AI 科学家养成：机器学习如何接管生物学与气候
课程简介
这一门课不教你怎么用某一个 AI 工具，而是带你读懂一个正在发生的转向：机器学习正在从"处理数据"走向"做科学"——设计蛋白质、读取大脑、锐化气候模拟。课程以 2026 年 10 月前后几则真实进展为骨架：从 DeepMind 把酶的"生成"接上"实验"，到魏茨曼研究院用 fMRI 重建人眼所见，再到 Ai2 用 AI 把百公里气候模拟锐化到三公里。每一讲都先讲清背后的机器学习思想，再看它如何落到具体科学问题，避免把 AI 神化成黑箱。
学习目标
- 理解"生成模型 + 实验闭环"为什么是 AI 蛋白质设计的关键瓶颈
- 能说清 fMRI 重建视觉图像的基本思路，以及"共享脑区地图"解决了什么数据难题
- 明白 AI 气候模拟器的"先粗后细"策略，以及它为什么能把成本压到三百分之一
- 建立判断框架：哪些科学任务适合交给 AI，哪些仍必须靠湿实验与物理模型
章节概览
- 第一讲：AI 与科学——从读数据到造分子
- 第二讲：蛋白质生成与实验闭环（AlphaProtein Novo 案例）
- 第三讲：用脑信号重建视觉图像（Brain-IT 案例）
- 第四讲：AI 气候模拟器（HiRO-ACEv2 案例）
- 第五讲：边界在哪里——AI 能做什么，不能替代什么
适合谁
对 AI 应用感兴趣、有一定科学素养的读者；不需要会写模型，但需要愿意把每则"突破新闻"追到它真正的技术前提与局限。也适合正在考虑把机器学习引入自己研究方向的理工科学生。