当院士遇上冬奥冠军:科研和体育为何都离不开“长期主义”?|科技观察
(来源:封面新闻)
封面新闻记者 边雪
如果把科学研究比作一场比赛,什么时候才算抵达终点?是实验数据终于出现预期结果,是一个困扰数学家数百年的猜想被证明,还是某项研究真正走进现实生活?当人工智能正在改变知识获取和科研方式,年轻人应该如何培养独立思考的能力?
面对青少年提出的这些问题,一场近日在香港科学馆的对话中,三位2026未来科学大奖获奖科学家中国科学院院士张宏,物理化学家、中国科学院院士赵东元和数学家袁新意,给出了不同的答案。有人把细胞自噬比作城市里的“环卫系统”,有人从0.006克的实验误差中讲述重大发现,还有人把人类对一个数学问题长达两千多年的追问,变成了一堂关于耐心与好奇心的课。
当越来越多的事情追求即时反馈,科学家和运动员依然都选择把时间交给漫长的积累?中国冬奥首金得主杨扬也加入了这场对话。她没有谈论金牌背后的荣耀,而是从运动员的训练经历出发,讲述如何在一次次重复、试错和失败中,等待真正的突破。
从一只线虫到一个数学猜想:
科学突破往往始于不起眼的问题
“细胞并不是一堆复杂结构的简单组合,而是一座需要精密管理的城市。”张宏表示,线粒体负责提供能量,溶酶体承担消化功能,而自噬就像城市里的环卫系统,负责识别、清理和回收废旧蛋白质及受损细胞器,让细胞维持正常运转。这个看似微观的清理过程,却与人类健康有着密切联系。自噬功能异常与多种神经退行性疾病有关,也参与肿瘤发生发展过程。它并不是简单的“越强越好”,在不同疾病阶段可能发挥不同作用。
中国科学院院士张宏。(主办方供图)
为了弄清多细胞生物自噬的调控机制,张宏团队长期以秀丽隐杆线虫为研究模型。这种小小的生物只有959个体细胞,生命周期短,却为研究复杂生命活动提供了重要窗口。团队鉴定出11个多细胞生物特有的自噬相关基因,推动人们进一步理解自噬机制从简单生物到多细胞生物的演化。从一只线虫入手,最终指向人类疾病的研究可能性。这也是基础科学研究的一个典型特点:研究开始时,未必能看到明确的应用场景,但对生命规律的理解,可能在未来成为疾病诊断和治疗的重要基础。
赵东元的故事,则从一个微小的实验误差讲起。
1892年,英国科学家瑞利发现,不同来源的氮气存在细微的质量差异,约为0.006克。对很多实验者而言,这样的差别可能只是测量误差,但瑞利没有轻易放过。经过进一步研究,他与拉姆齐最终发现了氩气,随后一系列稀有气体陆续被发现。
中国科学院院士赵东元。(主办方供图)
赵东元借这个故事告诉学生,科学进步有时并不来自一个现成问题的答案,而是来自对异常现象的追问。“提出一个问题,比解决一个问题更重要。”在他看来,学习不能只停留在掌握知识、解决题目,还应该学会观察、质疑和提出新的问题。他特别强调“学而致知”,如果过早地用实用价值衡量所有知识,可能会限制想象力,也会让基础研究失去探索未知的空间。
数学家袁新意带来的,则是一场跨越两千多年的数学探索。素数与丢番图方程,是数论中两条重要的研究线索。从欧几里得证明素数有无穷多个,到数学家持续探索孪生素数猜想;从费尔马留下的著名页边断言,到怀尔斯最终证明费尔马大定理,人类对整数世界的追问从未停止。
数学家袁新意。(主办方供图)
其中一些问题,甚至需要几代数学家接力才能向前推进。袁新意通过这些故事告诉学生,数学研究并不是竞赛题的升级版。竞赛通常有明确的题目和标准答案,科研则需要研究者自己发现问题、寻找路径,甚至接受长时间没有结果的现实。
2026年未来科学大奖数学与计算机科学奖授予袁新意,正是对其在算术几何领域原创性贡献的肯定。他在Arakelov几何、丢番图几何等方向的研究,为一致Bogomolov猜想和一致Mordell猜想等重要问题提供了新的理论进展。
AI不能替代人类思考:
年轻人需要怎样的科学能力?
