諾貝爾物理和化學獎都頒給了AI，意味著什么？
北京時間10月9日下午，瑞典皇家科學院決定將2024年諾貝爾化學獎授予三位科學家。
其中，一半授予美國華盛頓大學教授大衛·貝克 (David Baker)，以表彰其在計算蛋白質設計方面的貢獻；另一半則共同授予英國人工智能公司谷歌DeepMind公司的丹米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M. Jumper），以表彰其在蛋白質結構預測方面的貢獻。
他們將分得總額1100萬瑞典克朗（約合人民幣744.46萬元）的獎金。
諾獎官網稱，今年的三位諾貝爾化學獎得主利用“蛋白質”——生命中精妙的化學工具，破解了蛋白質驚人結構的密碼。其中，化學獎得主貝克成功完成了幾乎不可能完成的任務，制造出了全新的蛋白質。他的共同獲獎者哈薩比斯和喬普開發一種 AI 模型AlphaFold2來解決一個50年前的問題：以巨大的技術潛力預測蛋白質的復雜結構。
很顯然，繼昨日諾貝爾物理學獎之后，AI 再成諾獎焦點，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獎。加上辛頓，AI 學者們在2024年諾獎中獲得了“大滿貫”。
要知道，哈薩比斯昨天還在祝賀加拿大多倫多大學教授杰弗里·辛頓（Geoffrey E. Hinton）獲得諾貝爾物理學獎，甚至前東家谷歌為辛頓舉辦慶功宴，谷歌CEO桑達爾·皮查伊（Sundar Pichai）、谷歌首席科學家杰夫·迪恩（Jeff Denn）、OpenAI前聯合創始人伊利亞·蘇茨克維（Ilya Sutskever）等人悉數到場。
如今，哈薩比斯和他的谷歌 AI 團隊終于可以祝賀自己了。
這是 AI 行業最濃墨重彩的一筆，對于諾獎來說也“實屬罕見”，諾貝爾物理學獎、化學獎都給予深度學習、AI 模型技術很高的贊譽。鈦媒體AGI綜合數十位專家分析后認為，這意味著全新的 AI 諾獎時代已經開啟，同時也是 AI 與學科交叉的勝利。
“很高興你們現在都趕上進度了！”喬普的這句話，讓更多人開始思考，到底是諾獎分量降低，還是AI已經革了物理、化學這兩大學科的命？
通過化學計算和AI，揭示了蛋白質的秘密
蛋白質通常由20種不同的氨基酸組成，以無數種方式組合，可以說是生命的基石。利用 DNA 中存儲的信息作為藍圖，氨基酸在我們的細胞中連接在一起形成“長鏈”。
蛋白質的神奇之處在于其結構——氨基酸鏈扭曲并折疊成獨特的（有時是獨一無二的）三維結構。正是這種結構賦予蛋白質功能。一些蛋白質成為可以制造肌肉或羽毛的化學構件，而另一些則可能成為激素或抗體。它們中的許多形成酶，以驚人的精度驅動生命的化學反應。而位于細胞表面的蛋白質也很重要，它們充當細胞與周圍環境之間的通訊渠道。
但對于學術界來說，一直困擾化學家們50多年來的一個問題是：如何根據氨基酸序列預測蛋白質的三維結構。
美國科學家克里斯蒂安·安芬森 (Christian Anfinsen)曾做出了另一項早期發現。他利用各種化學技巧，成功使現有蛋白質展開，然后再次折疊起來。有趣的是，蛋白質每次都呈現出完全相同的形狀。1961年，他得出結論，蛋白質的三維結構完全由蛋白質中的氨基酸序列決定。這讓他于1972年獲得諾貝爾化學獎。
然而，安芬森的邏輯中卻存在一個悖論，另一個美國人賽勒斯·列文塔爾在1969年就指出了這一點。他計算出，即使一種蛋白質只由100種氨基酸組成，理論上該蛋白質至少可以呈現10的47次方種不同的三維結構。如果氨基酸鏈隨機折疊，那么找到正確的蛋白質結構所需的時間將比宇宙的年齡還要長，在細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年諾貝爾化學獎得主就解決了上述問題。
1962年出生于美國華盛頓州西雅圖的貝克，曾在哈佛大學學習時，選擇了哲學和社會科學專業。然而，在學習進化生物學課程時，他偶然發現了現已成為經典教科書的《細胞分子生物學》的初版。這導致他的人生方向發生了改變，從而開始探索細胞生物學。1989年，他完成了美國加州大學伯克利分校的博士學位。
1993年，貝克開始擔任西雅圖華盛頓大學的課題組長時，他接受了生物化學的巨大挑戰。通過巧妙的實驗，他開始探索蛋白質如何折疊。這為他提供了深刻的見解，并在20世紀 90 年代末開始開發可以預測蛋白質結構的計算機軟件：Rosetta。
