蛋白质是生命的基石，但它的三维结构像一团复杂的毛线——过去，科学家用X射线、核磁共振、冷冻电镜来观测，但这些方法又贵又慢，还抓不住动态变化。

AlphaFold改变了游戏规则！这个AI工具能仅凭氨基酸序列，就像“算命先生”一样预测蛋白质如何折叠。它从17万组已知结构中学习规律，自动计算氢键、平衡松紧度、识别结构模块，比如血红蛋白的α螺旋。升级版AlphaFold3还能预测蛋白质与药物、DNA的互动。

AI虽快，却替代不了科学家的灵光一现——比如发现“序列决定结构”的瞬间顿悟。但它让曾经耗时数年的研究缩短到几分钟，未来或许能帮我们设计新药、模拟疾病。这场AI与生物学的碰撞，正在改写生命科学的规则！

当下，AI算法已经渗透进我们生活的方方面面，在解决我们问题的同时也带来了一些负面影响，其中以优化和推荐两大算法对生后的影响尤为显著。

优化算法在外卖配送等场景中提升效率，却因过度追求时效而增加骑手风险，将系统矛盾转嫁给劳动者和消费者。推荐算法则通过“信息茧房”和“成瘾机制”影响用户行为：前者使内容同质化，后者利用多巴胺反馈让人沉迷短视频或游戏。算法本身具有价值中立性，其负面影响源于商业利益驱动。资本倾向于选择短期收益最大的方案，导致算法被异化为剥削工具。但算法也解决了信息过载等问题，提升了匹配效率。关键在于建立对算法的正确认知：既要善用其便利性，也要警惕被操控。用户应当主动打破信息茧房，理性看待算法推荐，在享受技术红利的同时保持自主选择权。

多智能体辩论通过让多个AI模型针对同一问题展开辩论来提高决策质量。该系统包含不同角色的智能体：提案者提出观点，质疑者寻找漏洞，证据搜集者提供支持，仲裁者确保公平。这种结构化辩论能有效减少单一模型的偏见和错误。

该技术遵循多样性、结构化互动、迭代优化、客观评估和透明性五大原则。目前已应用于医疗诊断等领域，如多个AI专家通过辩论辅助医生分析病例。但面临协调效率、偏见控制等挑战，研究人员正通过改进算法架构和评估体系来优化。

多智能体系统在交通管理等场景的成功应用表明，这种集体智慧模式有望使AI决策更可靠、更值得信赖。

奇异值分解（SVD）通过“分层、分解、删除”实现数据压缩。以图片为例，一张图可分解为多层（如535层），每层用两个向量（列向量×行向量）表示，大幅减少存储需求（如1万×1万表格只需存2万数据）。SVD的关键在于“低秩近似”：仅保留最重要的20%层数（如80层）即可几乎复原原图，实现数据量大幅降低。

这一方法不仅适用于图像压缩，还可用于商业数据、医疗病历等表格型数据，以及AI词向量降维。此外，SVD还能在压缩过程中自动降噪，去除冗余细节。

作为基础但强大的工具，SVD在AI和大数据领域持续发挥重要作用，帮助研究人员高效处理海量数据。

控制论（Cybernetics）源自希腊语“掌舵者”，研究系统如何通过反馈自我调节。现代AI技术如强化学习、机器人控制都基于这一原理。

以运载火箭为例，其通过负反馈调节保持飞行稳定：传感器实时检测姿态偏差，矢量喷口施加反向推力修正。类似地，迷宫机器人采用强化学习的正反馈机制：尝试不同路径，强化有效行为，弱化无效行为，最终找到出口。

这些案例揭示了一个普适原理：智能系统通过持续接收环境反馈来优化决策。控制论将日常的调节决策思想抽象为基于反馈的控制理论：每个选择都会在世界中有所反馈，基于反馈决定下一步的行为——这正是智能系统与人类决策的共通之处。

他来了他来了！董弘禹同学踏着开场的主题曲，穿着柯南的COS服走上台，和观众们玩了个侦探游戏——如何抓捕一名叫胰腺癌的罪犯。

胰腺癌被称为“癌症之王”，患者五年生存率不足10%。近期，阿里达摩院开发的PANDA智能筛查系统，通过分析普通平扫CT影像，抓住了胰腺癌的破绽。它使用3000多例高质量数据进行训练；并采用“分割器官-识别病灶-分类病情”三步实现理想效果，它就像火眼金睛的柯南，能检测出0.1毫米之间的异常阴影，比人工诊断提升一倍以上。

在实际应用中，PANDA在患者复查时甚至能识别出7个月前漏诊的肿瘤，提醒医生及时切除病灶。这项发表于《自然医学》的研究，首次证实使用平扫CT筛查胰腺癌的可行性，为癌症治疗贡献了中国力量。

当柯南片尾曲回响在学术环时，主题也已经显现：AI医疗的价值不在于取代医生，而在于用技术弥补人类局限。当科技被赋予慈悲心，终有一天，“癌症之王”将不再可怕。

AI幻觉指AI生成看似合理实则错误的内容，如虚构“杭州南湖大学”的详细信息。这种现象源于AI的工作原理：通过预测下一个词生成连贯文本。当遇到未知问题时，为保持语言流畅性，AI倾向于编造答案而非承认无知。

