諾貝爾又把化學(xué)獎頒給AI大模型，谷歌成最大贏家

　　昨天AI教父Geoff Hinton剛獲得諾貝爾物理學(xué)獎，今天，谷歌DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis Hassabis又拿下化學(xué)獎!

　　Demis能獲得化學(xué)獎靠的便是谷歌赫赫有名的蛋白質(zhì)結(jié)構(gòu)預(yù)測大模型——AlphaFold系列。

　　今年5月9日，谷歌DeepMind重磅發(fā)布了AlphaFold-3，能夠精準(zhǔn)預(yù)測蛋白質(zhì)-配體、蛋白質(zhì)-核酸等在內(nèi)的幾乎所有PDB數(shù)據(jù)庫中存在的分子組合形式。

　　這也就是說，科研人員僅使用一個大模型就能解決所有高難度的生物化學(xué)難題，極大縮短新藥、疫苗的研發(fā)周期。AlphaFold確實有拿下諾獎的實力，但正了八經(jīng)搞化學(xué)科研的人輸給了AI大模型，心理難免會不好受。

　　都說AI搶飯碗，這瘋起來連搶兩個諾獎是真要命啊，現(xiàn)在就差ChatGPT拿文學(xué)獎了~

　　有意思的是，Demis昨天剛祝賀自己的好朋友Hinton獲得諾貝爾，第二天自己也拿到了，真的是當(dāng)幸福來敲門的時候，不開都不行啊~~目前，Demis也處于蒙圈狀態(tài)。

　　就在他這條祝福推文的下面，有網(wǎng)友神預(yù)測。老鐵，不用羨慕別人，在過個幾十年你開發(fā)的AlphaFold也能獲得諾貝爾獎。

　　幾十年太久，明天就能拿到了。

　　Demis，可以祈禱一波明天的諾獎公告，你很有戲的。

　　一位在2021年就預(yù)測過，AlphaFold-2就很有可能獲得諾貝爾獎。但晚了3年，這是因為第3代與第2代相比變化太大，帶來新的技術(shù)突破。

　　現(xiàn)在網(wǎng)友的呼聲非常高，諾貝爾委員會應(yīng)該抓住這潑天的流量，把文學(xué)獎頒給ChatGPT，來一次大團(tuán)圓吧~

　　現(xiàn)在化學(xué)也融合AI了。

　　目前，AI已成為推動人類科學(xué)各個方面前進(jìn)的關(guān)鍵驅(qū)動力。想象一下，再過一個世紀(jì)，基于我們在蛋白質(zhì)設(shè)計方面的知識積累，將會達(dá)到怎樣的高度。

　　與昨天的物理學(xué)獎相比，今天化學(xué)獎沒有顯得那么夸張有爭議。如果AI大模型可以預(yù)測蛋白質(zhì)結(jié)構(gòu)，那是否證實我們活在了模擬世界中呢?

　　AI正在進(jìn)入一個全新的領(lǐng)域，影響著各個行業(yè)。

　　實至名歸。除了對該領(lǐng)域做出重大直接貢獻(xiàn)之外，AlphaFold及其后續(xù)版本從根本上改變了我們看待和研究生物化學(xué)的方式。在未來幾年，這將對世界產(chǎn)生巨大的影響。

　　AI在計算和預(yù)測蛋白質(zhì)方面確實具有開創(chuàng)性。

　　今年的諾獎有點非主流啊，連續(xù)兩個大意外。但谷歌DeepMind確實幫助科研人員敲開了蛋白質(zhì)的大門。

　　AI正在搶科研界的飯碗，讓很多學(xué)科的界限變得很模糊。

　　物理、化學(xué)、AI真的變得無處不在了，下一個領(lǐng)域是啥呢?

　　與Demis一同獲得化學(xué)獎的還有他的同事John Jumper以及華盛頓大學(xué)蛋白質(zhì)設(shè)計專家David Baker。諾貝爾委員會認(rèn)為他們的獲獎理由如下:

　　蛋白質(zhì)是生命的化學(xué)工具，控制和驅(qū)動所有化學(xué)反應(yīng)是生命存在的基礎(chǔ)。這三位科學(xué)家成功破解了蛋白質(zhì)的密碼，讓預(yù)測復(fù)雜的結(jié)構(gòu)變得簡單、高效。

　　Demis Hassabis和John Jumper則因開發(fā)了AlphaFold2這一AI模型而共同獲獎，該模型能夠預(yù)測蛋白質(zhì)的復(fù)雜結(jié)構(gòu)。自20世紀(jì)70年代以來，科學(xué)家們一直試圖從氨基酸序列預(yù)測蛋白質(zhì)結(jié)構(gòu)，但這一任務(wù)極其困難。

　　而Demis和John在2020年取得了技術(shù)突破，他們研發(fā)的AlphaFold2模型能夠預(yù)測研究人員已經(jīng)識別的幾乎所有2億種蛋白質(zhì)的結(jié)構(gòu)。這一發(fā)現(xiàn)對于理解抗生素抗性、設(shè)計分解塑料的酶等科學(xué)應(yīng)用具有重要意義。

