作者：雅岚
我原本以为，这一场会很“技术”。
AI、算法、蛋白质、模型……
这些词一出来，人就容易有点退后。
可杜克大学终身教授Bruce Donald一开口，我忽然觉得，这件事其实离人很近。
他说的不是机器。
他说的是——
我们能不能比癌症，提前一步。
一、AI很火，但他讲的是另一件事
这些年，AI几乎成了一种“信仰”。
仿佛只要有数据、有模型，
世界就可以被预测、被解决。
Bruce Donald没有否认这一点。
但他讲了一句让我印象很深的话：
凡是可以从数据中学到的，AI迟早都会学会。
但有些东西，如果数据本身没有答案，
你必须回到数学、物理和化学。
那一刻，我突然意识到——
他不是在“用AI”。
他是在约束AI。
二、他在做一件很大胆的事：预测癌症会怎么反击
如果把癌症看成一场战争，
那现在的药物，大多是在“打当前这一仗”。
但Bruce Donald想做的，是另一件事：
预测癌症下一步会怎么变异，然后提前设计药物。
听起来有点像下棋。
如果你知道对手下一步会怎么走，
你就可以提前布子。
他把这件事形容成——
和自然下棋。
癌细胞会突变。
会产生抗药性。
会逃离治疗。
但它有一个弱点：
✓它很聪明，但它是“短视的”。
✓它只能一步一步进化，不能提前规划未来。
而人类，如果能预测这些变化，
就有可能——
提前封住它的路。
三、AI不是万能的，它甚至会“犯很基础的错误”
这一段，是全场最有意思的地方。
因为他没有展示“AI有多厉害”，
反而在讲——
AI哪里不行。
他说，现在很多AI模型，在处理分子问题时：
- 会把分子的“左右结构”（手性）搞错
- 会把结合位置放错
- 甚至会“看起来很合理，但完全不对”
听到这里，我忍不住笑了一下。
因为这太像人了：
看起来懂，其实没懂。😂
他还打了一个很轻松的比喻：
就像有人在简历里写自己会打乒乓球，
结果一上场，发现完全不是那回事。
AI也是。
它会“说得很好”，
但未必“做得对”。
四、他真正相信的，不是AI，而是“解释能力”
Bruce Donald特别强调一件事：
在医学里，不能只要结果，还要知道“为什么”。
现在很多AI模型是“黑箱”：
你输入数据，得到结果。
但中间发生了什么，你不知道。
可在癌症治疗里，这很危险。
因为——
如果一个模型告诉你“这个药有效”，
但你不知道它为什么有效，
那你就不知道：
？它什么时候会失效
？会不会伤害病人
？会不会在另一种情况下出问题
所以他做了一件“逆流而上”的事：
✓ 用更少的变量（甚至只有10个）
✓ 做出可解释的模型
也就是说——
每一个预测，都能追溯到具体的分子作用。
这不是更“炫”的技术。
但更“可信”。
五、他在重新定义“蛋白质是什么”
如果说前面是AI的反思，
那后面，是一次更深的突破。
我们一直以为，蛋白质有一个“结构”。
就像一张照片。
但Bruce Donald说：那只是一个瞬间！
真实的蛋白质，是在不断变化的。
它更像一段视频，
甚至更像一团在流动的云。
于是他提出一个新的方向：
！不再用“一个结构”描述蛋白
！ 而是用“一个概率分布”
也就是说：
不是“它是什么样”，而是——
它在多大概率下，会变成什么样。
六、这件事为什么重要？
我一开始没有完全理解。
直到他讲了一个很简单的例子：
如果你设计一个药物，
你面对的不是一个固定的靶点，
而是一个会变化的目标。
就像你在抓一条鱼。
如果你只知道它“某一瞬间”的位置，
你很可能抓不到它。
但如果你知道它“会在哪里出现的概率”，
你就可以提前布局。
这就是他在做的事：
✓ 设计药物，不是针对一个静态目标，而是针对一个“动态系统”。
七、他其实在做一件更底层的事
整场听下来，我慢慢意识到：
Bruce Donald真正想改变的，不只是药物设计。
他在改变的是——
！我们理解生命的方式。
从：
✓静态 → 动态
✓单一结构 → 概率分布
✓黑箱预测 → 可解释机制
这不是一个小改动。
这是在换一套“思维系统”。
八、从实验室，到公司，再回到现实
他不是只在做理论。
他创立了公司：1063 Therapeutics
把这些方法用于真实的药物研发。
目标很明确：
- 更难的靶点
- 更复杂的癌症
- 更少的试错
- 更快的设计
他说，他们可以：
✓ 从一个初始分子出发
✓ 几个月内设计出更优化的版本
这在传统药物研发中，是非常罕见的速度。
九、我坐在台下，终于明白一件事！
诺奖得主 Dr. Semenza讲的是：
✓ 生命如何在缺氧中求生
Bruce Donald讲的是：
✓ 人类如何提前看见这条求生路径！
一个是理解生命。
一个是预测生命。
一个在讲“为什么”。
一个在讲“下一步会发生什么”。
而我坐在那里，忽然觉得——
这两场演讲，其实在说同一件事：
我们能不能，比疾病更早一步？！
十、AI不是答案，人也不是答案
直到离开会场的时候，我还在想他那句话：
AI会学会一切可以从数据中学到的东西。
那剩下的呢？
剩下的是：
- 还没有被数据记录的
- 还没有被模型捕捉的
- 需要人去理解、去解释、去承担的
也许未来的医学，不是“AI取代人”。
而是：
！AI负责算得更快
！人负责看得更深
尾声
那天下午，阳光很好。
我走出会场的时候，脑子里其实已经不太记得那些复杂的术语了。
但我记得一种感觉。
一种很微妙的感觉：
我们好像正在慢慢接近一件事——
不是治愈所有疾病，
而是不再完全被动地等待它发生。
如果说氧气，是生命最基础的条件。
那“提前看见未来”，
或许是人类对抗疾病，最安静、也最深的一步。
它不喧哗。
但它在发生。
每天，每时，每刻……
它给我们带来不尽的想象，
也给我们带来不尽的希望！