学奖出来,大家再次被惊掉下巴,没完了是吧!
昨天诺奖物理颁给 AI ,大家人都傻了,深度学习也是物理?
尽管有网友也想着找补点,万一今天的化学奖,颁给物理学家了呢?
结果今天化学奖出来,大家再次被惊掉下巴,没完了是吧!
没错, 2024 年诺贝尔化学奖一半授予华盛顿大学医学院生物化学教授、蛋白质设计研究所所长 大卫 · 贝克( David Baker ),以表彰其在 “ 计算蛋白质设计 ” 方面的成就;
另一半则共同授予谷歌 DeepMind 首席执行官兼联合创始人 德米斯 · 哈萨比斯( Demis Hassabis )和 DeepMind 项目总监 约翰 · 江珀( John M.Jumper ),以表彰其在 “ 蛋白质结构预测” 中的贡献。
其实就是一半给了设计新的蛋白质;另一半给了我们之前唠过的蛋白质结构预测,也就是上次谷歌 I/O 大会上亮相过的 AlphaFold 。
连着两天把物理奖跟化学奖都发给 AI 相关,这诺奖咋就跟蹭上 AI 了似的,明天文学奖该不会发给 ChatGPT 吧。。。
不少网友也被这波操作闹麻了,合着 宇宙尽头真是当程序员啊?
不过该说不说,虽然大伙是又被惊到,但相比昨天的物理奖,这次化学奖倒也没有太过超出圈内的认知。
毕竟诺贝尔化学奖就经常发给蛋白质方面的交叉学科,光蛋白质结构研究就给发了十几次,甚至跟蛋白质研究相关的仪器也发,比如 2017 年给了冷冻电镜。
而且颁奖之前,早在九月中旬,号称诺奖风向标的 2024 年引文桂冠奖 ( Citation Laureates 2024 )获奖名单里,不少权威人士就预测了这次化学奖的三个方向, 排第一的就是蛋白质预测。
所以说,圈内其实是支持认可他们的工作的,虽然人家的主要业务不是这个,但是他们的研究实打实给生物化学这个领域带来了剧变。
比如这次的约翰 · 江珀就学过数学、物理学甚至凝聚态物理,博士的时候才开始做模拟蛋白质折叠,用的还是机器学习;再往早了看, 20 世纪初的时候英国物理学家卢瑟福就因研究元素和放射拿了化学奖,可见对诺贝尔化学奖来说跨界确实是传统艺能了。
不过我发现,今年这仨人里最有意思的哥们, 还得是谷歌旗下 DeepMind 的老大哈萨比斯。
虽然大家可能只知道他在谷歌搞 DeepMind ,但殊不知这人跟化学不能说一点交道没有,也只能说边儿都不沾了。
因为相比别人正经科研出身,他的经历堪称魔幻。
为啥呢,这哥们可能是因为有一半华裔血统 ( 他妈是新加坡华人 ),从小就是个天才, 4 岁时下国际象棋就能下赢他爹跟他叔, 13 岁就当上了国际象棋大师,你就说这天资跟八冠王柯洁比起来也不遑多让是吧。
靠着在国际象棋比赛中赢得奖金, 8 岁时哈萨比斯用 200 英镑给自己买了人生中第一台计算机,开始研究编程。
不过不同于柯洁后来去读了工商管理,哈萨比斯 1992 年考进了剑桥大学计算机系,大学期间就主导过大型游戏设计,毕业以后还组建了游戏公司 Elixir Studios ,走上了肖奈的路线。
这公司高峰期员工达到 60 人,做出了像 “ 共和国:革命 ” 、 “ 邪恶天才 ” 这些获奖无数的游戏。
后来他又去读了神经科学的博士,并致力于 AI 研究,创办的 DeepMind 也被谷歌收购,并在 2016 年和 2017 年推出两代 AlphaGo ,击败了李世石和柯洁,从那时开始, AI 将取代人类的声音不绝于耳。
年轻的柯洁此时还并不知道,击败他的会是诺奖得主
再后来, DeepMind 又推出了一系列跟 AI 相关的产品,像语音生成系统 WaveNet , “ 神经计算机 ” ( DNC ),智能医疗系统 DeepMind Health ,以及这次拿了诺奖的 AlphaFold 。
也就是说,哈萨比斯的人生经历跟传统科研路径是差异相当大的。 话虽如此,但出成果了可不管你是啥路径。
哥们在计算机领域的突破性研究,你别看表面上跟生物化学毫不相干,但实际给这一领域带来的可不是锦上添花,而是绝对的颠覆。
我们在九年义务教育里都学过,蛋白质是生命的物质基础,生命离不开蛋白质。
而要搞清楚生物分子的底层原理,就必须知道蛋白质具体长啥样,并且知道怎么去利用,乃至创造这些蛋白质。
这么说吧,在 AlphaFold 之前,大伙预测蛋白质结构主要三种办法,一是用 X 光照蛋白质晶体,二是核磁共振 ( NMR ) 光谱,第三种则是昂贵的冷冻电镜拍照建模。
