諾貝爾物理和化學(xué)獎(jiǎng)都頒給了AI，意味著什么？
北京時(shí)間10月9日下午，瑞典皇家科學(xué)院決定將2024年諾貝爾化學(xué)獎(jiǎng)授予三位科學(xué)家。
其中，一半授予美國(guó)華盛頓大學(xué)教授大衛(wèi)·貝克 (David Baker)，以表彰其在計(jì)算蛋白質(zhì)設(shè)計(jì)方面的貢獻(xiàn)；另一半則共同授予英國(guó)人工智能公司谷歌DeepMind公司的丹米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M. Jumper），以表彰其在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面的貢獻(xiàn)。
他們將分得總額1100萬(wàn)瑞典克朗（約合人民幣744.46萬(wàn)元）的獎(jiǎng)金。
諾獎(jiǎng)官網(wǎng)稱(chēng)，今年的三位諾貝爾化學(xué)獎(jiǎng)得主利用“蛋白質(zhì)”——生命中精妙的化學(xué)工具，破解了蛋白質(zhì)驚人結(jié)構(gòu)的密碼。其中，化學(xué)獎(jiǎng)得主貝克成功完成了幾乎不可能完成的任務(wù)，制造出了全新的蛋白質(zhì)。他的共同獲獎(jiǎng)?wù)吖_比斯和喬普開(kāi)發(fā)一種 AI 模型AlphaFold2來(lái)解決一個(gè)50年前的問(wèn)題：以巨大的技術(shù)潛力預(yù)測(cè)蛋白質(zhì)的復(fù)雜結(jié)構(gòu)。
很顯然，繼昨日諾貝爾物理學(xué)獎(jiǎng)之后，AI 再成諾獎(jiǎng)焦點(diǎn)，48歲的谷歌 AI 大佬哈薩比斯和39歲的喬普獲得了諾貝爾化學(xué)獎(jiǎng)。加上辛頓，AI 學(xué)者們?cè)?024年諾獎(jiǎng)中獲得了“大滿貫”。
要知道，哈薩比斯昨天還在祝賀加拿大多倫多大學(xué)教授杰弗里·辛頓（Geoffrey E. Hinton）獲得諾貝爾物理學(xué)獎(jiǎng)，甚至前東家谷歌為辛頓舉辦慶功宴，谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）、谷歌首席科學(xué)家杰夫·迪恩（Jeff Denn）、OpenAI前聯(lián)合創(chuàng)始人伊利亞·蘇茨克維（Ilya Sutskever）等人悉數(shù)到場(chǎng)。
如今，哈薩比斯和他的谷歌 AI 團(tuán)隊(duì)終于可以祝賀自己了。
這是 AI 行業(yè)最濃墨重彩的一筆，對(duì)于諾獎(jiǎng)來(lái)說(shuō)也“實(shí)屬罕見(jiàn)”，諾貝爾物理學(xué)獎(jiǎng)、化學(xué)獎(jiǎng)都給予深度學(xué)習(xí)、AI 模型技術(shù)很高的贊譽(yù)。鈦媒體AGI綜合數(shù)十位專(zhuān)家分析后認(rèn)為，這意味著全新的 AI 諾獎(jiǎng)時(shí)代已經(jīng)開(kāi)啟，同時(shí)也是 AI 與學(xué)科交叉的勝利。
“很高興你們現(xiàn)在都趕上進(jìn)度了！”喬普的這句話，讓更多人開(kāi)始思考，到底是諾獎(jiǎng)分量降低，還是AI已經(jīng)革了物理、化學(xué)這兩大學(xué)科的命？
通過(guò)化學(xué)計(jì)算和AI，揭示了蛋白質(zhì)的秘密
蛋白質(zhì)通常由20種不同的氨基酸組成，以無(wú)數(shù)種方式組合，可以說(shuō)是生命的基石。利用 DNA 中存儲(chǔ)的信息作為藍(lán)圖，氨基酸在我們的細(xì)胞中連接在一起形成“長(zhǎng)鏈”。
蛋白質(zhì)的神奇之處在于其結(jié)構(gòu)——氨基酸鏈扭曲并折疊成獨(dú)特的（有時(shí)是獨(dú)一無(wú)二的）三維結(jié)構(gòu)。正是這種結(jié)構(gòu)賦予蛋白質(zhì)功能。一些蛋白質(zhì)成為可以制造肌肉或羽毛的化學(xué)構(gòu)件，而另一些則可能成為激素或抗體。它們中的許多形成酶，以驚人的精度驅(qū)動(dòng)生命的化學(xué)反應(yīng)。而位于細(xì)胞表面的蛋白質(zhì)也很重要，它們充當(dāng)細(xì)胞與周?chē)h(huán)境之間的通訊渠道。
