“生命进化的过程非常像机器学习，只是进行上亿年时间。”9月17日举行的2018世界人工智能大会上，2013年诺贝尔化学奖得主、斯坦福大学结构生物学教授迈克尔·莱维特（Michael Levitt）分享了他对生物智能和人工智能的感悟。

生物智能来源于不停地学习，莱维特认为，在自然界，学习的本质有三个要素：信息、结构和功能。

这位DNA和蛋白质分子动力学模拟的领军学者从这个角度上重新审视了遗传学的“中心法则”：生命的信息编码在DNA结构内部，再“3D”打印成蛋白质结构，承担生命的功能。

一旦功能运行得不够好，生物就会通过改变DNA的结构来改变遗传信息，这就像用上亿年的时间来完成机器学习。

虽然有一些相似之处，但生物智能有很多人工智能难以企及的维度，比如，DNA和蛋白质的信息密集程度很高，是人类现在信息存储水平的几百万倍。莱维特幽默地说道：“DNA和蛋白质都是长长的弦，物理学家有弦理论，其实生物学家有弦理论很多年了。”

此外，通过DNA信息到蛋白质结构的“3D打印”，生物法则可以创造细胞、神经元、四肢，这是人类制造业远远不及的。

虽然难以复制生物智能，但人工智能可以得到自然界的启发。莱维特提到，机器学习中的重要工具——神经网络，就是一个很好的例子。

最后，人工智能可以反哺生物学的发展。莱维特了解到，复旦大学最近正在进行一项研究项目，用人工智能去观察大脑的内部结构，识别不同的脑部疾病。这最终将帮助人类创造更好的世界。

莱维特1947年出生于南非，1971年从英国剑桥大学获得博士学位，现任美国斯坦福大学医学院癌症研究所教授。

2013年，莱维特与其他两位科学家因“为复杂化学系统创立了多尺度模型”共享诺贝尔化学奖。

相关报道: