当地时间9月21日，有“诺奖风向标”之称的拉斯克奖揭晓。2023年拉斯克基础医学研究奖授予谷歌DeepMind公司的Demis Hassabis和John Jumper，表彰他们发明了能够预测蛋白质三维结构的革命性技术AlphaFold。
蛋白折叠获拉斯克奖也提升了人们对于有朝一日，人工智能在生物医学领域的研究成果获得诺贝尔奖的预期。
去年，AlphaFold团队发布了超过2亿个蛋白预测结构，几乎涵盖了科学界已知的所有蛋白质。该数据库推动了跨学科的研究，例如筛选潜在药物靶点治疗罕见病。
在谈到AlphaFold的研究下一步将走向何方时，Jumper表示，还有很多重要的工作需要去完成，现阶段取得的成就绝不是科学的终结，也不是生物学的终结。
目前全球的科研团队都在挖掘人工智能技术的潜力，来赋能科学研究。这推动了科学智能（AI for Science）领域的发展。AI for Science是指利用人工智能技术，包括机器学习和深度学习等，分析处理多维度、多模态、多场景下的模拟和真实数据，解决复杂推演计算问题，以加快基础科学和应用科学的发现、验证和应用。
例如，跨国制药商正在利用人工智能快速寻找进行临床试验的患者，或减少测试药物所需的人员数量，这既加速了药物开发，又可能节省成本。
安进、拜耳和诺华等公司正在训练人工智能机器，用于扫描数十亿份公共健康记录、处方数据、医疗保险索赔及其内部数据，以找到匹配的临床试验患者，这可以将患者如组时间减半。
不久前，清华系初创团队水木分子发布新一代对话式药物研发助手ChatDD(Drug Design)，覆盖药物立项、临床前研究、临床试验的各阶段，作为制药专家的AI助手，来提升药物研发效率。
另一方面，随着以GPT为代表的大模型AI技术广泛进入生活和工作，人们也期待AI未来能在商业分析和决策上起到更好的帮助。然而，目前AI机制的不透明、不可解释性极大制约了人们对其决策的理解。
为此，中国科学家也在积极探索人工智能在脑科学交叉研究方面的应用，试图回答神经科学领域难以解释的问题，比如大脑如何解决复杂问题。
中国科学院脑科学与智能技术卓越创新中心高级研究员杨天明团队就以猕猴作为模型，利用AI和统计学的方法，来定量地描述猕猴的游戏策略，将不同的策略基组对比拟合到猕猴的游戏行为数据中，推断策略的动态权重。该计算模型对猕猴手柄运动的预测准确率能够达到90%以上。
杨天明在9月20日举办的一场天桥脑科学研究院（TCCI）“决策与人工智能”会议上表示：“这项交叉研究给AI for Brain Science领域带来了重要的启示。低维的行为任务不足以理解复杂的大脑，而AI可以辅助我们理解高维数据，高维行为、高通量神经元记录以及合理的AI模型可以帮助我们理解大脑复杂性。”
“在科学的发展过程中，人工智能与认知科学交叉演进。人工智能旨在模拟智能体的决策和问题解决能力，而认知科学则专注于理解人类认知过程。”天桥脑科学研究院中国学术会议总监、天桥脑科学研究院人工智能与精神健康实验室科学家耿海洋博士对第一财经记者表示，“这一交叉演进为我们提供了更好地理解智能的机会，有助于开发更智能的机器，同时也有助于更深入地理解人类思维和大脑运作。”