1998 年，貝克首次使用 Rosetta 參加CASP（“蛋白質結構預測關鍵評估”）競賽，與其他參賽者相比，它的表現非常出色。這次成功帶來了一個新想法：可以反向使用該軟件，貝克團隊不必在 Rosetta 中輸入氨基酸序列并得到蛋白質結構，而是可以輸入所需的蛋白質結構并獲得其氨基酸序列的建議，這將使他們能夠創建全新的蛋白質。
這一想法最終也完成了成果落地，事實證明，Rosetta確實可以構建蛋白質。2003年，貝克又成功利用這些基石設計出一種與其他蛋白質不同的新蛋白質Top7。此后，他的研究小組不斷創造出一個又一個富有想象力的蛋白質，包括可用作藥物、疫苗、納米材料和微型傳感器的蛋白質技術，其開發的蛋白質Top7幾乎與他們設計的結構完全一致。
如今，貝克在華盛頓大學任職教授職位。
與此同時，AI 技術也被認為是攻克蛋白質結構預測的關鍵“法寶”。
事實上，在蛋白質中，氨基酸以長鏈連接在一起，折疊起來形成三維結構，這對蛋白質的功能至關重要。自 1970 年代以來，研究人員一直試圖根據氨基酸序列預測蛋白質結構，但這非常困難。
然而，直到2018年，一位國際象棋大師、神經科學專家和 AI 技術先驅進入該領域，才讓“蛋白質結構預測”這一領域取得新突破。
在此之前，讓我們簡單了解一下哈薩比斯的背景：他從四歲開始下國際象棋，13 歲時就達到大師級水平；十幾歲時他開始了程序員和游戲開發者的職業生涯，并探索AI、涉足神經科學。2010年，他與他人共同創立了 DeepMind，致力于開發 AI 模型技術，并于2014年被出售給谷歌。兩年后，DeepMind引起了全球關注，當時該公司實現了 AI 領域的“圣杯”：AlphaGo擊敗了世界圍棋冠軍、職業九段選手李世石（又譯李世乭）。
2018年，哈薩比斯和喬普提出了AlphaFold 1 AI模型技術。當時，CASP預測的蛋白質結構最多只能達到40%的準確率，而AlphaFold準確率接近 60%，他們最終獲勝，而優異的結果讓許多人感到意外——這是意料之外的進展，但解決方案還不夠好，要想成功，預測結果與目標結構的準確率必須達到90%。
2020年，哈薩比斯和喬普提出了AlphaFold2 AI 模型。借助該模型，他們能夠預測研究人員發現的幾乎所有2億種蛋白質的結構。自他們取得突破以來，來自190個國家的200多萬人使用了 AlphaFold2。
在眾多科學應用中，研究人員現在可以更好地了解抗生素耐藥性并創建可分解塑料的酶的圖像。
在這背后，喬普功不可沒。
喬普1985年出生于美國阿肯色州小石城，2017年獲得美國伊利諾伊州芝加哥大學博士學位。事實上，他在2008年就使用超級計算機模擬蛋白質及其動力學，并意識到物理知識可以幫助解決醫學問題。2011年，當喬普開始攻讀理論物理學博士學位時，他對蛋白質產生了濃厚的興趣。為了節省計算機容量（當時大學里計算機容量非常緊缺），他開始開發更簡單、更巧妙的方法來模擬蛋白質動力學。2017年，他剛剛完成博士學位，就聽到有傳言稱，谷歌DeepMind已經開始秘密預測蛋白質結構。他向DeepMind發送一份工作申請，他在蛋白質模擬方面的經驗使他對如何改進AlphaFold有了創造性的想法，最終，他主導了這次AlphaFold2的研究。
而哈薩比斯和喬普成功研發出的AlphaFold2，利用Transformers神經網絡，在大量、高通量數據中可以比以前更靈活地預測蛋白質結構，并發現藥物靶點。
2024年5月8日，谷歌DeepMind和其英國子公司Isomorphic Labs聯合團隊在《自然》雜志上聯合發布全新AI蛋白質結構預測模型AlphaFold 3，可準確預測生物分子相互作用的結構。對于蛋白質與其他分子的相互作用，與現有預測方法相比，AlphaFold 3改進至少50%；對于一些重要的相互作用領域，AlphaFold 3預測精（準確）度提高一倍（100%），可準確預測蛋白質、DNA、RNA、配體等的結構以及它們如何相互作用，有望幫助人們治療癌癥、免疫性疾病等。
2024年諾貝爾化學獎得主、谷歌DeepMind CEO哈薩比斯當時對鈦媒體App等表示，對于團隊來說，AlphaFold 3的發布是一個重要的“里程碑”，同時也是用 AI 技術“理解和建模生物學”道路上邁出的重要一步。
根據諾獎官網，諾貝爾委員會認為，沒有蛋白質，生命就無法存在，我們現在可以預測蛋白質結構并設計自己的蛋白質，這給人類帶來了最大的利益。哈薩比斯和喬普的研究成果，從根本上改革了蛋白質結構預測以及 AI 模型的技術研究工作。
