在最近的AI for Science领域，惊喜不断地在物理、化学、生物领域开花结果。除了诺贝尔物理和化学奖双双颁给了AI领域的科学家之外，阿里云与中山大学的科研合作也带来了RNA病毒寻找的突破，国际学术期刊《Cell》收录了这一研究论文。

论文题为“基于人工智能探索和记录隐藏的RNA病毒世界”，提出了一款深度学习模型“LucaProt”，用于快速准确判别RNA病毒，这一方法颠覆了传统病毒发现方法。LucaProt基于Transformer框架与大模型技术，将蛋白质序列与结构特征结合，在测试中展现出高准确性与特异性。在外部验证集上达到97.4%召回率及0.023%假阳性率，只需几百毫秒至几秒，即可完成检测速度，这远超经典方法的几天至几周。

通过利用云计算与AI技术，我们发现超过16万种新RNA病毒，是已知种类的近30倍，深化了对RNA病毒多样性和演化历史的认知，并带来新的疾病学发现。这一研究成果是由生物学领域与AI前沿技术双方人才高效联合完成的。论文共同第一作者包括阿里云飞天实验室算法专家贺勇，与中山大学医学院侯新博士共同担任此职位。此外，论文共同通讯作者还包括中山大学施莽教授、阿里云生物计算研究总监李兆融，以及悉尼大学全球知名病毒学家 Edward Holmes。

作为论文共同一作，贺勇表示：“基于AI+病理解决框架刷新了人类对疫情圈的大量认识，有助于预警未来可能发生的大流行，以及进一步推动RNA疫苗研发。” AI for Science 探索，更需要“AI+云计算”的多面支持。在过去的一年内，Arctic Cloud已经同全球超过70所高校开展学术合作，一共支持合作高校发表100余篇高水平论文，并申请近70项发明专利。

在生命科学领域，如DNA和蛋白质基础模型-LucaOne、 RNA 病原体发现-LucaProt以及磷循环蛋白家族识别-LucaPCycle等方向，都有着持续进行中的科研课题，其中很多项目都是由贺勇主导参与。

为了探讨这些科研成果背后的逻辑，我们采访了Arctic Cloud飞天实验室算法专家贺勇。他分享了一些关于科研经验以及他对 AI for Science 的洞见。以下是访谈实录，但由于篇幅限制，我们将其编辑成了一个标准化版本：

问：是否有预期到这次研究成果的突破？

答：起初我们抱着试一试的心态，其目标是找到新型 RNA 病原体。如果能够发表在顶级期刊，那就更好。但最终结果超出了我们的预期，因为我们使用的是最新第三代深度学习技术，它基于Transformer架构，可以直接处理复杂数据，从而简化并加速整个过程。

问：这个过程中遇到的主要瓶颈是什么？

答：最大的挑战之一是跨越从机器学习到生物学知识之间巨大的鸿沟。我必须不断学习新的生理信息，以便以全局思维解决问题。此外，还有来自数据校验和处理方面的问题需要解决。

问：如何克服这些挑战？

答：我认为这是一个复合型人才的问题，即那些同时具备计算机科学背景和生理背景的人才会非常宝贵。另一种策略是在不同学院间建立合作关系，这样可以互补彼此不足的地方。而对于使用 AI 解决问题，我认为关键点就是要了解问题背后的规律。一旦你理解规律，就能用正确的手段去解决它，无论是简单还是复杂的问题都一样。这就是为什么我认为 AI 在某些情况下可以极大地提高效率并且提供重要见解，而不是取代人类智慧或创造力，而是一种工具，用以增强我们的能力，使得我们能够做出更加精确、高效甚至创新性的决定。