夜雨聆风
开
栏
语
学之道，在于严谨；研之道，在于求真。漫漫研究之路，少有一蹴而就的灵光，多是日复一日的伏案与跋涉。
高等学校是基础研究的主力军和重大科技突破的策源地。在高校校园里，有对冷门绝学数年如一日的孤独求索，有几代学人的薪火相传，也有跨越学科边界的大胆破壁。研究的故事，时时刻刻在发生。
本栏目拟把目光投向校园里那些沉潜于实验室、田野、数据与文献中的学人，记录他们的探索、坚守与意外之喜，呈现研究中“人”的温度与“学”的分量，讲述那些值得被看见的故事。愿这些文字，成为你了解中大科研的一扇窗。
病毒，是自然界最精于伪装的“暗物质”。它们藏匿于蝙蝠粪便、深海热泉，甚至你我呼吸的空气里，基因序列与已知世界迥异，如同宇宙中的黑洞，存在，却难以被捕捉。
长久以来，科学家们手持BLAST、隐马尔可夫模型等“旧罗盘”，在浩瀚的基因数据里打捞已知的相似。直到AI大模型的浪潮涌来，带来了新的可能。
在中山大学中山医学院，有一位从传统生物信息学阵地勇敢“跨界”的探索者。他就是施莽。他和团队开发的LucaProt、LucaOne、LucaVirus，被学界誉为病毒学界的“AlphaFold”。它们不再依赖模板比对，而是能凭“数据直觉”揪出那些从未见过的“病毒暗物质”。在施莽的故事里，AI并非流于表面的时髦噱头，而是助力探索生命奥秘的有力船桨。
要敢于走出舒适区
在很多人的印象里，用AI做科研似乎是有门槛和风险的。不会写代码能用好AI吗？AI模型能准确对接我们的实际需求吗？
施莽用亲身经历告诉我们，只要有勇气推开这扇门，就有可能收获意外之喜。用AI，并没有想象中那么难。
施莽教授和团队在电脑前分析AI数据
“实际上这是我第一在自己的科研工作里深度使用人工智能，是非常有意思的经历。”施莽回忆道。彼时，他和学生已耗费两三年时间，用传统生物信息学方法默默收集病毒数据。一位在阿里云做AI模型开发的老同学找上门，提议合作。起初，施莽心里也打鼓：“我当时觉得AI是一个时髦用语，尝试一下就行了，也不一定靠谱。”
然而，尝试的结果远超预期。“我发现AI预测准确率是非常高的，它对数据的把控和对科学问题的回答都非常好。”双方合作开发的病毒发现算法，成功挖掘出以往从未发现的“远缘病毒暗物质”。这一次“无心插柳”，让他敏锐地捕捉到了AI的巨大潜力。
这背后，是一场深刻的科学范式革命。“早期我们也使用计算机，但那时候是人类先掌握了生物学规律，再告诉计算机该怎么算。现在刚好相反——我们不先给定规律，而是把成千上万、甚至数以亿计的数据交给计算机，让它自己去发现规律。这就是一种数据驱动的研究方式。”
他的团队开发的Luca系列模型，正是这场革命催生的利器。面对一个从未见过的新病毒，传统比对工具会束手无策，而AI却能凭借从海量数据中锻炼出的“病毒直觉”，做出精准判断。这，便是从“有模板”到“无模板”的惊人一跃。
AI是“桨”，人才是舵手
AI大模型常因“黑箱”属性被质疑：它给出了结果，但我们凭什么信它呢？在病毒学这样关系重大的领域，如何保证AI的“直觉”经得起真实世界的推敲？
对此，施莽的回答冷静而务实。他认为，数据是AI的灵魂，大模型“吃”得越好，“长”得自然就越好。“很多时候AI模型没有预测好，是因为数据不完善，比如只给了40个数据，太少了，不足以总结出有说服力的规律。”
验证实验失败了也并不可怕，不能因此全面否定AI大模型的能力。如果验证结果不理想，这些“负面反馈”就变成了模型进化的养料，驱动着AI在“预测-验证-优化”的闭环中持续精进。
施莽教授及团队参加会议
那么，AI会被“狡猾”的病毒欺骗吗？谈及AI与病毒，施莽的视角很独特：“病毒欺骗的不是AI，它欺骗的是人体的免疫系统。”在他眼中，病毒“善于隐藏”恰恰是其生物学本性的体现。而AI的价值，正在于能够整合序列、结构乃至同位素等多维信息，让那些善于隐匿的病毒无处遁形。
AI是“桨”，能帮助我们更快到达目的地。但AI无法掌舵——走哪条路、怎么走、去哪里，是科学家需要思考和回答的问题。
关键是要提出好问题
在施莽看来，AI与科学家之间，不是谁取代谁，而是互相赋能的关系。“我觉得AI取代科学家是无稽之谈。AI能在一定程度上降低获取知识的成本，带来便利。但提出科学问题、解决科学问题，依然需要人的创造力。”
作为一名从传统领域成功“跨界”的学者，施莽对当下年轻人的困惑感同身受。面对“AI会不会让我失业”“不懂编程会不会用不好AI”“AI会不会吃掉我的思考能力”等焦虑，他给出了坦诚而具体的建议。
关于“跨学科恐惧”， 施莽首先破除了一个迷思：“运用AI不代表一定要参与编程工作，也不代表一定要很了解编程。” 他以医生为例，“你可以准备一些相关的数据，明确自己的需求，请算法专家设计模型，在反复沟通中，一个优秀的模型就会诞生。” 术业有专攻，我们的目标不是成为全才，而是懂得博采众长，成为那个能定义“真问题”、把关“好数据”的关键角色。
“AI能力强大，但是我们不能过度依赖AI，不能让AI磨灭了我们的创造力。”对于创造性的核心工作，施莽态度坚决：“我们要有自己的思考，才能去判断AI做出来的东西是好是坏。如果我们要创造，那必须得是我们自己的东西。”
施莽教授（左一）和研究伙伴在实验室合影
从传统生物信息学的“舒适区”跨入AI协作的“无人区”，施莽的转型并非一场孤注一掷的冒险，而更像一场理性且充满好奇的“冲浪”——当时代的浪潮涌来，最好的方式不是观望，而是带上自己的问题，勇敢地站上浪尖，去驾驭它，去探索那些从未被照亮的深海。
“你要走出自己的舒适区，去接受新的事物，这样你才会不断地进步。”不必畏惧跨界，去接触新工具，去拥抱真问题。因为，答案不在岸上，而在你迈出舒适区之后，每一步真实的探索里。
▼ 推荐阅读 ▼
点击图片了解更多中大故事
▼中大团队借助人工智能技术开展病毒学研究 大幅拓宽RNA病毒库
▼525 | 我与我周旋久，宁作我
▼今年的毕业MV，等你来出演！
---iSYSU---
来源：中山大学深圳校区管委会 中山医学院 党委宣传部
采写：刘雨萱
编辑：党委宣传部邱清萌
一读：刘俊鹏
初审：邱清萌
审核：袁媛 陈融融
审定发布：黄艳