　　David Baker因在計算蛋白質(zhì)設(shè)計方面的貢獻(xiàn)而獲獎。他成功地構(gòu)建了全新的蛋白質(zhì)種類，這些蛋白質(zhì)可以用于藥物、疫苗、納米材料和傳感器。他的研究團(tuán)隊自2003年以來，利用20種不同的氨基酸作為生命的構(gòu)建塊，設(shè)計出了多種新型蛋白質(zhì)。

　　他們的研究成果不僅能高效構(gòu)建蛋白質(zhì)，還實現(xiàn)了從氨基酸序列預(yù)測蛋白質(zhì)結(jié)構(gòu)的50年夢想，為人類帶來了巨大的利益。

　　，時長04:45

　　Demis在接受諾貝爾委員會專訪時，當(dāng)他知道自己獲得諾貝爾獎的那一個腦子一片空白，簡直是不可思議的事情。谷歌要為他舉辦非常熱鬧的慶祝派對了，工作計劃估計近期也要改變了。

　　值得一提的是，除了AlphaFold之外，當(dāng)年戰(zhàn)勝頂級圍棋高手李世石的AlphaGo也是Demis帶領(lǐng)團(tuán)隊開發(fā)出來的，至今對機器學(xué)習(xí)有著非常大的影響。

　　下面「AIGC開放社區(qū)」再為大家介紹一下谷歌最新發(fā)布的蛋白質(zhì)預(yù)測大模型AlphaFold-3，這個與二代相比在模型架構(gòu)、預(yù)測準(zhǔn)確率方面進(jìn)步非常大。

　　首先，AlphaFold-3對模型的架構(gòu)進(jìn)行了創(chuàng)新，通過Pairformer模塊來替代之前的Evoformer模塊，這樣做減少了對多序列比對的依賴，使模型能更專注于目標(biāo)蛋白質(zhì)序列本身。

　　AlphaFold3還使用了基于擴散過程的新策略來直接預(yù)測原子級別的三維坐標(biāo)。這種方法避免了傳統(tǒng)方法中先確定每個氨基酸殘基的大致位置再細(xì)化側(cè)鏈構(gòu)象的過程。擴散模型的工作原理是從一個充滿隨機噪聲的狀態(tài)出發(fā)，逐步恢復(fù)出真實的原子位置信息。

　　這種直接預(yù)測原子坐標(biāo)的機制不僅簡化了計算流程，還使得模型能夠更好地適應(yīng)不同大小和類型的分子組合，從而大幅提升了預(yù)測精度。

　　在訓(xùn)練過程中，AlphaFold3使用了交叉蒸餾技術(shù)以提高數(shù)據(jù)的利用率。交叉蒸餾是利用已知高質(zhì)量預(yù)測結(jié)果作為額外的學(xué)習(xí)資源，將其融入訓(xùn)練集中，從而增強模型的學(xué)習(xí)能力。

　　這種方法特別適用于那些難以獲取足夠?qū)嶒烌炞C數(shù)據(jù)的情況，因為即使是在缺乏明確標(biāo)簽的情況下，模型也能通過對比現(xiàn)有最佳預(yù)測結(jié)果來進(jìn)行自我改進(jìn)。

　　通過這種方式，AlphaFold3能夠在保持高精度的同時進(jìn)一步提升泛化性能，即便面對從未見過的新類型復(fù)合物時也能給出較為準(zhǔn)確的預(yù)測結(jié)果。

　　預(yù)測準(zhǔn)確性方面，AlphaFold-3在預(yù)測蛋白質(zhì)-配體相互作用方面至少提高50%的準(zhǔn)確率，對于一些關(guān)鍵的相互作用類別，預(yù)測準(zhǔn)確率甚至提高了1倍以上。

　　在應(yīng)用范圍上，AlphaFold -3實現(xiàn)了質(zhì)的飛躍，不僅能預(yù)測蛋白質(zhì)的結(jié)構(gòu)，還能預(yù)測DNA、RNA、小分子、離子和修飾殘基等幾乎所有生命分子的結(jié)構(gòu)，以及它們之間的復(fù)合物結(jié)構(gòu)，極大擴展了模型的使用場景。

　　即便AlphaFold -3模型非常強，但萬萬沒想到生成式AI在2024年的諾貝爾獎徹底殺瘋贏麻了。不得不感嘆，由OpenAI、微軟、谷歌、Meta等掀起的生成式AI革命影響力實在太大了，連諾貝爾都來蹭“熱度”當(dāng)之無愧的全球大熱門賽道。

　　估計現(xiàn)在全球的物理學(xué)家、化學(xué)專家思緒那是相當(dāng)?shù)牧鑱y，人類在科研方面連續(xù)輸給了AI，還有繼續(xù)研究下去的必要嗎?或者干脆轉(zhuǎn)行也搞AI吧~