在杨中悦看来,人工智能更像一套给科学家添置的装备,而不是坐在实验台前替人做判断的“新同事”。这位范德堡大学化学助理教授与曾是博士生的邵乾真牵头开发了一款名为MutexaGPT的工具,试图把研究者口中关于酶改良的设想,转成能够用分子模拟检验的路线。
相关论文已刊发于《自然·计算科学》。工具的价值并不只在于给出答案,而在于让研究者先说出自己的直觉:某个酶的部位如果换一换,是否可能在低温环境里表现更好?这种猜想有时来自多年经验,有时甚至未必符合物理规律,但AI可以先帮助判断它有没有被模拟验证的可能。
杨中悦常用“不能让AI替我跑步”作比。别人可以代跑一段路,肌肉和耐力却不会长到自己身上;机器可以整理出一份看似完整的解释,研究者仍要回头追问:我最初为何这样想?又是哪条证据使我改变判断?
MutexaGPT的工作方式并非要求使用者一开始就写出精确模型。研究者可以用日常语言描述目标,条件不充分时,系统会继续追问;随后借助分子模拟形成结果,再让研究者判断原先的设想站不站得住,以及哪一种改法值得送进实验室。
洗衣场景常被拿来解释这类问题。水温降低后,洗涤剂中的酶还能不能有效分解污渍?普通人看洗过的衣领即可知道答案,研究酶的人却要继续往前推:改变酶的某个位置,是否能让它在低温下仍保持活性?这类从经验中冒出的猜想,正是杨中悦看重的人的部分。
他并不否认对AI取代工作的担忧,也正因如此,更强调人的直觉在工具开发中的位置。科学家凭经验想到一个主意,即使暂时不知道如何实现,也可以借AI把它推进到可检验的阶段。工具承担的是模拟和追问,提出问题、形成判断仍由人来完成。
杨中悦和邵乾真都曾在南开大学伯苓班学习。杨中悦在加州大学洛杉矶分校用四年半获得博士学位,之后在麻省理工学院做博士后,2020年加入范德堡大学;邵乾真目前则在斯坦福大学从事博士后研究。这些经历之外,杨中悦作为教师更在意一件事:同一组结果摆在面前,年轻研究者为什么会对其中的某个现象产生好奇,又凭什么决定一个看似古怪的结果值不值得继续追。
他常与学生谈论文引用,不是把引用次数当作研究价值的标尺,而是让初学者看看后来者拿自己的设想做了什么:有没有引出新的问题,有没有让另一个人改变方向。做出一项好研究与培养出一名好科学家,在他眼里并不是同一件事;前者的完成可以依靠团队分工,后者所需的判断力却要在长期琢磨中慢慢长出来。
面对“去年发生了什么大事”这样的问题,他愿意让AI帮忙找答案;但若问“这个时代的挑战是什么”,他更想自己作答。同一年的同一批新闻,机器整合信息的能力可能超过任何个人,可哪些材料应放在一起看、换一个角度又能看出什么,仍需要人的观察、感受和归纳。他说,不要让AI代替我们去合成知识。
这种分寸感也延伸到他对年轻人的态度。杨中悦生于1991年,记得没有互联网的日子;他并不认为自己有资格以过来人的身份给今天的二十多岁年轻人指路。谈到同一批信息为何能读出不同内容,他想到苏轼写庐山,格外看重“横看成岭侧成峰,远近高低各不同”——山形随视角而变,人的理解也在选择看什么、怎样看的过程中形成。











