AI在蛋白质与材料发现上能宣称什么,不能宣称什么
Anthropic上周宣称其Claude智能体完成了首个分子生物学发现,生物学家至今仍在反驳。这场争论已成为检验什么才算AI驱动科学发现的最尖锐案例。

争论的焦点不是软件有没有做出什么,而是发现这个词能涵盖到什么程度。据最早报道此事的《MIT Technology Review》,Anthropic称其由950个智能体组成的系统工作了21小时,在一个已知酶周围标出了一段重复模式。
生物学家几天内就提出了反驳。
撰写那篇广泛流传的批评文章的生物学家Lucas Harrington认为,找到一段奇怪的基因簇和重复序列往往是容易的部分,难的是弄清这个系统究竟在做什么。
据《MIT Technology Review》报道,礼来公司董事长兼首席执行官支持了这一批评。哥本哈根大学的另一位生物学家Mario Rodríguez Mestre周末表示,他的团队早已发现同样的模式。他在工作中经常与Claude聊天,怀疑Anthropic的团队是否从这些对话中学到了东西。Anthropic否认这一说法。Mestre表示他无论如何都会停止使用Claude。
为什么门槛对蛋白质研究很重要
同样的模糊贯穿AI用于生物学的其余领域。有三件事经常被捆在一起,值得分开:预测结构、设计分子、证明某个分子在生命系统中确实起了作用。
结构预测是最成熟的一块。
材料汇编中的近期工作显示设计这一侧走了多远:一个由AI指导的蛋白质工程云实验室从美国国家科学基金会获得2000万美元;Hansa Biopharma于10月1日表示将与Cradle合作开展AI驱动的蛋白质设计;研究人员报告用AI结构预测加快寻找分子胶,即迫使两个蛋白质结合的小分子。这些都是真实的能力,但都不是临床结果。
验证正是这个领域当下投入精力的地方。10月1日,DeepMind给蛋白质加上水印,以便实验室核查。9月30日的一份相关报告把SynthID Bio描述为保护AI生成蛋白质序列的一种方式。道理很直接:如果一个模型能输出成千上万个看似可行的设计,瓶颈就从生成转移到检查其中有没有哪个真的如所称那样表现。
这种转移在生物学之外也看得见。
同样的模式出现在材料领域,AI模型提出的候选化合物速度超过任何实验室合成和测试的速度。材料汇编本周没有给出单个头条级的材料成果,所以诚实的说法是:生物学这场争论是整个领域所面临问题的一个先行指标。
「找到一段奇怪的基因簇和重复序列往往是容易的部分。难的部分,也是真正发现所在的地方,是弄清这个系统究竟在做什么。」
Harrington这篇热传文章中的这段话是问题的要害。它由《MIT Technology Review》报道,而非Anthropic。在此处可获得的材料中,公司并未就实质内容作出回应。
另一项发现,且更干净
并非所有近期宣称都以同样方式受到质疑。天文学家9月15日在arXiv发表的一篇论文中报告,用MeerKAT阵列首次直接探测到系外行星的极光射电辐射,对象是巨行星beta Pictoris b。团队Kevin N. Ortiz Ceballos、Edo Berger和Yvette Cendes在0.85至3.5 GHz频率上探测到快速、重复且高度圆偏振的爆发,以及持续辐射。
他们把这信号认定为电子回旋脉泽辐射,这意味着行星处磁场至少为1.25 kG。这是首次对系外行星直接测出磁场强度。注意这项宣称为何站得住:特定的仪器、特定的信号、特定的物理机制,以及一个其他团队可以用自己的望远镜去复现的数字。这里没有AI智能体被要求领功。
这种对比并不是说AI不能为发现作贡献,而是说宣称该如何表述。把20万候选缩到少数几个值得测试的,是正当的科学工作,《MIT Technology Review》也这样指出。一个通用聊天机器人做这件事值得注意,即便由人引导它、由人做实验。
数学领域的先例
这个模式并非生物学独有。9月早些时候,OpenAI称其智能体破解了一道价值百万美元的数学难题。据《MIT Technology Review》报道,几周后,AI怀疑者转发了一篇文章,追问那究竟是不是真正重要的数学问题。文章并未说OpenAI的解法是错的,而是说这个结果可能不是数学家最在意的那个。还有一位数学家指责这些模型未经署名使用了他的部分工作。
一旦公司把自己的产出说成发现而不是工具结果,讨论就塌缩成两个答案,突破或失败,中间的一切都丢了。生物学家反对的正是这个机制,而非那个具体的酶模式。
Harrington提出的解决办法很明确:AI公司现在就该把门槛定高,这样当AI真正发现一种全新的生物机制时,大家才能体会那有多重大。《MIT Technology Review》指出,在Sam Altman和Dario Amodei争相比拼之际,抬高这个门槛也许是他们最不放在心上的一件事。
接下来看什么
下一阶段有两个日期值得关注。《MIT Technology Review》将于10月6日发布2026年值得关注的气候科技公司榜单。这不会解决生物学争论,但会显示该刊认为哪些公司在交付可衡量的结果而不只是发布消息。
第二是围绕beta Pictoris b的复现问题,这正是那种靠独立观测决定存亡的宣称。如果另一个阵列确认了这些爆发,领域就得到一个可以继续搭建的磁场测量。如果没有,这篇论文就加入一长串等待确认的单次探测结果。
对AI蛋白质和材料工作来说,检验更窄:当别人能在湿实验室或炉子里复现某种表现,并且结果正是领域真正在找的东西时,模型输出才成为发现。在那之前,准确的描述是有希望的候选,而不是发现。
Anthropic自己的表述招来了更严厉的解读。据《MIT Technology Review》对该文本的叙述,其公告称这一模式让人想起当年引向CRISPR的东西,而CRISPR已经改变了科学与医学。那是拿一个获诺贝尔奖的机制来比较,比较对象却是一个已知酶周围的重复模式,正因如此,反应才如此尖锐。
这场争论不会靠辩论解决,而要看独立实验室能否接过被标出的模式并证明它有什么用。这项工作缓慢、不光鲜,恰恰是当前这些宣称倾向于跳过的那部分。
资料来源
4- 01The Download: climate tech companies to watch and AI's discovery problemEN
- 02When can we say AI made a scientific discovery?EN
- 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
- 04Discovery of radio emission from the exoplanet beta Pictoris bEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。