“大约在25年前，我对生物信息学挖掘人体秘密就充满兴趣。当时我还在华尔街做一名程序员，申请了默克公司的研究小组的工作，他们也给了我offer，但没有去的原因是我太太打击我。她是生物分子学方面的博士，她说你啥也做不出来，因为基因测序技术非常初级，无论是数据量、成本、速度都用不上你那些高大上的计算技术。后来我想来想去，觉得确实如此，当时的生物数据的数量和质量都不行，也不足以发挥计算的优势。后来的事情大家都知道，我回国从事互联网信息的工作，做了搜索引擎”百度创始人、董事长兼CEO，百图生科创始人兼董事长李彦宏在首届中国生物计算大会暨数字医学创新峰会上“揭秘”了自己当年为何没有选择生物计算领域。

然而，25年后，他又回到了这个领域。“20多年过去了，我惊喜地发现互联网发展过程跟生物计算的发展有着惊人的相似之处。那时我可以非常精确地算出来百度每年搜索量上涨多少。因为我知道搜索量的增长被三个因素所驱动，第一是上网人数，第二是人均上网时长，第三是网上存在的网页数量。如今，生物计算领域也有三个关键指标在快速增长，分别是基因组学研究带来的数据增长、新药研发过程中积累的知识增长，以及新生的各类机器学习的算法变化。生物计算在我看来是生物和计算的融合，会带来巨大的突破和进步。我们希望用AI技术缩短药物研发的时间，降低药物的副作用，减轻患者的巨大医疗负担，给每一个生命争取更多的可能性”李彦宏也解释了“回归”的原因和想实现的目标。

正如李彦宏所说，生物计算是生物与计算的融合，而两个领域的融合必然会带来“摩擦”和“火花”。在结构生物学家，西湖大学校长，中国科学院院士，美国艺术与科学院外籍院士，美国国家科学院外籍院士施一公看来，人工智能的出现可能会颠覆理论与实践的关系，也可能为生命科学领域带来革命，但目前的人工智能在制药领域的应用还处于基于过去的学习阶段，未有突破。

图丨结构生物学家，西湖大学校长，中国科学院院士，美国艺术与科学院外籍院士，美国国家科学院外籍院士 施一公
关于生物与计算，施一公院士也分享了以下几点思考：

01 是宏观的生物计算，而非简单的公式计算

“本来我所理解的计算是固化的，是基于公式或模板，需要推演和理论的计算，但今天我们所说的生物计算是包括人工智能在内的广义计算。加了人工智能、机器学习、神经网络带来的一些变化之后的计算，可以容忍一些小的错误，纠正一些小的限制，所以我们今天讨论的计算是宏观的生物计算，而非简单的基于公式的计算”。

02 生命科学是领域，不是方法

“我一向坚持生命科学是一个领域，不是一个方法，不是以方法为代表的科学或者学科。我认为世界上只有两种方法，数学和物理。数学是抽象思维规律的总结，物理也是抽象的。有人说还有化学方法，但我认为化学方法是物理机制的演绎，甚至计算机也是数学方法的一种演绎。当然，这也可能是谬误，你可以抨击我。我认为生命科学根本没有方法，但它所有的方法全部来自于数学和物理，你也可以说是来自化学和计算机，它是一个巨大的领域。这个领域太大了，宏观可以从生态、进化、林业、农业到动物学、植物学，微观可以分化出上百个分支，往前演绎还会包括药学和分子医学。也正是因为生命科学没有自己的方法，所以任何一个方法进到其中都带来小的进步和大的变革。而进到生命科学的创业者未来也都是进入了一个无尽的‘寻宝之地’”。

