诺贝尔奖得主Michael Levitt教授开讲

AI在生物分子结构中的研究及应用

讲座回顾

    10月16日，诺贝尔化学奖得主、斯坦福大学结构生物学教授Michael Levitt在复旦大学开讲，以“三种智能：生物智能、人类智能与人工智能”为主题，为师生带来一堂融合科学思想、哲学思辨与前沿探索的课程。这位以“复杂生物体系的多尺度建模”摘得诺贝尔化学奖的科学家，在复旦的课堂上并未局限于专业知识，而是以亲身科研经历以及跨学科的视角引导学生思考：生命如何“计算”，人类如何创新，智能的未来又将走向何方？

核心思路：三种智能的交织与进化

  Michael Levitt 教授开篇提出“人类智慧、人工智能、生物智能”三维智能体系。从“生物智能”讲起，他指出，生命系统以DNA为信息媒介、以蛋白质为功能单元，形成了一个跨越时间与空间尺度的层级网络，展现出惊人的复杂性与自组织能力，他形象地将这一过程比喻为“自然界的计算机”。

      人类智慧的发展则依赖文化智能的支撑——书籍、互联网、智能手机等载体打破知识传递的时空壁垒，推动认知边界持续拓展。教授特别强调，生命系统的复杂性源于 “多样性”，这种“以变应变”的策略，与AI训练中“数据多样性”、“模型迭代”的思路不谋而合，AI作为后起之秀，正以独特方式与前两者深度互动，这也为同学们科研创新提供关键启示：拒绝同质化研究，拥抱差异性，才能更好地应对未知科学挑战。

年轻与机遇：科学创新的动力

      在谈及“人类智能”时，Levitt教授强调了年轻人在科学创新中的核心作用。他引用自己在《PNAS》发表的研究指出：年轻科学家在创新上的贡献比例显著更高，科学体系应给予他们更多的机会与信任。“科学中的重大发现从来不是预设的结果，”他笑着说，“这些往往源于错误、偶然和勇气。”他鼓励学生敢于提问、敢于失败、敢于选择困难的问题——因为真正的创新，正是在不确定中孕育。他进一步指出，健康的科研生态应当鼓励小团队与自由探索：“真正的科学活力来自年轻人、来自合作、来自压力与自由的平衡。官僚主义越少，科学越快前进。”

复杂系统的视角：从分子到气候

       在谈到自己的研究时，Levitt教授介绍了其团队在计算生物学与癌症研究中的最新进展，包括利用量子力场模型研究单克隆抗体—抗原相互作用，为抗体药物设计提供原子尺度的机制性洞见。他将自己获诺贝尔奖的研究思想——复杂体系的多尺度建模方法，进一步拓展到全球气候变化这一宏观领域。他指出，气候系统同样是一个随机、多尺度、强耦合的复杂体系，气候分布的变化导致极端事件更加频繁。“人类必须学会从随机危机中学习，而非仅仅被动应对。”在谈及中国时，他特别提到，中国在太阳能能源发展上的突破性进展，正在改变全球能源结构，为人类寻找“可持续平衡”提供新的契机。

未来展望：AI、科学与人类的共生之路

      如今，深度学习与生成式AI的崛起，使人类再次有机会从自然中学习智能的本质。谈及 AI 的未来，他认为，真正的AI研究不只是工程问题，更是理解智能本质的问题——“理解自然智能的原理，才是通向通用人工智能的唯一道路。”教授也对 AI 的局限性提出理性认知：“AI 更像‘聪明的 12 岁孩子’，既会在特定场景展现惊艳能力，也可能在基础逻辑判断中出现低级错误。”因此，对待 AI 需始终保持“科学质疑精神”，在技术应用中做好风险控制。

  Michael Levitt 教授目前正与复旦大学MRICS团队合作，致力于打造新一代AI驱动的药物设计与蛋白质结构建模平台，涵盖侧链重构、冷冻电镜结构精修与抗体生成模型等方向。这一合作旨在将人工智能方法与物理、化学原理深度结合，为未来的精准医学与新药研发提供理论与技术支撑。在讲座结尾他强调，未来人类智慧、AI 智能与生物智能将持续深化协同进化，三者的融合发力，有望在应对气候变化、攻克疑难疾病、探索宇宙奥秘等全球性挑战中，创造更多突破性成果。

       课程结束时，Levitt教授寄语复旦学子：“科学的未来属于敢于提问、敢于尝试的年轻人。真正的智能，不在于计算的速度，而在于理解的深度。”