AI时代生物学还需理论吗？虚拟细胞构建引发的范式反思

事件概述

AI大模型与大数据冲击了生物学理论的传统定位，文章以虚拟细胞（AIVC）构建为切入点，重新反思理论在当代生物学中的核心价值与发展路径。

核心信息

• 理论角色再定义：理论并非科学终极目标，而是推理工具，核心作用包括解释（推导本质逻辑）、内插（统一关联数据）、外推（预测未知事物）。理论操作对象是模型，而非直接处理数据。
• 计算机与机器学习改变范式：计算机数值模拟精度已超过理论抽象，大统计模型依托海量数据成为主流。系统生物学早年追求普适设计原理的愿景基本被搁置，领域转向方法开发。
• 机制性模型 vs 统计模型：构建虚拟细胞有两种路径：自下而上的机制性模型（如Markus Covert团队的全细胞模型）具有可解释性，能通过预测与数据不匹配指引知识增长；纯统计模型则很难做出概念性飞跃（如发现海王星的案例）。当前可解释性工具尚无法解决这类深层问题。
• 建模合理路径：需从简单过程出发，明确参数测量精度，追求“可理论推导、可数据证实”的中间路径，而非堆砌所有已知机理。类比飞机研发：可靠复杂系统都是逐步验证子系统、逐步整合测试而来。
• 借鉴他领域经验：奈奎斯特稳定判据是理论介入工程的经典——无需知道内部参数，仅凭实验测得的频域响应就能判定反馈系统稳定性。经济学理论预测能力差，生物学长期重实证拒理论，机器学习则实现了理论到工程的良性飞轮。

值得关注

• AI生物学目前缺少坚实数理基础，学界存在生硬拼接AI套取经费的现象。生物学需要先审视核心目标，借鉴领域发展的成熟模板加速进程，没有捷径可走。