大学2025：对话陈润生院士，探寻科学交叉融合之路

【编者按】

在人工智能与人形机器人迅猛发展的浪潮中，中国大学迎来了2025年。

2025年，无疑是充满变革的一年。中国大学站在了关键的十字路口，是凭借战略敏锐性赢得主动，还是在迟疑中错失转型良机，一场新的征途已然开启。

人工智能技术怎样为学科建设赋能？它又会给创新人才培养带来哪些启示？澎湃新闻特别推出“大学2025”专题，深入探讨人工智能时代下大学的变革。

不久前，中国科学院院士、中国科学院生物物理研究所研究员陈润生在接受澎湃新闻记者采访时表示，人工智能是服务于人类社会发展的，科学智能应当成为善意的智能。科学需要传承，而传承离不开教育，所以科学的发展依赖于科学教育。科学家若能承担起教育家的责任固然很好，但科学家和教育家角色不同，科学家需在教育领域积极探索、努力实践，才能肩负起这一责任。

“早在1988年，我就运用复杂神经网络，也就是如今所说的人工智能开展研究工作。那时虽未称之为人工智能，但已用该方法解析基因组。”中国科学院院士、中国科学院生物物理研究所研究员陈润生是中国最早投身理论生物学、生物信息学和非编码RNA研究的科研人员之一。

生物信息学是一门以生物学、数学和信息科学为基础的交叉学科。它综合运用多领域的方法和工具，对生物信息进行获取、加工、存储、分析和解释，旨在揭示大量生物数据背后的生物学意义，研究重点聚焦于基因组学和蛋白质组学，深入探寻人类基因的奥秘。

三十多年来，陈润生在生物信息学领域开展了系统研究。他参与了中国第一个完整基因组泉生热袍菌B4基因组序列的组装和基因标识，以及人类基因组1%和水稻基因组工作草图的研究。他构建的收录非编码RNA及其基因的数据库NONCODE，和收录非编码RNA与其它生物大分子相互作用的数据库NPInter，已成为国际非编码RNA领域极具影响力的数据库。

此外，陈润生还是中国内地首位开设生物信息学课程的人。1988年，该课程首次在中国科学技术大学研究生院（中国科学院大学前身）开设，当时这门课程在国内外都处于探索阶段，课程中的算法、程序和理论均由陈润生自行推导。如今，生物信息学是中国科学院大学（以下简称“国科大”）生命科学学院的学科核心课，吸引了医学、化学、材料、环境、计算机等多学科专业的学生选修。80多岁的陈润生仍坚持在国科大的讲台上授课。

近日，陈润生院士在接受澎湃新闻采访时强调，科学发展始终是交叉融合的过程。新学科不断涌现，这是科学发展的必然趋势。因此，他鼓励年轻人积极探索未来，关注学科交叉融合，“年轻人应多尝试别人未做过或未想过的事情，这样社会才能更具活力。”

中国科学院院士、中国科学院生物物理研究所研究员陈润生。 国科大供图

以下是陈润生院士与澎湃新闻的对话：

澎湃新闻：您是内地首位教授生物信息学课程的教师，教材也是您原创的。当时您是如何设计课程体系的？在这种“无先例可循”的学科建设上，有哪些经验可以分享？

陈润生：1988年，我首次将生物信息学作为一门课程开设。这与我在国内外的经历有关。在国内，我参加了唐敖庆先生的量子生物学讲习班；在国外，我从事生物大分子的电子结构和空间结构的理论研究。我将这两部分内容融合，作为理论生物学课程讲给约30名学生。

两年后，人类基因组概念受到科技界关注，我也在为科研方向做选择。我认为破译人类遗传密码是未来重要的科学事件，于是逐渐将讲课内容从理论生物学过渡到生物信息学，并不断更新教学内容。

生物信息学的发展经历了不同阶段。最初是遗传密码破译阶段，即测序基因组时代的生物信息学；后来有了生物芯片和功能基因组，进入功能基因组阶段；再后来，系统生物学的出现，使生物信息学增加了相关内容。课程内容紧跟国际领域的发展不断更新，这也是学生愿意学习这门课的原因，能让他们紧跟时代，站在国际前沿。

澎湃新闻：您研究的生物信息学涉及基因组信息的获取、处理等多个方面，通过挖掘生物大数据分析生物学内涵。如今生物信息学与AI大模型发展迅速，您认为它们将如何改变生命科学研究范式？

陈润生：1992年我参加人类基因组计划负责理论分析时，就用到了各种工具。早在1988年，我就用复杂神经网络（即现在的人工智能）开展研究。

参加人类基因组计划前，我们发表的一些论文就运用了复杂神经网络或机器学习方法研究大分子特征。1992年参加该计划后，自然地将这些方法应用到生物信息学研究中。

那时虽未称其为人工智能，但已用该方法解析基因组，如发现基因组中的基因。如今有了大模型，为基因和生物信息学研究提供了更全面的工具。大模型集成了人类知识，提升了生物信息学的学科水平，奠定了更好的技术基础。

澎湃新闻：早期生物信息学研究面临“数据少、算力弱”的困境，如今算力与数据已不再是主要问题，您认为当前生物信息领域发展面临的挑战是什么？

陈润生：在信息领域，人工智能的发展带来了前所未有的挑战。人工智能旨在用数字技术实现人脑智能，这是全新的事物，将从根本上改变工作、研究和生活范式，是人类历史上的重大事件。

挑战的核心科学哲学问题是，数字智能能否超越人类智能，二者如何协同。

“AI教父”辛顿用形象的例子说明，培养人工智能如同养一只老虎崽，它长大后可能有不同影响。人工智能若运用得当，是新的生产力，但也可能产生负面作用。辛顿认为，人工智能应并行发展为两类，一类服务人类社会发展，一类培养善意的数字智能，避免破坏人类。

澎湃新闻：您曾指出，与发达国家相比，我国在基础研究阶段有赶超趋势，但临床转化之路艰难。众多基础科研成果未能在成果端体现效率。您认为应如何提升临床转化能力？

陈润生：生物医学研究的终极目标是改善人类生活、提高健康素质。医院是获取健康信息的重要场所，人工智能在健康领域的发展与医院密切相关。

人工智能由算力、模型和数据三个要素组成。算力依赖芯片发展；模型是构建信息加工系统；医学数据多来自临床，临床数据的收集整理是发展专业大模型的关键。因此，如何收集、标准化数据，整合各医院的数据，是做好生物医药大模型的关键步骤。

澎湃新闻：您认为目前人工智能和生命科学的交叉领域，还有哪些空白？哪些领域值得科研人员继续探索？

陈润生：人工智能是一个平台和范式，每个领域都应建立专属模型。目前还有很多垂直模型尚未构建，发展空间巨大。

人工智能仍在发展，很多专家认为其处于5到10岁的阶段，相关理论也在不断演进。有科学家质疑当前大模型理论体系的持久性，认为几年后可能会被新的智能模型取代。从垂直模型到人工智能系统理论的发展，都有很多值得研究的地方。

此外，科学发展是交叉融合的过程，新学科不断涌现是必然趋势。我鼓励年轻人探索未来，关注学科交叉融合。

我希望年轻人勇于尝试别人未做过或未想过的事情，为社会做出贡献。科学需要传承，传承依赖教育，科学家若要承担教育家的责任，需在教育领域努力探索，这是科学发展的需求，也是培养年轻一代的系统工作。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com