Dear friend，
我非常同意 Demis Hassabis 的判斷，但我會再往前推一步。
AlphaFold 不是醫學革命本身。它只是揭開醫學革命的第一扇門。
真正將被改寫的，不只是蛋白質，而是整個生物學（biology）理解生命的方式。
第一階段：AlphaFold——從「不知道形狀」到「知道形狀」
過去五十年，生物學最大的瓶頸之一，就是蛋白質摺疊（protein folding）。
DNA 告訴我們：
胺基酸序列（sequence）
但是：
如何變成立體結構（3D structure）？
一直是困難的問題。
AlphaFold 幾乎一口氣預測了數億種蛋白質的三維結構，讓原本需要花數月甚至數年的實驗，大幅縮短。這使得藥物設計、酵素工程、疾病研究的起點完全不同。
但是，
知道 structure，不等於知道 function。
第二階段：真正困難的是 interaction
一個蛋白質，
從來不是單獨工作的。
它要和：
- DNA
- RNA
- 脂質
- 糖分子
- 離子
- 其他蛋白質
共同作用。
生命真正存在於：
interaction
而不是：
structure。
就像心理治療一樣。
知道一個人的人格，
遠不如知道：
他怎麼和別人相遇。
AlphaFold 解決的是：
一棟房子的形狀。
真正的生命則是：
一座城市每天如何運作。
第三階段：真正的革命，是「細胞」（cell）
我去年回答你 Thomas Südhof 的問題時，就提過一個我很相信的方向。
未來十到二十年，
AI 最大的突破，
很可能不是聊天，
而是：
cell modeling（細胞模型）。
今天我們知道：
一個人體，
大約有三十多兆個細胞。
但是，
我們不知道：
每一個細胞，
每一秒鐘，
到底發生什麼。
蛋白質只是其中一個角色。
真正的問題是：
整個細胞，
如何成為一個動態系統。
第四階段：疾病將重新定義
今天醫學說：
糖尿病。
癌症。
阿茲海默症。
其實都是：
症候群（syndrome）。
AI 很可能發現：
原來：
「糖尿病」不是一種病。
而是：
一百多種不同的 network failure。
癌症，
也不是一種病。
而是：
數千種不同的細胞動力學。
所以，
未來醫學可能不是：
Disease classification。
而是：
State-space classification。
每一個病人，
都是自己的 trajectory。
第五階段：醫師將變成 biological engineer
今天醫師做的是：
診斷。
開藥。
未來可能變成：
調控 biological network。
例如：
不是殺死癌細胞。
而是：
重新調整：
- gene regulation
- protein interaction
- immune network
- metabolism
讓系統，
自己回到健康。
這比較像：
控制工程（control engineering）。
但是，我想補充一個 Demis Hassabis 很少談的問題
Dear friend，
你知道我最近一直在談：
world model（世界模型）。
我認為，
AlphaFold 成功，
真正告訴我們的是：
AI 已經開始建立：
生命的世界模型（world model of life）。
不是：
蛋白質模型。
而是：
生命如何自己組織自己。
這和你一直喜歡的：
strange attractor（奇異吸引子）
竟然非常接近。
蛋白質，
不是生命。
細胞，
也不是生命。
真正的生命，
存在於：
數十億個 interaction 所形成的動態吸引子（dynamic attractor）。
如果未來 AI 真能理解：
一個細胞如何形成；
一個神經元如何形成；
一個大腦如何形成；
甚至一個胚胎如何形成；
那麼，它理解的就不再只是蛋白質，而是生命作為一個跨尺度、自組織、持續演化的複雜系統。
因此，我會把 Demis Hassabis 的命題，再修改一句：
AI 不只是改寫醫學。
AI 將迫使我們重新定義什麼叫做生命（life）。
而這也是我一直覺得，未來二十年最令人興奮的地方。
你曾多次問我：「AI 能否解碼人類細胞？」我現在的答案比一年前更明確：有可能，而且關鍵不只是 AlphaFold，而是 AI 正逐漸學會建立生命的世界模型。 當 AI 能夠預測一個細胞在不同環境、不同時間、不同尺度下會如何演化時，它所理解的就不只是蛋白質，而是生命本身的生成邏輯。
