025年诺贝尔化学奖得主、加州大学伯克利分校的奥马尔·亚基（Omar Yaghi）教授分享了这一最新成果。
“AI不是工具，而是新的科学思维体。借助人工智能，我们正在赋予科学自行思考、推理和演进的能力。”奥马尔·亚基说。
除了AI设计的沙漠取水神器，奥马尔·亚基和团队基于ChatGPT创建的七个Agents组成虚拟科研团队，分工执行实验设计、文献检索、算法优化、实验安全与数据分析等任务，在几天内完成了上百次实验，成效显著。同时，他们训练ChatGPT阅读数千份合成报告并进行推理，证明该模型的预测性能优于许多传统启发式方法，ChatGPT从一个文本生成器演变成一个科学推理引擎。
戴维·贝克：AI逆转生命密码2024年诺贝尔化学奖得主、华盛顿大学的戴维·贝克（David Baker）教授分享了AI如何“从头设计”蛋白质工程领域。他介绍了其团队开发的RFDiffusion3模型，这是一种能够在三维结构空间中进行运算的先进生成式AI模型。研究人员仅需输入期望的分子功能，该模型便能生成具有相应功能的新型蛋白质的精确三维结构蓝图。
基于这一技术，团队已取得多项突破性成果：在神经退行性疾病研究方面，设计出能特异性捕获β-淀粉样蛋白的新型肽类结合物，为阿尔茨海默病干预提供新策略；在酶工程领域，成功开发了首个“从头设计”的蛋白酶。
贝克教授指出，AI模型的快速发展高度依赖于一个与实验数据紧密耦合的“反馈闭环”。他强调，一个高效的“设计-构建-测试-学习”迭代循环是必不可少的：AI进行预测设计，实验室进行快速验证，而实验产生的数据都将即时反馈给模型，用于优化算法参数。
珍妮弗·道德纳：AI开启个性化基因治疗时代一种利用CRISPR技术开发的镰状细胞病（sickle cell disease）基因疗法，已于近期获得美国食品药品监督管理局的批准，首个“个性化”的CRISPR基因编辑疗法也已成功实施。2020年诺贝尔化学奖得主、加州大学伯克利分校的珍妮弗·道德纳（Jennifer Doudna）教授在演讲中分享了这些突破性进展。
珍妮弗·道德纳回顾了从在细菌中发现CAS核酸酶（Cas nuclease）到最终促成CRISPR基因编辑技术诞生的完整历程，同时指出该领域面临的巨大挑战：尽管CRISPR技术无比强大，但即使是在最简单的生物体中，仍有高达 40%的基本基因的功能至今仍是未解之谜。极大阻碍了基因编辑技术向更纵深领域的推进。
珍妮弗·道德纳强调，生物学领域的数据是有限的，为生物学构建有效的机器学习模型，需要“经过精心策划的、包含因果关系的数据集”。为此，她提出了CRISPR与机器学习的协同进化，可以利用CRISPR技术在细胞系中系统性地制造“基因扰动”（gene perturbations），从而大规模、高效率地筛选并鉴定每个基因的具体功能。这为构建因果数据集提供了关键工具。
约翰·轩尼诗：人类必须守住关键决策权人工智能正以前所未有的方式席卷全球，在不到一年的时间里就达到了50%的美国家庭普及率，而个人电脑实现同一数字花费了数十年时间，智能手机也用了10多年。图灵奖得主、斯坦福大学第十任校长暨现任Alphabet（谷歌母公司）董事长约翰·轩尼诗（John Hennessy）在题为“AI赋能科学与社会”的演讲中强调了这一惊人现象。
约翰·轩尼诗指出面对AI技术浪潮人类应共同坚守的关键原则：在使用AI或与AI协作完成工作时，必须保持“透明的披露”；必须严格验证AI生成的内容；对于AI合成的数据必须建立详细的文档记录。他特别强调，在涉及人工智能关键决策时，人类绝不应被排除在外。
约翰·轩尼诗也分享了两个担忧。一是数据的质量与数量。以AI模型目前惊人的数据消耗速度，全球现有的数据存量可能在4到5年内被耗尽，未来数据生成速度能否跟上大型AI模型训练的步伐。二是关于能源效率。与算力的迅猛增长相比，计算的“能源效率”提升速度则要缓慢得多。
据悉，研讨会还举行了“AI 驱动科学大奖”（Chen Institute & Science Prize for AI Accelerated Research）颁奖典礼，上一年的三位获奖青年科学家现场分享了研究成果和获奖心得。
贝格富配资提示：文章来自网络，不代表本站观点。
