健康新聞

AI加速科學發現進程 從神經模型到藥物研發全面參與

人工智慧(AI)正全面融入科學研究,不僅能自動建構、優化複雜的科學模型,更在藥物開發、實驗數據判讀和醫療發現等領域發揮關鍵作用,大幅加速科學發現的進程。

張

張皓廷

· 7 分鐘閱讀

分享:
圖/AI 生成示意圖
圖/AI 生成示意圖

人工智慧(AI)正逐步改變科學研究的樣貌,從協助科學家建構複雜模型,到加速新藥開發,AI 的參與日益深入。研究人員不再僅將 AI 視為數據分析工具,而是賦予其在科學建模過程中,從模型建構、參數約束到結果解釋等關鍵環節的角色。

AI 驅動科學建模流程

科學建模通常包含三個主要步驟:首先是建構模型,其次是利用數據調整模型參數以符合實際觀察(約束模型),最後則是解讀模型所揭示的系統運作機制。過往這些步驟耗時費力,例如英國生理學家安德魯·赫胥黎(Andrew Huxley)在 1951 年為描述魷魚神經細胞放電機制,耗費三週使用手搖計算機解方程式,這項成果與艾倫·勞埃德·霍奇金(Alan Hodgkin)合作的「霍奇金-赫胥黎模型」(Hodgkin-Huxley model)至今仍是神經元電活動的標準描述,並於 1963 年獲得諾貝爾獎。

現今,AI 系統正全面參與這些步驟。在模型建構階段,大型語言模型(LLM)能夠根據數據和自然語言描述,自動撰寫候選模型的程式碼。針對模型約束,一種名為「模擬基礎推論」(Simulation-based inference, SBI)的方法,透過反覆運行模型並隨機調整參數,再訓練類神經網路來解析結果,克服了傳統貝氏推論(Bayesian inference)的複雜性,尤其適用於神經網路或星系碰撞等難以逆向推導的複雜系統。

然而,模型解釋是 AI 最難以取代人類的部分,因為「理解」很難被量化為客觀目標。為此,科學家正探索衡量 AI 系統在系統受擾動時預測行為的能力,或其輸出是否能幫助人類科學家更深入理解問題,來評估 AI 的解釋力。

AI 在多科學領域的應用

AI 系統已在多個科學領域展現其加速研究的潛力。例如,OpenAI 旗下的大型語言模型 GPT-6 Astra 在「BioBasicsBench」評估中,獲得 66.7% 的部分學分分數。這項基準測試旨在評估 AI 模型解讀濕實驗室(wet-lab)科學證據的能力,包括影像、影片和儀器文件等輸入資料,涵蓋蛋白質、影像分析、化學分析、核酸和基因複製等五大領域,顯示 AI 在實驗數據判讀上的進步。

在藥物發現領域,麻省理工學院(MIT)研究人員與德國巴斯夫(BASF)科學家合作開發了開源的分子基礎模型 CheMeleon,該模型預先訓練了約一百萬個分子數據,旨在透過少量特定任務數據微調後,精確預測分子化學性質,特別在實驗數據稀缺時,能有效加速藥物及材料開發。此外,Google DeepMind 也推出 Antigravity 平台工具,利用 AI 代理程式收集化學數據、預測化合物效力並提出新分子設計,大幅縮短藥物研發前期的工作時間,從數天縮短至約一小時。

另一方面,健康科技公司 Ro 也成立 Ro Research Lab,運用 AI、真實世界患者數據和嚴謹科學方法,從數百萬份患者旅程中產生的連續數據流(包含副作用、實驗室結果、睡眠及心率變化等)中識別模式,加速醫療發現並轉化為更好的患者照護。Google DeepMind 也在 2026 年 10 月 27 日宣布推出 Genie 4 模型,專用於模擬,將在未來逐步開放給更多開發者使用,進一步擴展 AI 在科學模擬方面的應用範圍。

隨著 AI 技術的進步,科學家預期未來能夠建構出規模更大、更複雜的模型,甚至超越人類手動編寫的複雜度,這將使得科學研究的焦點從尋找單一「正確」模型,轉向探索所有與數據相符模型所共享的特性和可導出的預測,從而加速人類對自然世界的理解。

參考來源

分享:
回首頁

延伸閱讀

美國近2成青少年求助AI心理諮詢 羅格斯大學專家揭潛在風險

美國近2成青少年求助AI心理諮詢 羅格斯大學專家揭潛在風險

一項最新調查顯示,美國近五分之一的青少年及年輕成人曾利用人工智慧(AI)工具獲取心理健康資訊,凸顯AI在心理健康領域的普及。然而,羅格斯大學的專家警告,AI雖能提供便利的教育資源,卻可能提供不準確資訊、缺乏診斷能力並引發隱私疑慮。專家建議將AI視為輔助工具,而非取代專業醫療,並呼籲家長與年輕人共同正視AI諮詢的潛在風險。

廖心妤 2026/11/94 分鐘閱讀

熱門文章