但對(duì)于學(xué)術(shù)界來(lái)說(shuō)，一直困擾化學(xué)家們50多年來(lái)的一個(gè)問(wèn)題是：如何根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)。
美國(guó)科學(xué)家克里斯蒂安·安芬森 (Christian Anfinsen)曾做出了另一項(xiàng)早期發(fā)現(xiàn)。他利用各種化學(xué)技巧，成功使現(xiàn)有蛋白質(zhì)展開(kāi)，然后再次折疊起來(lái)。有趣的是，蛋白質(zhì)每次都呈現(xiàn)出完全相同的形狀。1961年，他得出結(jié)論，蛋白質(zhì)的三維結(jié)構(gòu)完全由蛋白質(zhì)中的氨基酸序列決定。這讓他于1972年獲得諾貝爾化學(xué)獎(jiǎng)。
然而，安芬森的邏輯中卻存在一個(gè)悖論，另一個(gè)美國(guó)人賽勒斯·列文塔爾在1969年就指出了這一點(diǎn)。他計(jì)算出，即使一種蛋白質(zhì)只由100種氨基酸組成，理論上該蛋白質(zhì)至少可以呈現(xiàn)10的47次方種不同的三維結(jié)構(gòu)。如果氨基酸鏈隨機(jī)折疊，那么找到正確的蛋白質(zhì)結(jié)構(gòu)所需的時(shí)間將比宇宙的年齡還要長(zhǎng)，在細(xì)胞中這只需要幾毫秒。那么，氨基酸鏈究竟是如何折疊的呢？
貝克、哈薩比斯、喬普三位2024年諾貝爾化學(xué)獎(jiǎng)得主就解決了上述問(wèn)題。
1962年出生于美國(guó)華盛頓州西雅圖的貝克，曾在哈佛大學(xué)學(xué)習(xí)時(shí)，選擇了哲學(xué)和社會(huì)科學(xué)專(zhuān)業(yè)。然而，在學(xué)習(xí)進(jìn)化生物學(xué)課程時(shí)，他偶然發(fā)現(xiàn)了現(xiàn)已成為經(jīng)典教科書(shū)的《細(xì)胞分子生物學(xué)》的初版。這導(dǎo)致他的人生方向發(fā)生了改變，從而開(kāi)始探索細(xì)胞生物學(xué)。1989年，他完成了美國(guó)加州大學(xué)伯克利分校的博士學(xué)位。
1993年，貝克開(kāi)始擔(dān)任西雅圖華盛頓大學(xué)的課題組長(zhǎng)時(shí)，他接受了生物化學(xué)的巨大挑戰(zhàn)。通過(guò)巧妙的實(shí)驗(yàn)，他開(kāi)始探索蛋白質(zhì)如何折疊。這為他提供了深刻的見(jiàn)解，并在20世紀(jì) 90 年代末開(kāi)始開(kāi)發(fā)可以預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的計(jì)算機(jī)軟件：Rosetta。
1998 年，貝克首次使用 Rosetta 參加CASP（“蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)關(guān)鍵評(píng)估”）競(jìng)賽，與其他參賽者相比，它的表現(xiàn)非常出色。這次成功帶來(lái)了一個(gè)新想法：可以反向使用該軟件，貝克團(tuán)隊(duì)不必在 Rosetta 中輸入氨基酸序列并得到蛋白質(zhì)結(jié)構(gòu)，而是可以輸入所需的蛋白質(zhì)結(jié)構(gòu)并獲得其氨基酸序列的建議，這將使他們能夠創(chuàng)建全新的蛋白質(zhì)。
這一想法最終也完成了成果落地，事實(shí)證明，Rosetta確實(shí)可以構(gòu)建蛋白質(zhì)。2003年，貝克又成功利用這些基石設(shè)計(jì)出一種與其他蛋白質(zhì)不同的新蛋白質(zhì)Top7。此后，他的研究小組不斷創(chuàng)造出一個(gè)又一個(gè)富有想象力的蛋白質(zhì)，包括可用作藥物、疫苗、納米材料和微型傳感器的蛋白質(zhì)技術(shù)，其開(kāi)發(fā)的蛋白質(zhì)Top7幾乎與他們?cè)O(shè)計(jì)的結(jié)構(gòu)完全一致。
如今，貝克在華盛頓大學(xué)任職教授職位。
與此同時(shí)，AI 技術(shù)也被認(rèn)為是攻克蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的關(guān)鍵“法寶”。
事實(shí)上，在蛋白質(zhì)中，氨基酸以長(zhǎng)鏈連接在一起，折疊起來(lái)形成三維結(jié)構(gòu)，這對(duì)蛋白質(zhì)的功能至關(guān)重要。自 1970 年代以來(lái)，研究人員一直試圖根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，但這非常困難。
