人工智能在药物发现中的前景往往在你越接近它时越显得遥不可及。当你部署一个工具时，它今天可能并未如预期般工作，但总有人安慰你说明天就会见效。然而当明天到来时，目标又再次远去了。
这被称为"兔子问题"。任何经历过新技术炒作周期（包括FAIR数据）的人都会立即认出这种模式。
尼克·林奇博士（Dr Nick Lynch）已经历过数个这样的周期。他在阿斯利康工作了13年，是皮斯托亚联盟（Pistoia Alliance）的联合创始人，并参与了FAIRPlus项目，该项目开发了FAIR指南（FAIR Cookbook），帮助组织机构掌握使数据可发现、可访问、可互操作和可重用（FAIR）的方法。自2014年以来，他一直经营着楫鹬研究公司（Curlew Research），这是一家专注于生命科学领域数据和信息学战略的咨询公司。他的基本立场值得明确陈述，因为它框定了接下来的所有讨论：
"FAIR实际上是一个过程……我们有时可能会过度承诺所能实现的目标，但同时也低估了所需的精力，特别是变革管理、成本和时间。我认为所有这些也可能适用于人工智能。"
这是一个警告。接下来的对话是关于人工智能真正能够发挥作用的地方，这比大多数营销宣传所暗示的更为具体、更为严谨。
数据问题没有改变；数据类型改变了
将人工智能视为解决旧问题的新答案是很诱人的。林奇谨慎地将两者分开。数据量不断增加、实验密度和维度提高，以及药物发现界都在"从同一套全球靶点中捕鱼"的挑战已有数十年历史。廉价的基因组学、云存储和数据湖本应多年前就解决这些问题。
过去几年真正的新事物更为有限：大规模处理非结构化数据、文本、文献、图像、PubMed内容等的能力。林奇极力避免让大型语言模型（LLM）的热潮抹去之前的一切：
"不要忘记，机器学习/人工智能在药物发现中已经存在数十年……从计算角度看，这是一个渐进过程，更传统的机器学习方法仍然扮演着重要角色。"
因此，人工智能故事的诚实版本不是一场取代统计学和机器学习的革命。它是建立在它们之上的额外一层，其价值完全取决于你用它来处理什么。
精炼而非创造基础真相
这是林奇拒绝简单表述的核心论点。直觉上，我们可能会说大型语言模型能够"验证"我们的科学知识，但他对这个词语提出了质疑：
"我认为'验证'是一个过于强烈的词……它可能是丰富和验证的结合。"
这种区分很重要。组织机构已经花费数十年和大量人力来构建经过整理的知识——例如知识图谱、通路数据和靶点信息——所有这些都有明确的来源和可评估的成熟度。错误的做法是希望大型语言模型能凭空创造这种基础真相，或者通过某种魔法消除使数据符合FAIR标准的艰苦工作。林奇直言不讳地表示，这在许多情况下"是跳跃过大的。"
可辩护的角色恰恰相反。当人类无法处理海量可用数据时，人工智能可以被用来丰富、链接和压力测试现有且经过良好验证的基础真相。人工智能可以在一定程度上自主运行验证，挑战一个假设并以人类团队无法企及的规模对其进行文献测试。随着数据量的增长，曾经完全由人工主导的整理工作，根据林奇的说法，变成了"人在环路中的人工智能整理"。
然而，这也隐藏着一个值得承认的风险——我们的对话揭示了这一点。模型，特别是那些在公开数据上训练的模型，只看到人们选择发表的内容。"暗数据"——那些失败或从未记录下来的实验——仍然不可见。用人工智能丰富基础真相并不能解决这个盲点；相反，它可能会"洗白"这个盲点，为基于系统性不完整图景得出的结论提供信心。这项技术在基础真相坚实的地方非常强大，在基础真相薄弱的地方则不可靠。
真正的价值：方向性价值
如果这次交流中有一句话值得铭记，那就是：当被问及人工智能在早期发现中真正擅长什么时，林奇重新定义了问题，围绕"接下来应该运行什么实验"展开。
"最终我们确实需要做实验……现在更多地帮助我们的正是选择哪些实验来丰富我们的决策过程。"
这比"人工智能将发现你的药物"的说法更为低调，也更为可信。它的价值在于提供方向，利用人工智能来识别能够同时实现两个目标的实验：推进项目并丰富未来的数据空间。不仅针对当前问题，也针对尚未提出的问题。
"它使用人工智能来帮助我们确定哪些实验将同时增加方向性价值——即真正推进项目——以及可能不仅对现在，也对未来丰富数据空间的数据。"
这与旧的组合化学习惯相反，后者基于"数量等于价值"的假设构建庞大但缺乏多样性的文库。如果做得好，人工智能可以让团队专注于信息量最大的实验，同时保持足够的想象力，在预算允许的情况下偶尔扩大范围，以填补真正的数据空白。已经承诺进行高通量实验的公司，如Recursion，正是为了填补数据中的这些空白。
有一个明显的注意事项，林奇自己也提到了：对于化学来说，如果分子无法合成，那么推荐就毫无价值。合成可行性必须嵌入到智能体和推荐中，否则你只是生成了一份无人能够合成的有吸引力分子列表。
从"做/不做"到探索空间
更具前瞻性的线索是决策框架的转变。早期的机器学习倾向于二元、区分性的决策：做或不做，推进或不推进。林奇认为，这始终是对实际问题的简化。
药物发现是多参数优化（MPO），边界不清晰，改变一个属性会降低另一个属性。人类直觉最多能处理三到四个维度；数据却有许多维度。这里使用人工智能的真正理由是关于"覆盖范围"——导航我们无法在脑海中把握的高维空间，并且避免我们的一些简化偏见。
"我们人类大脑可能最多只能处理三到四个维度，但凭借数据的维度，我们有更好的机会，"林奇说。
有一个值得注意的微妙矛盾。正如林奇所指出的，我们"热衷于简化"；我们喜欢将复杂性压缩成我们可以在三维中可视化的形式，使其变得简单以便采取行动。人工智能的部分承诺是它不必像那样行事。然而，团队无法理解的建议是他们难以信任或采取行动的建议。使人工智能有价值的维度，也是使其输出难以审查的维度。这不是避免使用它的理由；而是要诚实地认识到"探索空间"是一项仍在发展的能力，而非已解决的问题。
对你的启示
按照这种理解，早期发现中实用的人工智能版本是平凡而具体的：它不是一台知道答案的机器，而是一套告诉你接下来应该运行什么实验的工具——在这样做的同时，悄无声息地构建更丰富的数据集。它所证明合理的支出是用于方向和数据的支出；而不是用于承诺的支出。
它所要求的纪律是古老的。首先定义你真正想要回答的问题。诚实地面对你的基础真相中的空白。并且对每一个"工具明天就能交付"的保证，都应用你对过去十年追逐的任何其他"兔子"所持的同样怀疑态度。
【全文结束】