7月23日，一名男孩在“霍金与乔治的宇宙”展览的“逃离黑洞”展厅参观“系外行星发现后，关于生命的理论也在不断发展。这时候就不仅仅是地球的生命，而是宇宙的生命。随着地理、物理、生物、化学，甚至天文学的发展，到后来我们必定会得到一些关于生命的答案。”
《环球》杂志记者/杜康王默玲（发自上海）
人工智能（AI）怎么与生物联系到一起？未来癌症的攻克方向有哪些？人工光合作用能缓解全球气候变暖问题吗？外星生命真的存在吗？
最近，在上海举办的第二届世界顶尖科学家论坛上，“最强大脑”们——近70位诺贝尔奖、图灵奖、沃尔夫奖、拉斯克奖、菲尔兹奖得主汇聚一堂，讨论了这些关乎人类命运的话题。
AI与生命的连接之问
“我一直很好奇，怎么让计算机科学和生物学连接在一起？比如把一个生态系统进行编程，或者把生物学的东西变得智能？”年菲尔兹奖得主考切尔·比尔卡尔提出了一个很多人都想知道的问题。
生物和人工智能有很多相似之处。无论是人工智能还是生物，都在学习中进化。人工智能学习希望用更多的计算数据、更好的计算模型，通过反馈让错误率快速下降，比如使图像的识别率越来越高。
与此类似，年诺贝尔化学奖得主迈克尔·莱维特则提出，“生物的DNA通过蛋白质感知真实世界，如果蛋白质有用，就可以更多地复制；否则就可以去除。”
年图灵奖得主莱斯利·瓦利安特认为，“某种意义上，人工智能的算法、函数，相当于基因的表达。”迈克尔·莱维特则表示，“很多人工智能算法或者深度学习模型，其实是神经元的一个简单模拟。”
除了结构上某种程度的相似性，人工智能已被用于改进实际的研究，如减缓耐药性的出现。年诺贝尔化学奖得主亚利耶·瓦谢尔介绍，以艾滋病药物为例，目前几乎所有的药物都面临越来越快出现的耐药性问题。亚利耶·瓦谢尔利用机器学习，对药物作用进行分子动力模拟，并对致病体的生命活性进行预测和计算，“未来30年，计算机将有能力给我们的研究提出各种各样的建议。”
“我不知道怎么样能够将推理和人工智能中的深度学习连接在一起。我觉得重新设计深度学习先要从推理开始。”年菲尔兹奖得主蒂莫西·高尔斯说。
“人工智能的判断已经出现了人类没有办法理解的情况，这会不断发展下去吗？这会产生什么样的影响？”迈克尔·莱维特对人工智能中存在的“黑匣子”提出疑问。
“怎么样能够让机器学习变得多元化？通过随机参数，还是其他从根本上完全不同的方式？”仿照生物进化中的“多元性”，迈克尔·莱维特还提出了人工智能的“多元性”问题。
未来攻克癌症的方向
氧气，这一至关重要却又极易被人忽略的存在，也是“最强大脑”们眼里的焦点所在。年诺贝尔生理学或医学奖获得者格雷戈·塞门萨和威廉·凯林发现的“细胞如何感知和适应氧气供应的原理”，为癌症、贫血、心血管疾病等开辟了新的临床治疗途径。
格雷戈·塞门萨表示，就像人在缺氧时会拼命找到氧气充足的地方透口气一样，癌细胞也是在人体组织内不断“游走”，寻找氧气最为充足的地方“驻扎”，“像肺部、骨头、肝脏等处的氧气就相对比较充足，所以癌细胞也更容易扩散到这些部位。”塞门萨和凯林用一种全新的视角去观察癌细胞扩散的规律。
塞门萨和凯林发现，在癌症晚期，癌细胞被暴露在极度低氧的环境之中，这就导致癌细胞产生了缺氧诱导因子（HIF），而也正是它加速了癌细胞的转移与入侵，甚至进一步对化疗产生耐药性。
塞门萨介绍，目前他们团队的科研人员正在做动物试验，希望研究出在低氧状态就能杀死癌细胞的药物，“我对于癌症未来的治疗充满信心，这也是科学家们努力的方向，但前提是也需要因‘癌’而异，我们希望每一位癌症患者能得到个性化的有效治疗。”
年诺贝尔生理学或医学奖获得者约翰·格登的