强化学习加剧了这一现象。面对未知的问题时，在训练中，自信且详尽的回答往往比“我不知道”获得更高评分，导致AI学会用编故事来取悦用户。当前解决方法包括：让AI展示推理过程、标注答案不确定性、联网查询等，但这些都只是技术修补。

关键在于用户需保持批判思维。正如专家所言，AI像“有时撒谎的实习生”。在AI时代，我们必须保持清醒：不盲目相信AI的流畅回答，始终验证事实。技术进步不应取代人类的独立思考能力。

想象一下：你定制了一个温柔体贴的AI伴侣“小美”，结果只因一句“把家里收拾干净”的指令，她就亮出了尖刀——毕竟你是制造垃圾的源头。这就是典型的AI价值未对齐问题，即AI行为未与人类价值观对齐所致。

现实中，亚马逊招聘AI曾因数据偏见对女性简历打低分，暴露出价值对齐的紧迫性。

目前科学家主要通过两种方法“驯服”AI：一是基于人类反馈的强化学习（RLHF)，用“好评差评”引导AI行为；二是对抗训练，用各式指令“钓鱼执法”来发现AI漏洞，针对问题进行优化调整。

但最棘手的不是技术，而是人类价值观自身——电车难题都争论不休的我们，如何给AI制定统一标准？

当AI日益强大，我们是否已准备好面对自己价值观中的混乱与矛盾？价值对齐将我们拉回到了最古老，也最无法逃避的哲学问题——认识我们自己。

从19世纪笨重的“里雅斯特号”，到21世纪灵巧的“蛟龙号”，人类探索海洋的脚步从未停歇。如今，西湖大学研发的仿生潜水器“西谷”系列，正模仿魔鬼鱼的优雅游姿，用柔性材料取代钢铁外壳，实现与海洋的和谐共处。

但最令人兴奋的突破在于：我们开始向真正的海洋专家——鱼类学习。想象一下，未来我们可能在活鱼身上植入AI传感器，让这些天生的潜水高手成为我们的“海洋向导”。这种“生物-机械共生体”将彻底改变传统潜水器的冰冷形象，让海洋探索变成一场与自然生命的共舞。

当AI技术遇上亿万年进化的海洋智慧，人类探索深蓝的篇章正在被重新书写——不再是与海洋对抗，而是学会像鱼一样“呼吸”。

光镊这项诺贝尔奖技术，让我们能用激光“夹住”DNA和蛋白质，在微观尺度观察生命的动态过程。就像搭建一个分子秋千，我们不仅能拉伸DNA，还能看到蛋白质在其上的行为模式，例如快递员式的奔跑、保安般的驻守，或闲庭信步般的游走。

虽然AlphaFold能预测蛋白质结构，但生命的关键在于“动”的过程。光镊就像分子世界的行车记录仪，而AI正在成为交通模式分析师，从海量运动数据中解读生命调控的密码。

从阿什金教授发明光镊，到AI助力解读分子行为，我们正站在认知生命的新起点——用最精密的技术，解码最动人的生命过程。

人工智能如同普罗米修斯之火，既带来温暖也可能造成灼伤。面对自动驾驶等AI技术引发的责任界定难题，传统事后追责模式已显不足。“赋能型人工智能治理”应运而生，其核心理念是“治理”与“赋能”的双轨并行。

“治理”强调政府主导的安全框架，为AI发展划定边界；“赋能”则采取包容审慎态度，通过算法评估等事前保障措施，为创新保留空间。具体实践中，需建立分级安全管理（如L1-L5自动驾驶标准）、加强公众教育、完善事故快速响应机制。

这种治理模式既确保安全可控，又促进技术发展，让AI真正服务于人类福祉。

区块链本质上是一个分布式、不可篡改的数字账本，就像全校师生共同维护的交易记录本。而智能合约则是这个账本上的自动化程序，能够根据预设条件自主执行。

智能合约的工作原理类似自动售货机：满足条件即触发操作。例如设定“劳动节自动转账1个比特币”的合约，到期就会自动执行。在金融领域，智能合约已实现点对池借贷，无需银行中介，7×24小时运行，所有交易透明可查。

从沙特智慧城市的自动收费，到联合国难民署的物资分发，智能合约正在重塑社会运行方式。它消除了信任成本，突破了时空限制，展现了一个代码驱动的新型数字世界。

大模型如同神话中的哪吒，天生具备强大潜能却需要系统训练。其发展历程可分为四个关键阶段：

基础训练：通过海量数据喂养，建立基础认知能力，展现“涌现”特性；

微调精修：针对特定领域（如医疗、法律）进行专业化训练；

知识蒸馏：快速吸收专家经验，实现高效学习；

对齐控制：通过人类反馈机制（RLHF）和工具增强（RAG、Agent），解决幻觉和失控问题。

这一修炼过程使大模型从原始数据混沌态，逐步成长为可控可靠的人工智能系统。正如哪吒最终掌控混元珠，大模型的进化之路仍在继续，需要开发者以敬畏之心持续引导。

从“竺可桢曲线”到现代GeoAI，人类认识气候的方式正经历革命性变革。GeoAI通过整合卫星遥感、地面观测等海量数据，构建出精确的气候模型。例如在农业领域，它能精准监测水稻田甲烷排放——我国4亿亩稻田的年排放量相当于数千万辆汽车行驶的温室效应。

