对话上海交大洪亮：跑通 AI for Science 的落地更有成就感
内容提要
近年来，产学研用结合在AI领域愈发重要。洪亮教授指出，科研应关注实际问题，AI在蛋白质工程等领域取得了重要突破，推动产业化。团队合作与跨学科研究是成功的关键，未来需继续探索AI与科学的结合。
关键要点
-
近年来，产学研用结合在AI领域愈发重要，政府工作报告提出要深化产学研用结合。
-
学研与产用两个领域的结合是推动科技成果转化的重要因素。
-
AI在蛋白质工程等领域取得了重要突破，推动产业化。
-
团队合作与跨学科研究是成功的关键，学术界与产业界的双向奔赴成为大势所趋。
-
洪亮教授强调科研应关注实际问题，发表论文不再是唯一目标。
-
暑期学校活动中，专家与企业研发人员共同探讨AI在生物工程领域的发展。
-
AI for Science在科研领域的应用加速了科研进程，但仍需真实数据验证可行性。
-
洪亮教授通过自身经验强调AI4S的落地挑战与途径，认为应关注实际应用。
-
AI与科学的结合需要科学问题的明确定位，才能提出有效的AI解决方案。
-
洪亮教授建议传统科研人员自学AI，尤其是课题组负责人，推动科研转型。
-
AI在新药研发领域的应用面临挑战，成功并不代表产业化落地。
-
洪亮教授的团队关注酶功能研究，强调快速闭环验证的重要性。
-
AI领域的研究团队需找到标准化、结构化的数据研究方向，避免空想科学问题。
-
洪亮教授认为，成功把握机遇需要前瞻性洞察、高效执行力和试错勇气。
延伸问答
洪亮教授认为科研人员应关注哪些方面？
洪亮教授认为科研人员应关注解决实际工程问题，而不仅仅是发表论文。
AI在蛋白质工程领域取得了哪些突破？
AI在蛋白质工程领域推动了产业化，并帮助研发蛋白质产品。
洪亮教授如何看待产学研用结合的重要性？
洪亮教授认为产学研用结合是推动科技成果转化的重要因素。
在AI for Science的落地过程中，面临哪些挑战？
AI for Science的落地面临真实数据验证和应用场景的挑战。
洪亮教授对传统科研人员学习AI有什么建议？
洪亮教授建议传统科研人员，尤其是课题组负责人，自学AI以推动科研转型。
AI在新药研发领域的应用面临哪些问题？
AI在新药研发领域的应用面临闭环时间长和实验结果相关性低的问题。