03 计算的突破会带来革命，需提前布局

“回顾一下各个技术进入到生命科学领域所带来的变革，这同时也验证了我上一个观点：生命科学是领域，不是方法。上世纪早期，蛋白质胶技术的出现引起了生命科学的改变；上世纪末出现的蛋白质组学、1975年出现的单克隆抗体，都引发了一系列的革命。Milstein和Kohler在发明单克隆抗体技术时没有想到会得诺贝尔奖，也没有想到会出现千亿美元的抗体药市场，这就是一个简单的生物化学技术。更不用说本世纪崛起的组学，如蛋白质组学、基因组学等等。与我研究领域相关的冷冻电镜技术也带来了生命科学领域的革命。十年前，结构生物学的认知99%来自于X射线，刚刚崛起的冷冻电镜贡献率不足1%。但如果你问我去年这两种方法的贡献率，我认为冷冻电镜：X射线已经是2:1。我觉得未来冷冻电镜的突破可能不止于分辨率的突破，更有可能走进千家万户。冷冻电镜可能会重新定义量子力学。它的分辨率未来可能突破1Å，甚至是0.1 Å。但X射线不可能做到，因为其波长/已经限制了它对分辨率的突破，你无法做出如此小的射线。可以说，一次次方法的突破都为生命科学领域带来了不同的变化，如今计算领域的突破也将会带来人类对微观世界认知的革命。我们意识到，之前技术的突破会让整个领域重新洗牌，如果你要想抓住这次革命，想和它‘同频共振’，一定是用学术的眼光提前布局。就像冷冻电镜革命已经出现九年了，但现在大家还在拼命买电镜，我认为是没有意义的跟风”。

04 理论决定实践，理论决定未来

“无论是爱因斯坦的广义相对论还是量子力学，我们人类的发展轨迹都是用眼睛看，用耳朵听，从实践中总结出规律，凝练出理论。但是，从上个世纪初开始，理论开始起主导作用，并且越来越重要。随着人工智能的出现、演绎和发展，我相信理论会越来越起决定性作用。在我看来，理论不仅可以预测未来，也可以决定未来，会极大加深我们对整个宇宙的认知。我认为，理论与实践的关系在本世纪可能会有颠覆性变化，而这种颠覆性变化的原因就是人工智能的出现”。

05 人工智能对蛋白质结构预测的颠覆

“对蛋白质结构的预测，我自己是亲身经历者，所以与大家多分享一些。去年11月30日，AlphaFold2表现异常惊人，其预测蛋白质结构的成绩已经遥遥领先于人类最好的预测结果。它已经做到什么程度？到目前为止，对于小的蛋白来讲，如果三个结构分别是AlphaFold2预测出来的、X射线晶体衍射出来的和冷冻电镜扫描出来的，只看结构本身，我没有办法分别出哪个结构是怎么出来的，也无法分辨出哪个更接近现实。也就是说，已经到了理论预测和实际同步的程度。但要知道，蛋白质预测比赛(CASP)第一次在美国举行的时候，计算机的预测能力是非常尴尬的。那时候我们用计算的方法集世界计算机大成去预测蛋白质结构，发现预测结果是一塌糊涂。例如，我们做同源结构的预测，你会发现基于算法的预测比你随便瞎猜还要差。什么是随便瞎猜，就是不做任何改变，不做任何分子动力学，直接把原子放进去做出的结果。然而，在去年计算已经开始颠覆我们人类对蛋白质结构的预测。其实我自己因为对蛋白质折叠领域相对比较了解，我曾经告诉我的学生，这些人在三五十年之内不会有什么突破的，但是我没有想到深度学习、人工智能这么快进入这个领域，并实现了颠覆”。

06 期待人工智能突破“人工”思维限制

“我们今天的会议上会讨论机器学习在医学影像分析、蛋白质组学的分析、创新制药设计，健康大数据的分析甚至包括城市大脑、健康交通、智慧交通等领域的预测，但我认为这些都是预料之中的，已经到了收获阶段的问题。而我想探讨的问题是人工智能、计算或者说基于人工智能的计算究竟能做到什么程度，它的未来是什么？我们所有的方法都是基于过去知识的掌握，我们有边界线，我怀疑人工智能也是如此。怎么样让人工智能去突破已有的人类自有的学习能力，突破已有的思维范式，突破‘人工’的思维限制？我们在学习时常讲举一反三，我觉得人工智能就是聪明的举一反三，但很难突破这种举一反三的范式。有没有可能让人工智能跳到这个‘盒子’的外面，产生一些所谓的自由思维、自由思想？其实我很希望人工智能能够指导人类，而不是人类指导人工智能。在座的专家有没有可能实现下一次革命，在神经网络基础上再突破一次？在这个过程中，我一直是旁观者，一直在看、在听，我希望这个过程走得更远一些，而不是最简单的步骤。在座的嘉宾很多都是与制药相关的，我觉得人工智能进入制药领域目前是基于过去的学习，我也期待有更多的突破。希望人工智能能够助力医药领域的发展。我也相信计算决定未来”。