本周，由科大讯飞、未来论坛与清华大学科学博物馆联合举办，奇点未来基金会参与发起的“追星就追科学家”青年思想现场走进清华大学。
活动以“从科学前沿到真实场景：AI青年的使命选择”为主题，邀请清华大学生命科学学院钱塘副教授张强锋、上海交通大学人工智能学院副教授张小嫚、浙江江山智慧教育研究中心主任（筹）王华兵作主题分享。
当AI开始“读懂”生命
一段基因序列，能否像一句话一样被理解？一个细胞复杂的生命活动，未来能否被模拟和预测？
带着这些问题，张强锋从生命科学出发，讲述了人工智能与生命的“双向奔赴”。
张强锋教授演讲
近年来，人工智能正从图像识别、复杂博弈和自然语言处理等应用领域，不断走向科学发现的前沿。AlphaFold对蛋白质结构的精准预测，更让人们看见了AI改变生命科学研究范式的可能。张强锋介绍，基因、蛋白质和单细胞数据都具有类似语言的序列特征，研究者可以借鉴大语言模型的思路，让AI从海量生命数据中学习规律，为蛋白质设计、基因组研究和新药研发提供帮助。
在他看来，未来的AI或许不止于分析实验结果，还可以构建“细胞世界模型”：学习细胞如何运行、如何对药物和环境变化作出反应，进而参与提出假设、设计实验和分析数据。届时，生命科学或将从实验观测逐步走向可模拟、可预测、可设计。
分享最后，张强锋没有给出一个确定的答案，而是给青年学子留下了更多问题：面对新的科研范式，高校和青年研究者的优势在哪里？我们又该如何行动？
“科学的进步，往往从一个好问题开始。”比起记住现成答案，他更希望青年始终保持提出问题的勇气。
从一张影像，看见更多生命线索
张小嫚的分享，则从一张医学影像开始。
医学影像每天都在医院中产生。过去，AI更多是在医生标注的数据中学习，识别范围也常常局限于已经“见过”的疾病。张小嫚和团队尝试让模型同时学习影像、诊断报告和医学知识，使它不仅能够“看图”，也能理解不同疾病之间的联系。
张小嫚教授演讲
这种方法让AI在面对少见疾病和训练中未曾出现的情况时，依然具备一定的判断能力。临床评估显示，借助AI辅助，低年资医生可以减少漏诊和误诊，诊断表现进一步接近经验丰富的医生。
随着研究深入，张小嫚开始思考：一张影像中，是否还藏着检查目的之外的信息？
通常，急诊头部CT主要用于排查颅内疾病。但人体并不是彼此割裂的器官集合，头部影像也可能留下心血管健康的线索。团队由此尝试利用常规头部CT预测心血管风险，让一张已经完成原有诊疗任务的影像，获得被再次“读懂”的机会。
如今，她的研究进一步走向“虚拟细胞”。团队将药物、基因、蛋白质和生物机制等知识引入模型，预测不同药物作用于不同细胞后可能产生的反应，为药物筛选和新药发现提供新的思路。
“理想的状态，不是让AI完成一次预测就结束。”张小嫚期待，未来AI可以提出假设、设计实验，实验结果再反过来更新模型。计算与实验不断对话，让AI从“看见疾病”走向“模拟细胞”，一步步接近生命更深处的规律。
她也用自己的经历告诉现场青年，科研道路并不总是一条预先规划好的直线。从医学影像到虚拟细胞，方向会随着技术和问题不断变化。重要的是保持好奇，也保持行动，在一次次尝试中找到真正愿意长期投入的事情。
跨越1500多公里，AI走进一间普通教室
王华兵把目光投向1500多公里外的一所普通县中。那里没有前沿实验室，教师面对的是备课、批改、考试、升学等工作，以及性格、基础各异的孩子。他说，AI进入教育，不能只问“技术能做什么”，还要先问“学校真正需要什么”。学校曾因资源不适配、操作复杂、增加负担而走过弯路
经过不断调整，智慧教育系统逐步融入备课、作业批改、学情分析、组卷等日常教学环节，一些重复性、事务性的。
王华兵书记演讲
工作开始由技术辅助完成。变化并不只体现在效率上，更重要的是，教师能够把更多精力重新放回课堂、学生和教学本身——钻研教学设计，关注学生差异，开展更有针对性的辅导，也有更多机会真正走近一个个孩子。他提醒，AI可以提高效率，却不能代替教师的价值引领和情感陪伴；数据可以记录成长，却不能成为定义孩子的唯一标准。“好的教育技术，最终回答的不只是快了多少、省了多少，而是每一个孩子有没有被看见、被温暖、被成全。”
三场分享最终汇聚到同一个问题：AI时代，青年怎样学习、如何选择？如果回到20岁，张小嫚仍会选择大胆尝试；王华兵仍会选择做教师；张强锋则把问题抛给青年：当AI能快速生成课程、整理知识、提供个性化讲解，大学教育和科研训练不可替代的价值是什么？
三位嘉宾的答案不约而同指向“人”本身：保持好奇，提出新问题；拥有独立判断，不被现成答案裹挟；理解他人情感，承担自己的责任；更要把想法变成行动。AI让知识触手可及，却没有让学习失去意义。学习不只是记住知识，更是在思考、选择与实践中，逐渐成为想成为的人。
盛康配资提示：文章来自网络，不代表本站观点。
