李开复 陈楸帆 著

浙江公民出版社出版

人工智能专家李开复与科幻作家陈楸帆创造性互助，畅想了20年后在人工智能等科技影响下的人类天下。

书中10个短篇故事，展示了一系列令人大开眼界的未来场景——身临其境的沉浸式娱乐办法、自若利用人类措辞的虚拟伴侣、 没有“司机”的完备自动驾驶汽车、能够以假乱真的照片和***，以及基于量子打算、打算机视觉和其他 AI 技能的展开运用……

在这些故事给读者带来惊奇体验的同时，每一个故事之后的科技评论则让我们进行打破性的深度思考——人工智能能否帮助人类从根源上预防疫情？人们该如何应对未来的职场寻衅？在人工智能主导的天下中，该如何确保文化多样性？人们如何教导下一代适应人类与人工智能共存的新社会？如何面对人工智能带来的社会问题，及其所隐含的人性拉锯战？

>>书摘

在故事《无打仗之恋》发生的时期，人类社会已经被疫情彻底改变——直到末了，新冠病毒（COVID-19）也没有被彻底消灭，相反，它进化成了一种长期存在的、不断变异的时令性病毒。

这当然只是一种虚构的情境。
然而，在经历了一次新冠肺炎疫情之后，不论这种病毒今后会如何变异，可以确定的是，AI将重塑全体医疗行业，例如加快疫苗和干系药物的研发，加速AI诊断与现有医疗手段进行技能集成的进程，等等。
在本章，我将对新冠病毒如何推动这些技能的发展进行谈论。
我们现在对人工智能医疗的关注尤实在时，由于医疗行业正在数字化，而这将产生人工智能颠覆医疗所需的大量数据。
2042年当我们回顾，我们可能会看到过去20年医疗领域是AI颠覆最大的行业。

●传统药物及疫苗研发

长期以来，药物及疫苗的研发都是一件极其耗时、本钱高昂的事情。
想象一下，人类用了100多年韶光，才完成了脑膜炎疫苗的研制和改进。
而在这次新冠肺炎疫情中，正是由于各国政府把亘古未有的巨额资金投入多条研发赛道，支撑了大量的临床试验和量产考试测验，医药企业的疫苗研发才推进得如此迅速。

在等待了一年之后，我们终于用上了安全有效的新冠疫苗。
好在新冠病毒的致去世率没有那么高，这样的等待才显得可以接管。
然而，如果新冠病毒进化成一种像埃博拉一样致命的传染病，情形就会变得完备不同。
因此，考虑到未来可能涌现新的传染病，疫苗和药物的研发速率仍旧须要连续提高。

研发药物时，第一步先要理解病毒蛋白质（氨基酸序列）是如何折叠成独特的3D构造的。
理解这种3D构造，对解读病毒的事情事理并找到对抗它的方法至关主要。
例如，就像钥匙插入锁孔中一样，新冠病毒表面的刺突蛋白可以附着在人体细胞表面的受体上。
当新冠病毒侵入人体细胞后，新冠病毒基因组（新冠病毒的RNA）将被通报、整合到宿主细胞上，然后在许多器官中不断复制，从而导致传染者表现出一系列的症状。

针对某种病原体的小分子药物发明，是通过将治疗分子附着在病原体上来抑制其功能而起浸染。
这种治疗分子的创造过程可以分为以下四个步骤：

第一步，利用mRNA序列推导病原体的蛋白质序列（现在这一步不难实现）；

第二步，探索该蛋白质序列的三维构造（蛋白质折叠办法）；

第三步，确定三维构造上的靶点；

第四步，天生可能有效的靶向分子，然后从中选择最佳临床前候选药物。

如果回到之前用过的类比，那么第一、二、三步相称于摸清锁的构造，第四步相称于打造一把适配的钥匙。
这四个步骤须要依次完成，后三个步骤的事情不仅非常耗时，而且本钱高昂。

例如第二步，为了确定病毒蛋白质序列的三维构造，科学家会利用冷冻电子显微镜成像等技能，直接不雅观察病毒蛋白，然后一步一步艰巨地摸索、考虑出3D蛋白质构造。

第三、第四步是找到靶点并设计出对应的靶向药物，这是一个漫长的试错之旅，而且须要科学家具备强烈的直觉、丰富的履历和好运气。
不过，就算科学家耗费数年韶光锁定了一种临床前候选药物，它也有90%的概率无法通过二期、三期临床试验。
这个探索过程会耗费相称长的韶光。
当然，也可以并行探索几种不同的方法，不过这样虽然可以缩短韶光，但须要大量的资金投入。

