諾獎得主David Daker最新訪談：AI徹底改變了蛋白質設計，但終究只是一個工具

導讀

在AI深刻改變科研范式的今天，技術越強大，人的判斷力、好奇心和協作精神就越發珍貴。AI可以設計蛋白質，但提出正確的問題、賦予答案以意義的，永遠是人。

不少人都在懷疑，未來AI是否會搶占人類的工作，脫離人的掌控。近日，諾獎得主戴維·貝克（David Baker）給出了明確的回答——“AI終究只是一個工具”。

林 巖 | 編譯

AI正在改變科學研究的效率和方式，計算更快、預測更準、設計更復雜——AI的進步令人應接不暇。

然而，技術越強大，問題也越清晰：“AI會取代科研人員嗎？”“如果是，研究人員未來該何去何從？”

David Baker

2024年諾貝爾化學獎得主、華盛頓大學教授戴維·貝克（David Baker）在近日的訪談中，給出了明確的回答，也緩解了研究人員的焦慮。

他表示， “AI徹底改變了蛋白質設計研究”、 “但AI終究只是一個工具。”

人工智能（AI）不僅能預測蛋白質結構，還能設計出具有所需功能的新型蛋白質

貝克教授利用AI設計了自然界中不存在的全新蛋白質，拓展了生命科學的邊界。他目前仍在繼續研究，目標是利用AI設計蛋白質，開發并商業化新藥。

以下為訪談問答內容：

01

AI是強大的工具，但選擇什么問題，由人決定

問：AI在蛋白質設計研究中占比多大？

貝克：我們實驗室大約從2018-2019年開始認真專注于開發基于AI的方法論，目前仍在構建下一代AI以設計更復雜的蛋白質。從方法論開發的角度看，過去六年里幾乎所有工作都運用了AI，這一點毫不夸張。

問：AI會取代科研人員嗎？

貝克：不會。AI只是一個非常強大的工具。過去，基因測序本身就像一個大型研究項目，但現在只是常規分析——放入樣本，第二天就能得到結果。我認為AI最終也會變成這樣的工具。

問：AI的局限在哪里？

貝克：比用AI設計蛋白質并在實驗室驗證更困難的，是將其轉化為實際藥物并完成臨床試驗。在這個階段，公共數據不足，我們對生物學和醫學的理解仍不完整。AI很難在這個領域輕易取得突破，它可以輔助設計更適合生產過程的蛋白質，但要大幅縮短臨床開發周期，為時尚早。

問：當AI越來越擅長蛋白質設計，人類研究人員需要什么能力？

貝克：關鍵仍然是提出問題。判斷哪些問題重要、規劃如何驗證設計結果、評估AI的輸出在多大程度上可信——這些才是核心。科學的根本問題從未改變。

02

最重要的是人才

問： AI生物和蛋白質設計，在算力、人才、實驗設施、數據中，什么最重要？

貝克：人才最重要。競爭力最終來自獲得優秀的研究人員，并支持他們長期深耕自己感興趣的問題。蛋白質設計不是一個孤立發展就能成長的領域。基礎科學、生物、化學、計算這些基礎研究必須共同強大。應該支持多元的研究基礎，在此基礎上發展蛋白質設計。

問：對年輕研究人員和研究生有什么建議？

貝克：不要過度算計未來，而是抓住當下最讓你感興趣、最有熱情的問題。科學的新道路往往不是按既定計劃走出來的，而是在深入鉆研感興趣的問題的過程中自然開辟的。我本人就是從對蛋白質折疊和結構預測的興趣出發，最終走向蛋白質設計。真正重要的，是長久而深入地思考你真正關心的問題，并與志同道合的人一起工作。

03

未來興趣包括納米機器和農業

問：如何創造讓研究人員自由協作、深入鉆研的環境？

貝克：我重視的是一個讓人們自然聚集、持續交流的環境。我們實驗室每天準備免費食物，任何人都可以來邊吃邊聊，我們也毫無保留地分享一切。我相信困難的問題合作解決比單打獨斗更好。我稱之為‘公共大腦’——每個研究者都應該像神經元一樣連接和互動，這也是我幾乎一直待在實驗室的原因。只有這樣，我才能立刻看到誰遇到了困難、哪里出現了突破，并給予幫助。

問：獲諾獎后演講和外部邀請一定很多，如何保持平衡？

貝克：我拒絕了大多數邀請。我仍然像過去一樣，把大量時間花在實驗室里。

問：未來5到10年想涉足哪些新領域？

貝克：很難準確預測。但我看到納米機器的巨大潛力——在分子或蛋白質層面執行特定功能的超微型機械系統，不僅在醫學上，在技術領域也有廣泛應用前景。農業也很有意思。隨著全球變暖，我們可以用蛋白質設計創造出在更高溫下更穩定的植物。唯一確定的是，我不會做和現在一樣的研究。

問：為什么不斷尋找新課題？

貝克：我比較容易厭倦。我不喜歡重復同樣的工作。當一個題目引起我的興趣，我會一直抓住它、思考它，然后自然而然地進入別人尚未涉足的新領域。

問：作為科學家的終極目標是什么？

貝克：沒有一個特定的終極目標。我享受的是在實驗室里與研究生和博士后一起發現新事物的過程。當然，有很多重大問題需要解決，比如神經退行性疾病，但與其設定一個單一目標，我更喜歡不斷攻克重要問題這個過程本身。

Baker says AI designs proteins, but people set questions and drive research

https://biz.chosun.com/en/en-science/2026/04/08/Y2HAKUH2XNHBXBDHEXUKCPAUUA/

Deep Science預印本