诺贝尔奖得主、Google DeepMind首席执行官Demis Hassabis于1月21日（周二）表示，他预计由人工智能（AI）设计的药物将在今年年底前进入临床试验。
在瑞士达沃斯举行的世界经济论坛炉边对话中，Hassabis提到，这些药物正在Isomorphic Labs开发中。Isomorphic Labs是谷歌母公司Alphabet于2021年成立的盈利性企业，旨在基于第一性原理重新定义整个药物发现过程，并由AI驱动。
“这就是计划，”Hassabis说道。
尽管大型语言模型备受关注，但Hassabis指出，AI在科学领域的应用远不止语言模型和类似AlphaFold的技术。他与同事John Jumper凭借AlphaFold2在2024年获得了诺贝尔化学奖。AlphaFold2是一种能够预测蛋白质三维结构的AI模型，解决了生物学领域长达半个世纪的难题。
Scripps研究所的神经科学教授、2021年诺贝尔生理学或医学奖得主Ardem Patapoutian与Hassabis一同参与了讨论。他形容AlphaFold是“我所经历的科学领域中最惊人的快速进步之一”。他回忆说，25年前，一个博士生需要花费五年时间来解析一种蛋白质的结构，而使用AlphaFold，“只需要输入序列，它就能告诉你结构”。
Hassabis表示，AlphaFold已经预测了科学界已知的2亿种蛋白质的结构——如果采用传统方法，这项工作大约需要十亿年完成。最新版本AlphaFold3进一步扩展了功能，可以分析蛋白质与其他蛋白质、配体以及DNA/RNA的相互作用。
Patapoutian还提到，AI有潜力解开大脑功能的奥秘，特别是在理解复杂的神经模式及其与行为的关系方面。他指出，目前的技术可以预测简单生物的行为，但对复杂大脑的理解仍然是AI可以解决的重大挑战。
“总体而言，神经科学领域对AI充满期待，”Patapoutian表示。AI可能帮助科学家在理解大脑方面取得进展，因为“尽管经过数十年的研究，我们仍然不完全了解大脑的工作原理”。
即使观察到大脑中神经元的活动模式，也很难预测接下来会发生什么行为。Patapoutian指出，对于神经元数量仅300个的线虫C. elegans来说，这或许是可能的。但对于更复杂的生物，“我们完全没有头绪，而这一直是神经科学的圣杯之一——不仅仅是预测行为，还包括更复杂的思维、智能和意识。”
Hassabis表示，从这个意义上说，AI已经实现了全面循环。大脑的结构启发了AI神经网络的设计，现在AI又能够帮助科学家理解大脑的工作机制。
他还提到，AlphaFold3的下一个研究方向是确定突变如何引起蛋白质结构和功能的变化。虽然AlphaFold2解决了静态蛋白质结构的问题，但他指出，蛋白质并不是静态的。他最终设想实现个性化医疗，即根据每个人的代谢特点优化药物。
展望未来，Hassabis提出了“虚拟细胞”（Virtual Cells ）模拟的愿景，这将彻底改变生物研究。Patapoutian补充说，传统上，研究蛋白质结构的方法是将其从细胞中提取出来，但这样无法了解蛋白质在细胞中的自然位置。如果能看到整个细胞及其中蛋白质的定位，将更具信息价值。
例如，通过观察细胞内的蛋白质，可以发现它可能位于神经元的末端，并在某些特定活动中发挥作用，这将提供与简单表达水平完全不同的理解。
Patapoutian还询问Hassabis如何获取用于训练AI模型的数据。Hassabis表示，除了公共数据集，还可以通过某些公司生成专门的数据来填补空白。他的团队还使用自己生成的合成数据。另一方面，他们也在开发需要更少数据进行训练的算法，以模仿人类通过少量实例进行泛化的能力。
当被问及通用人工智能（AGI）何时到来时，Hassabis指出，声称几个月内AGI将到来的人可能有筹资的意图。他认为，“AI在短期内被过度炒作，但从中长期来看仍被低估。”他预计AGI可能在五到十年内实现，但前提是需要出现几个重大的突破。
这些突破包括完全的推理和规划能力，以及真正的创造力，而不仅仅是模仿艺术风格或其所接受训练的新想法。Hassabis说：“你是否能基于1900年代当时的知识提出像爱因斯坦那样的广义相对论？我认为目前的系统远远达不到那个水平。”