諾貝爾化學獎委員會主席海納·林克 (Heiner Linke) 表示：“今年獲得認可的發現之一與神奇蛋白質的構造有關。另一項發現則與實現 50 年前的夢想有關：根據氨基酸序列預測蛋白質結構。這兩項發現都開辟了廣闊的可能性?！?span style="display:none">Ylq知多少教育網-記錄每日最新科研教育資訊
如今，蛋白質作為化學工具的功能技術反映在生命的多樣性中，比如研究小分子藥物、帶來新的納米材料、靶向藥物、更快的疫苗開發、最小的傳感器和更綠色的化學工業等。它讓我們更好地了解生命的運作方式——AI for Science。
到底是諾獎“水”了，還是AI革了物理與化學的命？
諾貝爾化學獎是諾貝爾獎的六個獎項之一，由瑞典皇家科學院每年頒發給“在化學領域作出最重要發現或發明”的杰出科學家。據瑞典著名化學家、企業家、發明家諾貝爾（Alfred Nobel）的遺愿，該獎由諾貝爾基金會管理，由瑞典皇家科學院選出5名成員組成一個委員會來評選出獲獎者。
自1901年以來至2023年諾貝爾化學獎共頒發了115次，沒有頒發的8年分別是1916、1917、1919、1924、1933、1940、1941和1942年。共194人次獲獎，實際獲獎個人為192人，因為英國科學家Frederick Sanger于1958年和1980年兩次獲獎，美國科學家Barry Sharpless于2001年和2022年兩次獲獎。
從2024年諾貝爾物理學獎，到今天的化學獎，AI 成為了今年諾獎中令人意外的“熱門”技術。這其實讓很多媒體不管是提前預測“存貨”還是可能得到諾獎泄漏信息，成為了流量的焦點，但對于很多物理領域學者和化學家來說，今年的諾獎不僅“無趣”，甚至還有點感到沮喪，因為理論物理和理論化學都得不到學術界圣杯——諾獎的認可。
比如，化學諾獎得主哈薩比斯理論上是昨天獲得物理諾獎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 和計算機界的大牛，而非物理和化學界的大家。
因此，有很多人評價認為：諾獎真的變“水”了，物理與化學技術都還不如 AI 更有用處。
但問題在于，學科交叉已成為學術界公認的事實性趨勢，AI 技術確實已經在推動物理、化學、生物、醫療、金融等多個學科交叉賦能。
2000年圖靈獎得主、中國科學院院士、清華大學教授姚期智今年9月表示，AI 最明顯的趨勢有兩個，一個是從弱智能走向通用智能。另一個是學科間的交叉賦能，使得本來就明顯學科交叉的工作，變得更加活躍和重要。
“第一個趨勢是怎么樣從弱智能走向通用智能。20 年前，人工智能由人臉識別，到后來下圍棋，現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，甚至給它一個劇本，就能拍出高水平的電影；第二趨勢是人工智能的發展，使得本來就已經相當明顯的學科交叉的工作，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、新應用將大量涌現。拿具身智能來說，機器人可以因此不依靠提前建模、編程，純靠自學穩定行走?！币ζ谥潜硎?。
姚期智稱，目前，從單一學科走向交叉化，AI 在生物科技、醫療健康、新能源、新材料等方面都有突破性成果。比如，AI和量子物理的結合，可以通過AI賦能給量子物理。另外，AI 在各方面發揮催化作用，包括促進交叉、科學與工程互動，在科學上也創造新的領域、新的契機，前景遼闊，AI 使得各領域的交叉加速。
在2024年諾貝爾物理學獎中也提到，物理學為機器學習的發展貢獻了工具，同時，物理學作為一個研究領域也受益于人工神經網絡，近年來，神經網絡技術也開始用于計算和預測分子和材料的特性。
辛頓認為，神經網絡發展的前期階段很大程度上依賴于物理學的想法，他研發的玻爾茲曼機就是在早期階段幫助AI研究克服了“訓練深度神經網絡”的障礙。但“最近（AI）這項工作與物理學的關系較少”。
那么，隨著 AI 諾獎時代的來臨，你如何看待這一 AI 領域的重要時刻？
本文鏈接：http://www.albanygandhi.com/news-23-4479.html諾貝爾物理和化學獎都頒給了AI，意味著什么？
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇：在中東沙漠，如何點一份外賣？
