正文
相比传统计算机辅助工具在行业的应用成熟，正如我们看到只有部分头部企业在宣传应用AI，AI技术在行业还是个新概念。AI更为所知的使用场景，其实是生物医学领域，尤其是在制药行业，在新分子设计、药物筛选、老药新用等场景中，企业都可以通过AI把研发时间和成本实现大幅降低。
但其实这种助力在化妆品行业也是被需要的，只是此前承担起相应需求的，不是AI而是传统的计算机辅助工具。而如今，行业面临的情况是，随着创新需求不断深入，传统计算机辅助发展走到瓶颈，其能带来的助力变得有限。
在此情况下，
在行业刚刚出世不久，处于“孩童阶段
”
的AI，不仅能实现如传统计算机这种成熟工具类似的功能，甚至还展现出更进一步的潜力，
这是让诸多行业人士看好其对产业的长远赋能的。
如，此前行业在用的传统计算机，
是基于确定的逻辑、确定的指令，即科学家要把问题的所有可能性都列举出来，它才可能去解决问题。
但今天的AI
是有一个聪明大脑，会学习，甚至会通过数据跟结果对比找出很多直觉式关联，创造出人类没有想到过的方法，最终AI会超越人类大脑的想象，这是两者最大的不同。
若落到更具体的技术对比上，
禾美生物·浙江清华长三角研究院衰老科学创新研发中心计算生物学工程师
朱景勇
提出，可以将其总结为
“传统计算机更多是对已知现象的解析分析；AI更多是创新和探索，关键词是预测。”
△
禾美生物·浙江清华长三角研究院衰老科学创新研发中心计算生物学工程师朱景勇
传统计算方法在生物领域发挥着基础而重要的作用，涵盖从序列比对、基因组组装、结构建模，到分子对接、动力学模拟等多个方面。这些方法依赖明确的生物学原理和物理模型，具有良好的可解释性，擅长在已有知识基础上对蛋白质功能、相互作用机制和生物通路进行深入分析。相比之下，人工智能方法更侧重于从大数据中挖掘潜在模式和规律，能够在缺乏先验知识的情况下预测蛋白功能或识别新靶点。
不过，对此需要强调的一点是，虽然AI技术和传统计算机辅助工具在功能上有交互，前者甚至能做到更多。但行业在看到AI技术先进性的同时，并不能粗暴地认为，传统计算机已经变成落后技术了。
而是“发展二十多年的传统计算机辅助技术依然先进，只是演进成基础性技术；AI技术虽还稚嫩，但其表现出的超越传统计算机的先进性是面向未来的，影响着企业的未来竞争力。”
入门发问：怎么才是真正会用AI？
正是因为AI还是新兴技术，多数行业人士对于AI技术在行业中的结合应用，还处于一知半解的程度。在AI真正普及市场之前，还需要解决一系列“怎么才是真正会用AI？”“怎么挑选适合你的AI模型？”等入门问题。
1）看清AI的局限性，“你要想好怎么让AI帮助你”
AI仍是辅助工具，其功能能发挥到什么程度，很大程度取决于人和使用方式。目前来看，虽然每家企业在使用AI时都是抱着发挥其最大功能的目标，但实际情况是，在很多人手里，AI表现的都非常“笨”，连最简单的问题都常常出错。
对此，行业其实是存在，
如何正确使用AI，如何最大程度保障AI准确性，同样是结合AI，我们做出来的科研结果怎么更领先一步等系列追问的。
首先，必须要提及的是提示词的重要性。
在AI技术发展之后，提示词研究已经成为一门科学。
朱景勇强调，“给AI输入提示词，不是只简单地发出指令，说‘请给我写一个脚本。’而是你要预测好所有可能，为AI加好附加条件。
因为提示词的核心逻辑，在于‘你要帮助AI想好，它怎么能帮助你。’
”
如，在朱景勇使用AI的经验中，一套非常有逻辑的提示词是，“先让AI扮演一个角色，再说出背景，你的需求，最后才提出你的要求
(如结果呈现形式和要求AI自我遍历检查)
。在这种逻辑下，AI就会根据你让它扮演的角色作答。”
并且，
MetaNovas Biotech联合创始人/CSO
罗衡
补充道，
“我们也还要知道通用AI模型的优势和局限点。”
△
MetaNovas Biotech联合创始人/CSO罗衡
因为AI功能虽然非常强大，但并不是万能的。比如一个明显的局限是，由于AI的原始数据都来自公开的网络报道，但网络报道是未经筛选的，这就意味着AI有可能吸取到错误信息，导致形成错误认知，输出错误答案。