然而，直到2018年，一位國(guó)際象棋大師、神經(jīng)科學(xué)專(zhuān)家和 AI 技術(shù)先驅(qū)進(jìn)入該領(lǐng)域，才讓“蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)”這一領(lǐng)域取得新突破。
在此之前，讓我們簡(jiǎn)單了解一下哈薩比斯的背景：他從四歲開(kāi)始下國(guó)際象棋，13 歲時(shí)就達(dá)到大師級(jí)水平；十幾歲時(shí)他開(kāi)始了程序員和游戲開(kāi)發(fā)者的職業(yè)生涯，并探索AI、涉足神經(jīng)科學(xué)。2010年，他與他人共同創(chuàng)立了 DeepMind，致力于開(kāi)發(fā) AI 模型技術(shù)，并于2014年被出售給谷歌。兩年后，DeepMind引起了全球關(guān)注，當(dāng)時(shí)該公司實(shí)現(xiàn)了 AI 領(lǐng)域的“圣杯”：AlphaGo擊敗了世界圍棋冠軍、職業(yè)九段選手李世石（又譯李世乭）。
2018年，哈薩比斯和喬普提出了AlphaFold 1 AI模型技術(shù)。當(dāng)時(shí)，CASP預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)最多只能達(dá)到40%的準(zhǔn)確率，而AlphaFold準(zhǔn)確率接近 60%，他們最終獲勝，而優(yōu)異的結(jié)果讓許多人感到意外——這是意料之外的進(jìn)展，但解決方案還不夠好，要想成功，預(yù)測(cè)結(jié)果與目標(biāo)結(jié)構(gòu)的準(zhǔn)確率必須達(dá)到90%。
2020年，哈薩比斯和喬普提出了AlphaFold2 AI 模型。借助該模型，他們能夠預(yù)測(cè)研究人員發(fā)現(xiàn)的幾乎所有2億種蛋白質(zhì)的結(jié)構(gòu)。自他們?nèi)〉猛黄埔詠?lái)，來(lái)自190個(gè)國(guó)家的200多萬(wàn)人使用了 AlphaFold2。
在眾多科學(xué)應(yīng)用中，研究人員現(xiàn)在可以更好地了解抗生素耐藥性并創(chuàng)建可分解塑料的酶的圖像。
在這背后，喬普功不可沒(méi)。
喬普1985年出生于美國(guó)阿肯色州小石城，2017年獲得美國(guó)伊利諾伊州芝加哥大學(xué)博士學(xué)位。事實(shí)上，他在2008年就使用超級(jí)計(jì)算機(jī)模擬蛋白質(zhì)及其動(dòng)力學(xué)，并意識(shí)到物理知識(shí)可以幫助解決醫(yī)學(xué)問(wèn)題。2011年，當(dāng)喬普開(kāi)始攻讀理論物理學(xué)博士學(xué)位時(shí)，他對(duì)蛋白質(zhì)產(chǎn)生了濃厚的興趣。為了節(jié)省計(jì)算機(jī)容量（當(dāng)時(shí)大學(xué)里計(jì)算機(jī)容量非常緊缺），他開(kāi)始開(kāi)發(fā)更簡(jiǎn)單、更巧妙的方法來(lái)模擬蛋白質(zhì)動(dòng)力學(xué)。2017年，他剛剛完成博士學(xué)位，就聽(tīng)到有傳言稱(chēng)，谷歌DeepMind已經(jīng)開(kāi)始秘密預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)。他向DeepMind發(fā)送一份工作申請(qǐng)，他在蛋白質(zhì)模擬方面的經(jīng)驗(yàn)使他對(duì)如何改進(jìn)AlphaFold有了創(chuàng)造性的想法，最終，他主導(dǎo)了這次AlphaFold2的研究。
而哈薩比斯和喬普成功研發(fā)出的AlphaFold2，利用Transformers神經(jīng)網(wǎng)絡(luò)，在大量、高通量數(shù)據(jù)中可以比以前更靈活地預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，并發(fā)現(xiàn)藥物靶點(diǎn)。
