当AI预测有效但不知其所以然：三位顶尖科学家论AI在药物研发的未来

人工智能在药物研发中的应用带来一个重大挑战：在没有清晰解释AI推理过程的情况下，识别有前景的分子。与AI的轻微错误（例如聊天机器人推荐不存在的餐厅）不同，医疗应用中的风险要高得多，需要严格的验证。科学家们正在探索如何信任来自Google DeepMind的AlphaFold等系统的预测，这些系统依赖数十年积累的实验知识来预测蛋白质结构。

诺贝尔奖得主Michael Levitt认为，AI的“黑箱”性质并非独有，因为生物学本身就包含许多奥秘。他指出，药物监管机构，例如美国食品药品监督管理局，优先考虑药物安全性和有效性的证据，而非对每个底层机制提供完整解释。对Levitt而言，关键步骤是根据可靠的实验数据测试AI预测，并确保研究结果可以独立重现。

荣誉科学家Daniela Rhodes支持这一观点，她强调医学往往在完全理解之前就通过实验取得进展，并以中草药为例。尽管AI工具，包括使用Nvidia GPU的机器学习，可以加速研究阶段，例如识别数百万个粒子以确定分子结构，但Rhodes强调，AI的输出，即使是来自AlphaFold的，也“只是非常好的预测”，但“并非绝对真理”。

这表明AI可以显著帮助识别潜在药物候选物并加速初步研究。然而，实验室实验和全面的临床试验仍然至关重要。研究人员仍需确定AI识别的分子在不同人体中的行为方式，特别是考虑到许多药物在历史上主要在有限年龄范围内的男性身上进行测试。