AlphaFold五週年：諾貝爾獎後DeepMind再戰「AI科學家」與「虛擬細胞」

AlphaFold 五週年：諾貝爾獎後 DeepMind 再戰「AI 科學家」與「虛擬細胞」

記得那個在圍棋盤上虐殺人類棋王的 AlphaGo 嗎？Google DeepMind 在證明瞭 AI 能「玩遊戲」之後，轉身攻克了科學界最難解的謎題之一：蛋白質摺疊。如今，這項名為 AlphaFold 的技術迎來了五週年，並在去年拿下了諾貝爾化學獎的殊榮。WIRED 網站稍早刊出專訪中，DeepMind 研究副總裁 Pushmeet Kohli 透露，AlphaFold 的野心遠不止於此。

從「iPhone 時刻」到預測萬物：AlphaFold 3 的進化

五年前，AlphaFold 2 的問世被譽為生物學界的「iPhone 時刻」。它建立了一個包含 2 億種蛋白質結構的資料庫，幾乎涵蓋了地球上所有已知的蛋白質。這項成就不僅被引用超過 4 萬次，更徹底改變了藥物開發的流程。

然而，DeepMind 並沒有停下腳步。去年的 AlphaFold 3 引入了本質上更具「創造力」的擴散模型（類似生成圖片的 AI 原理）。這讓 AI 不再只能預測蛋白質，還能預測 DNA、RNA，以及藥物小分子的交互作用。Pushmeet Kohli 解釋，這是科學需求驅動的結果——因為生命不是只有蛋白質在獨舞，而是所有分子在共舞。但擴散模型也有副作用：幻覺（Hallucinations）。在蛋白質的無序區域，AI 可能會「腦補」出不存在的結構。對此，DeepMind 導入了嚴格的「驗證者」機制與信心分數，確保 AI 的創意不會變成科學上的災難。

下一步：基於 Gemini 2.0 的「AI 共同科學家」

除了預測結構，DeepMind 正在構建一個名為「AI 科學家」的代理系統（Agentic System），其核心基於 Gemini 2.0。這聽起來像是「科學方法（Scientific Method）」的自動化版本。這個系統內會有多個 AI 代理人（Agents），它們會閱讀海量文獻、生成假設，然後互相辯論。

Pushmeet Kohli 舉例，倫敦帝國學院的研究人員曾利用此系統研究病毒如何「劫持」細菌。AI 能夠在極短時間內消化數十年的研究，並且獨立提出與人類團隊花費數年才驗證出的相同假設。這意味著，科學家的角色將從「思考如何解決問題」（How），轉變為「思考該問什麼問題」（What）。

終極聖杯：模擬完整的「虛擬細胞」

Pushmeet Kohli 坦言，最讓他徹夜難眠的未解難題，是如何模擬一個完整的細胞。如果說 DNA 是食譜，蛋白質是食材，那麼理解細胞核內何時、如何讀取這些食譜，就是解開生命奧祕的關鍵。DeepMind 的目標是從細胞核開始，由內而外理解細胞運作。一旦成功，我們就能在電腦上先「跑一遍」藥物反應，甚至設計新的酶來解決氣候變遷問題。

分析觀點：AI 不會取代科學家，但會淘汰不懂用 AI 的科學家

筆者認為，Pushmeet Kohli 的訪談揭示了 AI for Science 的下一個典範轉移。過去五年，AlphaFold 證明瞭 AI 是一個超強的「工具」；但未來五年，隨著 Gemini 2.0 這類具備推論與辯證能力的模型加入，AI 將晉升為「夥伴」。它不再只是幫你算得快，而是能幫你想點子、找盲點。這對於科研界來說既是興奮也是挑戰。未來的諾貝爾獎得主，或許在致詞時都得先感謝他的「AI 科學家」。

而對於 DeepMind 來說，在拿了一座諾貝爾獎後，如果真能搞定「虛擬細胞」，那可能就是下一座獎盃的預約券了。