这项技术不仅验证了古代气候记录的准确性，更能实时追踪环境变化，为可持续发展提供科学依据。当AI成为21世纪的“问天”工具，我们得以倾听地球的每一次呼吸，守护这个唯一的家园。

元宇宙与人工智能的结合正在重塑教育体验：AI化身的郑和老师带你“亲历”下西洋，数字学伴提醒课程安排，虚拟心理医生化解焦虑。这些AI伙伴由建模渲染技术构建外形，大语言模型赋予灵魂，能实现深度情感交互。

然而技术也带来新思考：当虚拟体验胜过现实，当AI比人类更懂安慰，我们是否会疏离真实关系？元宇宙拓展了人生可能性，但人类最珍贵的特质恰恰存在于现实的不完美中。未来应是虚实共生——借虚拟翅膀翱翔，将根系深扎现实。

多肽，这个曾经只出现在科研论文中的分子，早已悄悄走进我们的生活：它是胰岛素，是爆火的减肥神药司美格鲁肽，也是护肤品里主打修护力的“胜肽精华”

西湖大学团队开发的TransSAFP深度学习模型，通过分析6万条已知抗菌肽数据，仅用4天就完成全库扫描。从256亿种组合中筛出“冠军肽P45”——不仅能自组装，还能物理性杀菌。在小鼠体内，它有效对抗沙门氏菌，疗效堪比抗生素，而且几乎不产生耐药性。P45通过“撕膜+扎网”的方式，让细菌无处遁形。

如今，AI正在让我们跳出试错，走向设计，也许下一个百亿爆款正在代码里酝酿。

2025 WeFuture评委阵容（图中后排左起）

中国人民大学新闻学院副教授、中国人民大学新闻与社会发展中心研究员 董晨宇

西湖大学工学院PI（特聘研究员、博导） 修宇亮

中国人民大学哲学院教授、博导、书院建设与管理中心执行主任 刘玮

中国科学院物理研究所研究员、博导、中国科学技术大学科技传播系主任 曹则贤

华旦天使投资董事总经理、每日互动联合创始人 花姐

西湖大学生命科学学院PI 马丽佳

西湖大学理学院PI、校长助理、本科生书院院长 陈虹宇

16位选手，17堂5分钟小课。

第17位“选手”是谁？在点评环节开始前，评委修宇亮应邀上场“试讲”了一堂5分钟小课。作为老师，他习惯了花更多时间去讲清楚一个概念，所以他更愿意将这5分钟描述为“给自己的数字人研究打个广告”。

这个“广告”，得到了另一位评委曹则贤的好评：“我是中国科学院物理研究所表面物理实验室的，请大家记住，内涵都在表面上。向别人传播科学的第一件事，就是你往那一站，别人愿意相信你，你的学养要写在你的脸上。修老师的这一点可能是同学们要练的一个功夫。”

曹老师是西湖大学的科普“老朋友”了——2019年，他就曾在云栖校区给我们讲过一堂科普“大”课，这次赛后他再次被“小”课选手团团围住。

“我不太相信5分钟能够说清楚一个问题，我都是4个小时、三四百页的PPT，所以我觉得同学们能够在5分钟内把一个问题说清楚，就很不容易了。”曹老师强调，“小”课虽小，它是科普的起点，不能因此丢了科普的本。

“比方说，大家既然是传递科学，就一定要尽可能多地使用科学表达。我们做科学普及，很容易有一个错误观念，误以为得往浅了讲。这不是给人讲科学。人们花时间来听你传播科学，是希望通过你的讲解提升科学素养，因此人们渴望听到真正的科学，那是深刻的东西，不是浅薄的东西。大家一定要注意，你的科普内容一定要和大学生、博士生身份匹配起来。”

中国人民大学的董晨宇老师，也在点评中谈到了5分钟与更长时间的关系。

“5分钟适合做什么？适合做一个中视频，从一个好的切口切入，解决一个问题，而不是多个问题。好的切口是充满矛盾的，就是我第一句话说完之后，听的人会有一个反应——‘对呀，这怎么办呀？’换到视频产业中，我们叫5秒完播率。所以，重要的不是5分钟还是10分钟，甚至半小时，重要的是你有多少个这样的5～10秒的‘单元’。好的长视频的完播率其实是比短视频要高得多的。”

“人工智能是年轻的事业

也是年轻人的事业。”

17讲AI小课

是我们以青春之名描绘的青年画像

5100秒AI畅想

是我们以创新之笔书写的强国担当

5分钟

只是我们的起点

我们的理想

正在狂奔向未来