還記得那個在圍棋盤上虐殺人類棋王的AlphaGo嗎？Google DeepMind在證明了AI 能「玩遊戲」之後，轉身攻克了科學界最難解的謎題之一：蛋白質摺疊。
如今，這項名為AlphaFold的技術迎來了五週年，更在去年 (2024)拿下了諾貝爾化學獎的殊榮。WIRED網站稍早刊出專訪中，DeepMind研究副總裁Pushmeet Kohli透露，AlphaFold的野心遠不止於此。在導入Gemini 2.0與擴散模型 (Diffusion Models) 後，他們正朝著「AI科學家」 (AI Co-scientist)，以及終極目標「虛擬細胞」 (Virtual Cell)邁進。
從「iPhone時刻」到預測萬物：AlphaFold 3的進化
五年前AlphaFold 2的問世，被譽為生物學界的「iPhone時刻」。它建立了一個包含2億種蛋白質結構的資料庫，幾乎涵蓋了地球上所有已知的蛋白質，這項成就不僅被引用超過4萬次，更徹底改變了藥物開發的流程。
然而，DeepMind並沒有停下腳步。去年的AlphaFold 3引入了本質上更具「創造力」的擴散模型 (類似生成圖片的AI原理)。
這讓AI不再只能預測蛋白質，還能預測DNA、RNA，以及藥物小分子的交互作用。Pushmeet Kohli解釋，這是科學需求驅動的結果——因為生命不是只有蛋白質在獨舞，而是所有分子在共舞。
但擴散模型也有副作用：幻覺 (Hallucinations)。在蛋白質的無序區域，AI可能會「腦補」出不存在的結構。對此，DeepMind導入了嚴格的「驗證者」 (Verifier)機制與信心分數 (Confidence Scores)，確保AI的創意不會變成科學上的災難。
下一步：基於Gemini 2.0的「AI共同科學家」
除了預測結構，DeepMind正在構建一個名為「AI科學家」的代理系統 (Agentic System)，其核心基於Gemini 2.0。
這聽起來像是「科學方法 (Scientific Method)」的自動化版本。這個系統內會有多個 AI 代理人 (Agents)，它們會閱讀海量文獻、生成假設，然後互相辯論。
Pushmeet Kohli舉例，倫敦帝國學院的研究人員曾利用此系統研究病毒如何「劫持」細菌。AI能夠在極短時間內消化數十年的研究，並且獨立提出與人類團隊花費數年才驗證出的相同假設。這意味著，科學家的角色將從「思考如何解決問題」 (How)，轉變為「思考該問什麼問題」 (What)。
終極聖杯：模擬完整的「虛擬細胞」
Pushmeet Kohli坦言，最讓他徹夜難眠的未解難題，是如何模擬一個完整的細胞。
如果說DNA是食譜，蛋白質是食材，那麼理解細胞核內何時、如何讀取這些食譜，就是解開生命奧祕的關鍵。DeepMind的目標是從細胞核開始，由內而外理解細胞運作。一旦成功，我們就能在電腦上先「跑一遍」藥物反應，甚至設計新的酶來解決氣候變遷問題。雖然距離這個目標還有幾年要走，但這將是連接「計算預測」與「臨床治療」的最後一哩路。
分析觀點：AI不會取代科學家，但會淘汰不懂用AI的科學家
筆者認為，Pushmeet Kohli的訪談揭示AI for Science的下一個典範轉移。
過去五年，AlphaFold證明了AI是一個超強的「工具」；但未來五年，隨著Gemini 2.0這類具備推論與辯證能力的模型加入，AI將晉升為「夥伴」。它不再只是幫你算得快，而是能幫你想點子、找盲點。
這對於科研界來說既是興奮也是挑戰。未來的諾貝爾獎得主，或許在致詞時都得先感謝他的「AI科學家」。而對於DeepMind來說，在拿了一座諾貝爾獎後，如果真能搞定「虛擬細胞」，那可能就是下一座獎盃的預約券了。