●AI在蛋白质折叠、药物筛选及研发方面的潜力

目前，要研发一种有效的药物或疫苗，须要投入10亿―20亿美元的资金和数年的研发韶光。
我相信，AI将大幅提升药物的研发速率，降落研发本钱，为患者供应更多价格在可承受范围内的殊效药，帮助患者活得更康健、更龟龄。

2020年，DeepMind公司针对蛋白质折叠研究（药物研发的第二步），推出了蛋白质折叠预测软件AlphaFold，可以说，这是迄今为止AI在科学领域最伟大的造诣。

蛋白质是生命的基石，但对付人类来说，蛋白质的氨基酸序列如何折叠成3D构造，从而成为生命活动功能实行者的全体过程，仍是一个谜。
解开这个谜，不仅具有重大的科学意义，对医学领域也有极高的代价。
适值，深度学习技能彷佛非常适宜在这个问题上“大展拳脚”。

AlphaFold背后的演习数据集非常弘大，包含了过去创造的所有蛋白质三维构造信息。
目前，AlphaFold已经证明了它仿照未知蛋白质三维构造的能力，其准确性与传统方法（如上面提到的冷冻电子显微镜成像技能）不相上下。
差异在于，传统方法本钱高、耗时长，而且只能解析所有蛋白质构造中不到0.1%的部分；AlphaFold的涌现，供应了一种快速扩大人类已知蛋白质数量的方法，被视为“办理了困扰生物学界50年之久的巨大寻衅”，是一项划时期的打破。

一旦节制了蛋白质的三维构造，“药物再利用”就成了一种能够帮科学家快速找到有效治疗手段的方法，即考试测验每一种已经证明对一些小病安全、有效的现有药物，看看个中哪些药物可能成功嵌入当前病毒的蛋白质三维构造。

“药物再利用”方法有可能成为一条捷径，从而使人类能够在一场严重的盛行病发生之初就阻挡病毒的传播。
由于这些能被“再利用”的药物均已通过不良反应测试，可以直策应用，无须再经由大范围临床试验。
《无打仗之恋》中的男主角加西亚在被检测出携带COVID-Ar-41的变体病毒后，临床中央就立即启动了AI程序，以“再利用”一种能够减轻他的症状的药物。

科学家还可以充分利用AI的上风，发明新的化合物。
AI可以锁定一些靶向分子可能附着的靶点（药物研发的第三步）。
如果给定一个靶点，AI模型就可以通过识别数据的内部模式，来缩小对药物的搜索及筛选范围，锁定候选药物（药物研发的第四步）。
2021年，AI药物研发公司英矽智能宣告其利用AI完成了治疗特发性肺纤维化的新药研发，先在三维构造上找到靶点（第三步），然后提取干系信息并找到最佳的靶点分子（第四步）。
英矽智能的AI技能不仅为药物研发的后两个步骤节省了90%的本钱，还创造了一项不可思议的奇迹：用18个月的韶光完成了新药研发。
要知道，传统新药研发每每要耗时10年以上，耗资超过20亿美元。

此外，AI还可以整合多方面知识来优化第三、四步研发过程。
例如，自然措辞处理（NLP）技能可对海量学术论文、专利成果和公开数据进行深入挖掘，从中提取出能够帮助锁定靶点或有效分子排序的信息。
AI还可以根据过去的临床试验结果，预测所有潜在候选新药的有效性，为进一步排序供应参考。
这些，都可以在打算机系统上仿照完成。
科学家可以站在AI的肩膀上，参考系统给出的推断，打消“缺点选项”，然后再进行下一步研究。

当然，除利用打算机仿照进行研究的“干实验”外，还有一种“湿实验”，即在实验室培养皿中对人体细胞展开药物测试。
对付这一类实验，AI同样有很大的施展空间。
在本日，由机器人来主导这类实验，会比由实验室技能员来操作更加高效，而且可以采集到更多的数据。
镁伽机器人便是这样的前辈公司，镁伽的实验室机器人，无须人工干预，就能进行24小时全天候的重复实验，这将大大加快药物的研发速率。

>>作者简介

李开复，卡内基梅隆大学打算机科学博士。
曾担当谷歌环球副总裁兼大中华区总裁。
2009年创立创新工场，致力帮助创业者发展与发展。

陈楸帆，科幻作家、编剧、翻译、策展人。
中国科普作家协会副理事长，天下华人科幻协会名誉会长。

作者：李开复陈楸帆

编辑：金久超