在2026世界人工智能大会（WAIC 2026）现场，86岁的诺贝尔化学奖得主阿里耶·瓦谢尔（Arieh Warshel）谈起人工智能时，既不像急于拥抱新技术的乐观派，也不像担忧技术替代的保守派。他更像是一名经历过技术变革周期的观察者。
阿里耶·瓦谢尔（Arieh Warshel）白岩冰/摄
40多年前，瓦谢尔推动计算化学进入复杂分子研究领域，让过去无法直接观察的化学过程可以通过计算模型模拟；2013年，他与另两位学者马丁·卡普拉斯（Martin Karplus）、迈克尔·莱维特（Michael Levitt）共同获得诺贝尔化学奖，以表彰他们“为复杂化学系统建立多尺度模型”的贡献。
计算机曾经改变了科学研究方式，如今AI正在推动下一轮变化——不同的是，这一次机器不只是帮科学家计算，还在尝试参与发现。
“有人可能会担心AI会取代科学家，但至少就目前而言，是优秀的科学家在引领AI，而不是AI在引领他们。”这是瓦谢尔对AI与科学关系的判断。
在他看来，人工智能正在改变科学研究的方式，但距离完全替代人类科学家，还有很长距离。“你必须有能力去评估AI告诉你的东西。在这一点上，目前人类似乎做得更好”。
从计算模拟到人工智能预测
瓦谢尔的科学生涯，本身就是计算技术改变科研方式的案例。
在传统化学研究中，科学家主要依靠实验观察分子反应。但面对复杂生命体系，仅靠实验往往难以解释分子内部发生的过程。
计算模拟提供了一条新的路径：建立数学模型，通过计算机模拟分子运动，从而理解化学反应机制。这也是瓦谢尔等人获得诺贝尔奖的重要原因。
但人工智能正在带来另一种研究方式。
“这是显然不同的东西。”在谈到计算模拟与AI的区别时，瓦谢尔说：“我们过去做模拟科学，是去还原一个生物分子实际的运作方式，从模拟中理解到底什么才是真正重要的东西——这是受物理启发的模型。”
而人工智能更多依靠数据关联，“它看到某类序列会导致某种操作，于是它能告诉你序列改变会带来什么结果”。
在他看来，两者并不是替代关系。“一个更致力于‘理解’，另一个更致力于‘预测’”。
这种区分，也解释了他对不同AI应用场景判断的分化。他认为，AI在疾病分类上潜力最大，比如通过识别大量病例判断白血病类型。但对药物设计，他更谨慎——“如果AI所做的只是观察大量已有药物再做插值推断，那也许算不上真正的突破”。
瓦谢尔提到不久前迪拜一场会议上曾讨论过的一个问题：AI有没有可能自己发现量子力学？瓦谢尔的答案是“也许可以”——通过拟合大量方程，AI或许能够推导出类似薛定谔方程这样的理论。
但他随即指出：“问题其实在于‘理解’到底意味着什么。如果我拥有描述这个过程的方程，那是我在‘理解’。如果AI只是告诉我这个过程会发生什么，我不确定这算不算‘理解’。”这是AI进入基础科学领域后，尚待回答的问题。
瓦谢尔没有回避自己对AI态度的转变。“6年前，我对AI是非常悲观的，现在我更多是在‘使用’它了。”但他随即强调，这个转变本身并不重要——重要的是，他开始怀疑自己过去信奉的那套逻辑。
他说，自己从小接受的是这样一种科学训练：只有理解原理，才能知道该怎么做。但人工智能正在改变这一逻辑。“现在我不再那么确定了。也许仅凭AI，你就能知道答案，甚至比一个真正理解问题的人得到答案还要快得多”。
人类的判断仍是稀缺资源
对于AI是否会取代科研人员，瓦谢尔保持谨慎：“你必须有能力去评估AI告诉你的东西，在这一点上，目前人类似乎做得更好。当然AI也有它的‘经验’，但人类的判断对于AI能否被恰当地激活、使用，是非常重要的。”他给出了具体的时间窗口：“在未来3年内，人类的判断仍然非常重要。”
这种判断能力，也将成为未来科研人才的重要竞争力。
瓦谢尔长期与中国高校保持交流。“每一次到访不同大学，体验都非常正面”。
他认为，高校与企业围绕人工智能展开合作，将为年轻科研人员提供更多机会。“这可能会推动那些优秀的、有一定AI经验的学生去争取企业的青睐”。
对于人工智能未来的演变，瓦谢尔没有给出明确预测：“我完全没有头绪。它可能超越人类，也可能仍然处于人类控制范围内。”
但他认为，人工智能对科学发展的帮助是确定的。“AI对科学会有巨大的帮助，这是肯定的”。
对于AI治理，瓦谢尔认为，全球仍处于探索阶段。在他看来，推动AI发展的力量不仅来自技术，也来自资本和竞争。“目前有巨大的资金压力和其他各种压力在推动AI尽快发展”。
记者/视频 白岩冰
文字编辑 程慧
版面编辑 孙霄
金富宝配资提示：文章来自网络，不代表本站观点。
