諾獎得主阿里耶·瓦謝爾：AI正在重新定義科學發現邊界

在2026世界人工智能大會（WAIC 2026）現場，86歲的諾貝爾化學獎得主阿里耶·瓦謝爾（Arieh Warshel）談起人工智能時，既不像急于擁抱新技術的樂觀派，也不像擔憂技術替代的保守派。他更像是一名經歷過技術變革周期的觀察者。

阿里耶·瓦謝爾（Arieh Warshel）白巖冰/攝

40多年前，瓦謝爾推動計算化學進入復雜分子研究領域，讓過去無法直接觀察的化學過程可以通過計算模型模擬；2013年，他與另兩位學者馬丁·卡普拉斯（Martin Karplus）、邁克爾·萊維特（Michael Levitt）共同獲得諾貝爾化學獎，以表彰他們“為復雜化學系統建立多尺度模型”的貢獻。

計算機曾經改變了科學研究方式，如今AI正在推動下一輪變化——不同的是，這一次機器不只是幫科學家計算，還在嘗試參與發現。

“有人可能會擔心AI會取代科學家，但至少就目前而言，是優秀的科學家在引領AI，而不是AI在引領他們。”這是瓦謝爾對AI與科學關系的判斷。

在他看來，人工智能正在改變科學研究的方式，但距離完全替代人類科學家，還有很長距離。“你必須有能力去評估AI告訴你的東西。在這一點上，目前人類似乎做得更好”。

從計算模擬到人工智能預測

瓦謝爾的科學生涯，本身就是計算技術改變科研方式的案例。

在傳統化學研究中，科學家主要依靠實驗觀察分子反應。但面對復雜生命體系，僅靠實驗往往難以解釋分子內部發生的過程。

計算模擬提供了一條新的路徑：建立數學模型，通過計算機模擬分子運動，從而理解化學反應機制。這也是瓦謝爾等人獲得諾貝爾獎的重要原因。

但人工智能正在帶來另一種研究方式。

“這是顯然不同的東西。”在談到計算模擬與AI的區別時，瓦謝爾說：“我們過去做模擬科學，是去還原一個生物分子實際的運作方式，從模擬中理解到底什么才是真正重要的東西——這是受物理啟發的模型。”

而人工智能更多依靠數據關聯，“它看到某類序列會導致某種操作，于是它能告訴你序列改變會帶來什么結果”。

在他看來，兩者并不是替代關系。“一個更致力于‘理解’，另一個更致力于‘預測’”。

這種區分，也解釋了他對不同AI應用場景判斷的分化。他認為，AI在疾病分類上潛力最大，比如通過識別大量病例判斷白血病類型。但對藥物設計，他更謹慎——“如果AI所做的只是觀察大量已有藥物再做插值推斷，那也許算不上真正的突破”。

瓦謝爾提到不久前迪拜一場會議上曾討論過的一個問題：AI有沒有可能自己發現量子力學？瓦謝爾的答案是“也許可以”——通過擬合大量方程，AI或許能夠推導出類似薛定諤方程這樣的理論。

但他隨即指出：“問題其實在于‘理解’到底意味著什么。如果我擁有描述這個過程的方程，那是我在‘理解’。如果AI只是告訴我這個過程會發生什么，我不確定這算不算‘理解’。”這是AI進入基礎科學領域后，尚待回答的問題。

瓦謝爾沒有回避自己對AI態度的轉變。“6年前，我對AI是非常悲觀的，現在我更多是在‘使用’它了。”但他隨即強調，這個轉變本身并不重要——重要的是，他開始懷疑自己過去信奉的那套邏輯。

他說，自己從小接受的是這樣一種科學訓練：只有理解原理，才能知道該怎么做。但人工智能正在改變這一邏輯。“現在我不再那么確定了。也許僅憑AI，你就能知道答案，甚至比一個真正理解問題的人得到答案還要快得多”。

人類的判斷仍是稀缺資源

對于AI是否會取代科研人員，瓦謝爾保持謹慎：“你必須有能力去評估AI告訴你的東西，在這一點上，目前人類似乎做得更好。當然AI也有它的‘經驗’，但人類的判斷對于AI能否被恰當地激活、使用，是非常重要的。”他給出了具體的時間窗口：“在未來3年內，人類的判斷仍然非常重要。”

這種判斷能力，也將成為未來科研人才的重要競爭力。

瓦謝爾長期與中國高校保持交流，現在擔任香港中文大學（深圳）瓦謝爾計算生物研究院主任。“每一次到訪不同大學，體驗都非常正面。”

他認為，高校與企業圍繞人工智能展開合作，將為年輕科研人員提供更多機會。“這可能會推動那些優秀的、有一定AI經驗的學生去爭取企業的青睞”。

對于人工智能未來的演變，瓦謝爾沒有給出明確預測：“我完全沒有頭緒。它可能超越人類，也可能仍然處于人類控制范圍內。”

但他認為，人工智能對科學發展的幫助是確定的。“AI對科學會有巨大的幫助，這是肯定的”。

對于AI治理，瓦謝爾認為，全球仍處于探索階段。在他看來，推動AI發展的力量不僅來自技術，也來自資本和競爭。“目前有巨大的資金壓力和其他各種壓力在推動AI盡快發展”。