【编者按】教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。近日，学校首期人才研修班在襄阳举办，研修班聚焦“坚持‘四个面向’强化人才在科技创新和拔尖人才培养中的引领驱动作用”主题，搭建思想碰撞、智慧交融平台。南湖新闻网特邀不同学科领域青年教师代表，结合研修所得与育人实践，畅谈对教育科技人才一体化改革发展的思考，为学校推进科技创新与产业创新融合、培养拔尖创新人才、建设特色鲜明世界一流大学注入更多智慧和力量。

7月19日至21日，学校在襄阳举办首期人才研修班。本次研修班的重要议题之一，是推进教育科技人才一体化改革，聚焦“农业人工智能+”拔尖创新人才培养。作为新进教师，结合工作岗位、科研经历和育人实际，分享个人的几点思考，以期携手培养更多拔尖创新人才。

我先讲一个故事。7月19日下午，我看到有朋友分享的Cell期刊论文，介绍了基于生成式蛋白质语言模型ESM-IF1、LigandMPNN和ProteinMPNN，通过引入蛋白质柔性区域、连锁不平衡和演化耦合的约束信息，实现了多类蛋白质的精准设计。这个故事在发表之前我有幸听过，我所在的人工智能生物学分会一直坚信AI生物学将成为重要的研究方向。该论文作者曾在2023年发表的一篇Cell论文中，利用AlphaFold2预测蛋白质结构并进行聚类，实现了碱基编辑酶的高效挖掘和设计。我当时读到这篇文章的时候觉得很有趣，这项工作是国内屈指可数的、由非生信学者做出的入选“中国生物信息学十大进展”的精彩研究。我给论文作者打电话就问一个问题：您的研究方向是基因编辑，那究竟是如何做出一流AI生物学工作的呢？电话那头，高彩霞老师笑着说：“我不怎么懂AI，但是对生物学熟啊；运嘉同学（高彩霞学生）也不怎么懂AI，但是会用AI工具嘛。”

这个小故事启发我培养拔尖创新人才，首要回答“做什么”。我的答案是，做你最擅长的。在多年的研究中，各领域里总会存在啃不动的“硬骨头”，对各种传统方法“免疫”的重要问题。这些问题通常很有价值，解决这些挑战性的“真问题”，需要前瞻性、交叉性思维，集众人之所长集体攻关。比方说，生物育种、兽农药研发中，有没有“既要又要还要”的难题？“既要又要还要”，在数学上是一个专业方向，叫“多目标优化”，目标是求帕累托最优解。这个方向相当难，很多人看不懂过于深奥的数学理论。但找出这些“既要又要还要”的难题，“做什么”已经解决了一半。要解决另一半，需要组里至少有一位能懂AI并且会用AI工具的学生，这个过程可以“以学生为主导”，充分发挥学生主观能动性，放开手让他们去想去闯去干。除了信息学院，大多数学院的同学可能只学过有限的计算机课程，感兴趣的学生，平时可通过网络自主学习了解AI的前沿技术，不断把最需要的锤炼成最擅长的，学会跨专业学习、跨领域生长。

第二，怎么做。学校目前大力推动“农业人工智能+”拔尖创新人才培养，相信未来在GPU智算算力的建设方面会有更大突破，让好战士配好枪，练成更多神枪手。目前，AI生物学有三种主流的研究模式。一是直接用AI技术来解决生物学难题。比方说，用卷积神经网络直接预测蛋白质结构（AlphaFold）、用扩散模型直接做蛋白质的从头设计（RFdiffusion，2024年诺贝尔化学奖得主David Baker的代表性成就），以及高老师2023年的Cell论文，用预测得到的蛋白质结构而不是序列进行聚类分析，从而印证了“结构决定功能”的生物学法则。二是将生物学的领域知识（Domain knowledge）与AI预测相结合。高老师今年刚发表的Cell论文，就是这类研究模式的典范。三是多种AI技术联用，构建混合型的AI架构来解决问题，鄙组的研究多数遵循此模式。上述三种模式，哪种好？具体问题需要具体分析。有充足的智算算力是重要前提和底气，给大胆创新更多试错容错空间，科学史上许多科研创新，特别是开创性、基础性的“0到1”的突破，往往都是试错试出来的，最开始的假设未必是对的。

第三，能做好。20多年前我读研究生的时候，国内生命科学研究各个方向力量都较弱，生信领域尤其欠发展。那时候我人生想得到的最大理想，就是退休的时候，中国的生信研究水平能够接近日韩，是断不敢想“超越”的。20年之后，当年一起努力的生信同行们突然发现，在各自的领域里，几乎都成为了领军者。回头看来时的路，每一步都不轻松，但是不积跬步无以至千里，支撑着走好这每一步的，恰恰是“能做好”的信念和信心。人嘛，总是要有理想的，今天创新的中国日新月异，我们的行业已经发生了翻天覆地的变化，我们不妨一起再定个目标：再用20年，站在世界之巅，为人类作更大的贡献。

（本文作者系洪山实验室、信息学院教授 薛宇   审核人 吴义生）