人工智能（AI）高度依賴于高質量有標識的大數據，在一個生物學假說驅動、效率低下、試錯為主的新藥創新領域，毋庸置疑，這將會顯著提升新藥研發流程中某些階段的效率。但不管自古英雄出少年的IT創業精英風起云涌，還是有數十年研發經驗的醫藥界老兵坐觀潮起潮落，都缺乏對人工智能＋新藥研發全面的理性認識。

鑒于此，掛一漏萬，筆者愿與大家分享我們對于人工智能 ＋新藥研發的觀點和態度，分別從兩個方面，理解疾病－影像診斷及生物學新機制／新靶點的發現，和設計藥物－活性預測及化合物庫的產生與合成，探討人工智能在新藥研發中的實與虛。

一、人工智能的崛起

天地玄黃，人類作為擁有NI （Natural Intelligence） 的生物，孤零零誕生于宇宙洪荒。從直立行走、刀耕火種、蒸汽電機、登月升空，到無處不在的互聯網，人類在宇宙探索中實現了自我認知。從亞里士多德的形而上學，到牛頓的三大運動定律，再到愛因斯坦的相對論，這一切都閃耀于璀璨銀河中。

在這張圖片上，深藍戰勝人類棋手，有人高興，有人驚愕，還有人沮喪，圖片來自thewire．in

作為萬物之靈長的人類，不再滿足于吃蘋果獲得智慧，而是期望在孤獨的宇宙中創造出新的智能生命——人工智能（Artificial Intelligence）。時光荏苒，1997年深藍戰勝國際象棋大師卡斯帕羅夫后僅僅20年，人工智能便橫掃人類最復雜棋盤游戲——圍棋。短短不到一年時間，人工智能的稱號從籍籍無名的阿爾法狗（AlphaGo）變成無人不知的大師（Master），再進化到已不愛搭理人類，左右互搏、自我學習的“零”（AlphaGo Zero）。

人工智能迅速躥紅，阿西莫夫的機器人“三定律”似乎已近在咫尺，不僅朋友圈里充斥著各種夸張報道和炒作宣傳人工智能，如即將搶走人類飯碗的傳聞，即使是嚴謹求實的學術圈、工業界也是熱情洋溢，常有人言必稱“我的朋友胡適之人工智能”，遑論永遠盯著明天的投資界的追捧，大有一番“千紅萬紫安排著，只待新雷第一聲”的氣象。

50年后，達特矛斯會議當事人重聚首，圖片攝于2006年，圖片來自Wikipedia

其實嚴格來講，人工智能算不得“新雷”，它始于1956年的達特茅斯會議，已有60多年的歷史，涵蓋眾多學科和技術，包括機器人學、語音識別、自然語言識別與處理、圖像識別與處理、機器學習等等。之前雖也有潮起潮落，但并無大風大浪。近年來，得益于迅猛增長的計算能力、深度學習方法的引入以及大數據的興起，這“三板斧”的推波助瀾，人工智能在多個行業嶄露頭角，其中筆者所在的生物醫藥行業就是人工智能席卷的重鎮之一。

2016年，AlphaGo一經出現，就讓我們對人工智能刮目相看，圖片來自deepmind

面對目前這批風口上的人工智能公司，我們總歸要問所有新興技術都需要面對的終極問題：人工智能目前到底處在技術成熟度曲線（Hype Cycle）的哪個階段？人工智能能否正面PK當前可用的其它技術？在可預見的將來，人工智能究竟能做到什么樣的程度？

人工智能的征途可以是星辰和大海，但前行的補給卻不能是畫餅。縹緲的遠景不是我們興趣所在，畢竟DeepMind能否真的“Solve intelligence． Use it to make the world a better place”，比Deep Thought告訴我們宇宙的終極答案是42 ——語出科幻圣經《銀河系漫游指南》—要實際得多。