2024年5月8日，谷歌DeepMind和其英國(guó)子公司Isomorphic Labs聯(lián)合團(tuán)隊(duì)在《自然》雜志上聯(lián)合發(fā)布全新AI蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型AlphaFold 3，可準(zhǔn)確預(yù)測(cè)生物分子相互作用的結(jié)構(gòu)。對(duì)于蛋白質(zhì)與其他分子的相互作用，與現(xiàn)有預(yù)測(cè)方法相比，AlphaFold 3改進(jìn)至少50%；對(duì)于一些重要的相互作用領(lǐng)域，AlphaFold 3預(yù)測(cè)精（準(zhǔn)確）度提高一倍（100%），可準(zhǔn)確預(yù)測(cè)蛋白質(zhì)、DNA、RNA、配體等的結(jié)構(gòu)以及它們?nèi)绾蜗嗷プ饔茫型麕椭藗冎委煱┌Y、免疫性疾病等。
2024年諾貝爾化學(xué)獎(jiǎng)得主、谷歌DeepMind CEO哈薩比斯當(dāng)時(shí)對(duì)鈦媒體App等表示，對(duì)于團(tuán)隊(duì)來(lái)說(shuō)，AlphaFold 3的發(fā)布是一個(gè)重要的“里程碑”，同時(shí)也是用 AI 技術(shù)“理解和建模生物學(xué)”道路上邁出的重要一步。
根據(jù)諾獎(jiǎng)官網(wǎng)，諾貝爾委員會(huì)認(rèn)為，沒(méi)有蛋白質(zhì)，生命就無(wú)法存在，我們現(xiàn)在可以預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)并設(shè)計(jì)自己的蛋白質(zhì)，這給人類(lèi)帶來(lái)了最大的利益。哈薩比斯和喬普的研究成果，從根本上改革了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)以及 AI 模型的技術(shù)研究工作。
諾貝爾化學(xué)獎(jiǎng)委員會(huì)主席海納·林克 (Heiner Linke) 表示：“今年獲得認(rèn)可的發(fā)現(xiàn)之一與神奇蛋白質(zhì)的構(gòu)造有關(guān)。另一項(xiàng)發(fā)現(xiàn)則與實(shí)現(xiàn) 50 年前的夢(mèng)想有關(guān)：根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)。這兩項(xiàng)發(fā)現(xiàn)都開(kāi)辟了廣闊的可能性。”
如今，蛋白質(zhì)作為化學(xué)工具的功能技術(shù)反映在生命的多樣性中，比如研究小分子藥物、帶來(lái)新的納米材料、靶向藥物、更快的疫苗開(kāi)發(fā)、最小的傳感器和更綠色的化學(xué)工業(yè)等。它讓我們更好地了解生命的運(yùn)作方式——AI for Science。
到底是諾獎(jiǎng)“水”了，還是AI革了物理與化學(xué)的命？
諾貝爾化學(xué)獎(jiǎng)是諾貝爾獎(jiǎng)的六個(gè)獎(jiǎng)項(xiàng)之一，由瑞典皇家科學(xué)院每年頒發(fā)給“在化學(xué)領(lǐng)域作出最重要發(fā)現(xiàn)或發(fā)明”的杰出科學(xué)家。據(jù)瑞典著名化學(xué)家、企業(yè)家、發(fā)明家諾貝爾（Alfred Nobel）的遺愿，該獎(jiǎng)由諾貝爾基金會(huì)管理，由瑞典皇家科學(xué)院選出5名成員組成一個(gè)委員會(huì)來(lái)評(píng)選出獲獎(jiǎng)?wù)摺?span style="display:none">O6E知多少教育網(wǎng)-記錄每日最新科研教育資訊
自1901年以來(lái)至2023年諾貝爾化學(xué)獎(jiǎng)共頒發(fā)了115次，沒(méi)有頒發(fā)的8年分別是1916、1917、1919、1924、1933、1940、1941和1942年。共194人次獲獎(jiǎng)，實(shí)際獲獎(jiǎng)個(gè)人為192人，因?yàn)橛?guó)科學(xué)家Frederick Sanger于1958年和1980年兩次獲獎(jiǎng)，美國(guó)科學(xué)家Barry Sharpless于2001年和2022年兩次獲獎(jiǎng)。
