2013年諾貝爾化學獎得主、斯坦福大學結構生物學教授邁克爾·萊維特（Michael Levitt） 資料圖

澎湃新聞記者 虞涵棋

“生命進化的過程非常像機器學習，只是進行上億年時間�！�9月17日舉行的2018世界人工智能大會上，2013年諾貝爾化學獎得主、斯坦福大學結構生物學教授邁克爾·萊維特（Michael Levitt）分享了他對生物智能和人工智能的感悟。

生物智能來源于不停地學習，萊維特認為，在自然界，學習的本質(zhì)有三個要素：信息、結構和功能。

這位DNA和蛋白質(zhì)分子動力學模擬的領軍學者從這個角度上重新審視了遺傳學的“中心法則”：生命的信息編碼在DNA結構內(nèi)部，再“3D”打印成蛋白質(zhì)結構，承擔生命的功能。

一旦功能運行得不夠好，生物就會通過改變DNA的結構來改變遺傳信息，這就像用上億年的時間來完成機器學習。

雖然有一些相似之處，但生物智能有很多人工智能難以企及的維度，比如，DNA和蛋白質(zhì)的信息密集程度很高，是人類現(xiàn)在信息存儲水平的幾百萬倍。萊維特幽默地說道：“DNA和蛋白質(zhì)都是長長的弦，物理學家有弦理論，其實生物學家有弦理論很多年了�！�

此外，通過DNA信息到蛋白質(zhì)結構的“3D打印”，生物法則可以創(chuàng)造細胞、神經(jīng)元、四肢，這是人類制造業(yè)遠遠不及的。

雖然難以復制生物智能，但人工智能可以得到自然界的啟發(fā)。萊維特提到，機器學習中的重要工具——神經(jīng)網(wǎng)絡，就是一個很好的例子。

最后，人工智能可以反哺生物學的發(fā)展。萊維特了解到，復旦大學最近正在進行一項研究項目，用人工智能去觀察大腦的內(nèi)部結構，識別不同的腦部疾病。這最終將幫助人類創(chuàng)造更好的世界。

萊維特1947年出生于南非，1971年從英國劍橋大學獲得博士學位，現(xiàn)任美國斯坦福大學醫(yī)學院癌癥研究所教授。

2013年，萊維特與其他兩位科學家因“為復雜化學系統(tǒng)創(chuàng)立了多尺度模型”共享諾貝爾化學獎。