如果说过去的科学教育更强调知识积累,那么人工智能的快速发展,正在让另一个问题变得突出:当AI能够帮助人们快速获取知识、处理数据,甚至参与复杂推导,人的独立思考还意味着什么?这也是现场青少年最关心的话题之一。
有学生直接向袁新意提问:AI会不会冲击数学与数学家?袁新意没有简单地给出肯定或否定的答案。“AI对数学研究的影响有积极的一面,也有值得警惕的一面。当一个复杂问题被拆解成若干具体步骤时,AI已经表现出很强的能力,可以帮助研究者节省大量时间,也让其他学科更加便捷地使用数学工具。”袁新意解释道,过去,人们评价一项研究,往往关注研究者完成了什么、解决了什么问题。AI介入之后,如何判断研究成果的原创性、人的实际贡献,以及机器辅助与独立创新之间的边界,都需要重新思考。
这个问题并不只属于数学家。AI正在进入实验设计、数据分析、材料筛选和生命科学研究等领域,科研人员的工作方式正在发生变化。但工具效率的提升,并不意味着科学问题本身会自动消失。
现场另一组提问,也折射出基础研究与现实应用之间的距离。有学生关心,能否通过检测自噬标志物,指导肿瘤精准治疗?张宏解释,自噬在肿瘤发生发展的不同阶段可能发挥不同作用:在正常细胞中,它有助于抑制肿瘤发生;而在肿瘤生长、转移过程中,又可能为肿瘤细胞提供生存所需的物质,甚至与化疗耐药有关。
因此,真正的难点不是简单地增强或抑制自噬,而是准确判断不同阶段、不同肿瘤组织中的自噬活性,并寻找能够精准干预的方式。要实现这一目标,仍需要发展体内检测技术,并探索高效、低毒的相关化合物。赵东元则回应了关于介孔材料酸强度分布的专业问题。“团队尝试通过构建酸性梯度,让材料外层酸性较弱、内部酸性较强,使大分子先在介孔中转化为中间产物,再进入更小的孔道继续反应。”赵东元说。
从AI能否参与数学研究,到自噬能否成为肿瘤治疗的辅助靶点,问题背后其实是同一种科学能力:不满足于知道结论,还要继续追问结论是如何得出的,距离真正解决问题还有多远。对于正在成长中的年轻人而言,这或许比记住多少科学知识更重要。
金牌与科研成果之外:
真正的较量,是能否耐得住时间
在这场科学对话中,杨扬的出现,让科学家们的求索故事有了另一种参照。作为中国冬奥首金得主,杨扬经历过漫长而高强度的训练,也经历过赛场上的压力与不确定性。当学生问起科学家做实验与运动员训练最相似的地方时,她将两者的共同点归纳为三个方面:在一次次试错中成长,锚定一个长期目标,以及从每天微小的进步中获得快乐。
中国冬奥首金得主杨扬。(主办方)
对于运动员来说,比赛成绩往往只在某一个瞬间呈现,但真正决定赛场表现的,是此前无数次训练形成的身体记忆和临场反应。对于科学家而言,一项研究成果也可能在某一天集中呈现,但在此之前,往往是大量实验、反复验证和漫长等待。
谈到AI在体育领域的应用时,杨扬告诉封面新闻记者,人工智能已经被用于辅助训练、裁判评分和内容传播,确实提升了效率。但只要是人与人之间的比赛,就不可能存在一场绝对完美的比赛。“技术能够帮助运动员和教练更好地分析表现,却无法完全替代运动员在赛场上的身体感知和临场判断。”
赵东元也从体育训练中看到了科研的相似逻辑。他认为,初学者首先要遵循规则和逻辑,把基本动作做正确;等到积累达到一定程度,才可能形成自己的特点。科学研究同样如此,基础知识和规范训练是创新的前提。从细胞中的自噬机制,到介孔材料的结构设计,再到延续数百年甚至上千年的数学猜想探索,科学家们展示的不是一条通往成功的捷径,而是一种面对未知的方式。
在AI不断提高效率、社会越来越习惯即时反馈的今天,这种能力显得尤为重要。对年轻人来说,科学不一定始于宏大的理想,也可能始于一次观察、一点疑问,或者对一个看似微不足道的误差不肯放弃的追问。而真正值得期待的,也许不是他们今天就能给出多少答案,而是多年以后,依然愿意为一个问题寻找答案。