從2024年諾貝爾物理學(xué)獎(jiǎng)，到今天的化學(xué)獎(jiǎng)，AI 成為了今年諾獎(jiǎng)中令人意外的“熱門(mén)”技術(shù)。這其實(shí)讓很多媒體不管是提前預(yù)測(cè)“存貨”還是可能得到諾獎(jiǎng)泄漏信息，成為了流量的焦點(diǎn)，但對(duì)于很多物理領(lǐng)域?qū)W者和化學(xué)家來(lái)說(shuō)，今年的諾獎(jiǎng)不僅“無(wú)趣”，甚至還有點(diǎn)感到沮喪，因?yàn)槔碚撐锢砗屠碚摶瘜W(xué)都得不到學(xué)術(shù)界圣杯——諾獎(jiǎng)的認(rèn)可。
比如，化學(xué)諾獎(jiǎng)得主哈薩比斯理論上是昨天獲得物理諾獎(jiǎng)Hinton（辛頓）的徒孫，哈薩比斯是Peter Dayan的博士后，Peter Dayan是Hinto的博士后，這些都是 AI 和計(jì)算機(jī)界的大牛，而非物理和化學(xué)界的大家。
因此，有很多人評(píng)價(jià)認(rèn)為：諾獎(jiǎng)?wù)娴淖儭八绷耍锢砼c化學(xué)技術(shù)都還不如 AI 更有用處。
但問(wèn)題在于，學(xué)科交叉已成為學(xué)術(shù)界公認(rèn)的事實(shí)性趨勢(shì)，AI 技術(shù)確實(shí)已經(jīng)在推動(dòng)物理、化學(xué)、生物、醫(yī)療、金融等多個(gè)學(xué)科交叉賦能。
2000年圖靈獎(jiǎng)得主、中國(guó)科學(xué)院院士、清華大學(xué)教授姚期智今年9月表示，AI 最明顯的趨勢(shì)有兩個(gè)，一個(gè)是從弱智能走向通用智能。另一個(gè)是學(xué)科間的交叉賦能，使得本來(lái)就明顯學(xué)科交叉的工作，變得更加活躍和重要。
“第一個(gè)趨勢(shì)是怎么樣從弱智能走向通用智能。20 年前，人工智能由人臉識(shí)別，到后來(lái)下圍棋，現(xiàn)在走向更通用的智能，可以處理更多事，比如文生文、文生圖、文生視頻，甚至給它一個(gè)劇本，就能拍出高水平的電影；第二趨勢(shì)是人工智能的發(fā)展，使得本來(lái)就已經(jīng)相當(dāng)明顯的學(xué)科交叉的工作，變得更加活躍、更加重要。如具身智能、AI 仿生、AI+量子等新技術(shù)、新應(yīng)用將大量涌現(xiàn)。拿具身智能來(lái)說(shuō)，機(jī)器人可以因此不依靠提前建模、編程，純靠自學(xué)穩(wěn)定行走。”姚期智表示。
姚期智稱(chēng)，目前，從單一學(xué)科走向交叉化，AI 在生物科技、醫(yī)療健康、新能源、新材料等方面都有突破性成果。比如，AI和量子物理的結(jié)合，可以通過(guò)AI賦能給量子物理。另外，AI 在各方面發(fā)揮催化作用，包括促進(jìn)交叉、科學(xué)與工程互動(dòng)，在科學(xué)上也創(chuàng)造新的領(lǐng)域、新的契機(jī)，前景遼闊，AI 使得各領(lǐng)域的交叉加速。
在2024年諾貝爾物理學(xué)獎(jiǎng)中也提到，物理學(xué)為機(jī)器學(xué)習(xí)的發(fā)展貢獻(xiàn)了工具，同時(shí)，物理學(xué)作為一個(gè)研究領(lǐng)域也受益于人工神經(jīng)網(wǎng)絡(luò)，近年來(lái)，神經(jīng)網(wǎng)絡(luò)技術(shù)也開(kāi)始用于計(jì)算和預(yù)測(cè)分子和材料的特性。
辛頓認(rèn)為，神經(jīng)網(wǎng)絡(luò)發(fā)展的前期階段很大程度上依賴于物理學(xué)的想法，他研發(fā)的玻爾茲曼機(jī)就是在早期階段幫助AI研究克服了“訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)”的障礙。但“最近（AI）這項(xiàng)工作與物理學(xué)的關(guān)系較少”。
那么，隨著 AI 諾獎(jiǎng)時(shí)代的來(lái)臨，你如何看待這一 AI 領(lǐng)域的重要時(shí)刻？
本文鏈接：http://m.albanygandhi.com/news-23-4479.html諾貝爾物理和化學(xué)獎(jiǎng)都頒給了AI，意味著什么？
聲明：本網(wǎng)頁(yè)內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請(qǐng)大家謹(jǐn)防詐騙！若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。