这些传统办法不仅慢,还费钱, 每拍一次片子就花好几万美金,抵一辆小米 su7 。
只有那些经验丰富的老师傅、蛋白质仙人,才能更快猜到蛋白质的准确形状,少拍点片子。
所以人们就琢磨,这种需要经验总结的工作能不能靠 AI 解决呢?谷歌 DeepMind 创始人哈撒比斯和总监约翰 · 江珀就来干这事了。
他们不打算拍片子,而是选择了 AI :蛋白质既然由氨基酸构成,那只要利用各处公开的已知蛋白质结构,把这些蛋白质中每一对氨基酸的距离,链接角度,汇总起来做成一张图,再用神经网络消化完他们, AI 就能自己做出预测了。
2018 年第一代 AlphaFold 一经发布,就技惊四座,力压一众实验室老师傅,获得第 13 届蛋白质结构预测大赛 ( CASP ) 冠军。
到了 2020 年发布的 AlphaFold2.0 ,又用上了后来在 ChatGPT 上大火的 Transformer 模型,解决了蛋白质分子长距离预测的问题。
简单来说相当于从一个只会写短文的写手,进化成了能写长篇小说的作家。
因为 Transformer 模型的注意力机制,完美解决了长距离氨基酸的问题,至于进步有多大,这么说吧:
2018 年蛋白质结构预测大赛里 1.0 版本准确度得分不到 60 分,但是 2020 年大赛里 2.0 版本拿到了惊人的 92.4 分,它能生成的范围已经涵盖了人类已知蛋白质的 98% , 更重要的是它完全开源。
可以说, 2.0 版本已经基本解决了单链蛋白质的预测问题,到 2021 年,基于 2.0 改版的 AlphaFold-Multimer 发布,也支持上了多链,准确度上也取得了突破,蛋白质之间作用的预测准确率超过 70% , 能够预测超过 2 亿种、包含了几乎所有已知的蛋白质结构。
到了今年新出的 3.0 版本 AlphaFold 3 ,他们更新了一个更牛逼的全方位模型,不仅能预测蛋白质 DNA RNA 等各种小分子,还能揭示他们之间的互相作用。
这也是为啥诺奖会颁给他们的原因:
自他们取得突破以来, 来自 190 个国家的 200 多万人都用上了 AlphaFold2,在他们的帮助下,科学家们不仅能够更加深入了解抗生素的耐药性,还设计出了可以消化塑料的酶类蛋白质。
至于本次化学诺奖另一位得主大卫 · 贝克,他的主要贡献是在蛋白质计算和设计上,开发了 Rosetta 和 RoseTTAFold 这些软件,靠这些计算机工具 就能够模拟出创造生物的 “ 上帝之手 ” ,设计制造出全新的蛋白质分子。
他的团队不仅设计出了第一个自然界中根本不存在的蛋白质 Top7 ,甚至还做出了具备特殊功能的蛋白质。
比如能够自修复、自组装成纳米材料的蛋白质;还有能够将二氧化碳转化为燃料的酶;还有一些在治疗癌症、传染病等疾病方面具有巨大潜力的蛋白质抗体等等。
而它们在生物化学、医学、材料科学中的应用都很牛逼。。。所以这次,算是诺贝尔化学奖颁给生物化学研究的典型案例了。
仨大佬的这些贡献,按颁奖词里的话来说,就是 “ 没有蛋白质,生命就无法存在。我们现在可以预测蛋白质结构并设计自己的蛋白质,这给人类带来了最大的利益。 ”
所以这也是为啥大家对化学奖的争议,远没有昨天物理奖那么大的原因。
毕竟明眼人都看出来,就凭这方面的突破,唯一不确定的无非只是拿化学奖还是生理学奖而已。
总而言之, AI 的突飞猛进一定会在各个行业实现革新和改进,在委员会看来可能人工智能只算是拐杖,研究的目的和方向才是他们真正关注的东西。
但无论如何,这次诺贝尔奖也算是官宣了,不管辛顿对 “ 人工智能可能毁灭世界 ” 的担忧会不会成真, 未来科技树一定会在 AI 应用这方面猛点。
至于 AI 的未来会把人类带向哪里,那也只有以后才能知道了。但就现在来说,本次诺奖的最大赢家那还得是谷歌,昨天前员工拿物理奖,今天现员工又拿化学奖,香槟连开两天了都。
而另一方面,这次诺奖也算是再次告诉我们: 21 世纪是____(
)
撰文:纳西
编辑:江江 & 面线 & 大饼
美编:萱萱
图片、资料来源:
中国科技网:科睿唯安公布 2024 年度 “ 引文桂冠奖 ” 名单
新华报业:诺贝尔化学奖再次垂青 AI ?这个研究领域可是得奖 “ 顶流 ” !
麻省理工科技评论:专访 DeepMind CEO 哈萨比斯:我们将看到一种全新的科学复兴
Nobelprize , Wikipedia ,微博等,图源网络