我是萬萬沒想到,諾貝爾化學獎也給了程序員_風聞
差评XPIN-差评官方账号-用知识和观点Debug the world!昨天 21:46
昨天諾獎物理頒給 AI ,大家人都傻了,深度學習也是物理?
儘管有網友也想着找補點,萬一今天的化學獎,頒給物理學家了呢?


結果今天化學獎出來,大家再次被驚掉下巴,沒完了是吧!
沒錯, 2024 年諾貝爾化學獎一半授予華盛頓大學醫學院生物化學教授、蛋白質設計研究所所長大衞 · 貝克( David Baker ),以表彰其在 “ 計算蛋白質設計” 方面的成就;
另一半則共同授予谷歌 DeepMind 首席執行官兼聯合創始人德米斯 · 哈薩比斯( Demis Hassabis )和 DeepMind 項目總監約翰 · 江珀( John M.Jumper ),以表彰其在 “ 蛋白質結構預測 ” 中的貢獻。

其實就是一半給了設計新的蛋白質;另一半給了我們之前嘮過的蛋白質結構預測,也就是上次谷歌 I/O 大會上亮相過的 AlphaFold 。
連着兩天把物理獎跟化學獎都發給 AI 相關,這諾獎咋就跟蹭上 AI 了似的,明天文學獎該不會發給 ChatGPT 吧。。。
不少網友也被這波操作鬧麻了,合着宇宙盡頭真是當程序員啊?

不過該説不説,雖然大夥是又被驚到,但相比昨天的物理獎,這次化學獎倒也沒有太過超出圈內的認知。
畢竟諾貝爾化學獎就經常發給蛋白質方面的交叉學科,光蛋白質結構研究就給發了十幾次,甚至跟蛋白質研究相關的儀器也發,比如 2017 年給了冷凍電鏡。
而且頒獎之前,早在九月中旬,號稱諾獎風向標的 2024 年引文桂冠獎( Citation Laureates 2024 )獲獎名單裏,不少權威人士就預測了這次化學獎的三個方向,排第一的就是蛋白質預測。

所以説,圈內其實是支持認可他們的工作的,雖然人家的主要業務不是這個,但是他們的研究實打實給生物化學這個領域帶來了劇變。
比如這次的約翰 · 江珀就學過數學、物理學甚至凝聚態物理,博士的時候才開始做模擬蛋白質摺疊,用的還是機器學習;再往早了看, 20 世紀初的時候英國物理學家盧瑟福就因研究元素和放射拿了化學獎,可見對諾貝爾化學獎來説跨界確實是傳統藝能了。
不過我發現,今年這仨人裏最有意思的哥們,還得是谷歌旗下 DeepMind 的老大哈薩比斯。

雖然大家可能只知道他在谷歌搞 DeepMind ,但殊不知這人跟化學不能説一點交道沒有,也只能説邊兒都不沾了。
因為相比別人正經科研出身,他的經歷堪稱魔幻。

為啥呢,這哥們可能是因為有一半華裔血統( 他媽是新加坡華人 ),從小就是個天才, 4 歲時下國際象棋就能下贏他爹跟他叔, 13 歲就當上了國際象棋大師,你就説這天資跟八冠王柯潔比起來也不遑多讓是吧。
靠着在國際象棋比賽中贏得獎金, 8 歲時哈薩比斯用 200 英鎊給自己買了人生中第一台計算機,開始研究編程。
不過不同於柯潔後來去讀了工商管理,哈薩比斯 1992 年考進了劍橋大學計算機系,大學期間就主導過大型遊戲設計,畢業以後還組建了遊戲公司Elixir Studios,走上了肖奈的路線。

這公司高峯期員工達到 60 人,做出了像 “ 共和國:革命 ” 、 “ 邪惡天才 ” 這些獲獎無數的遊戲。
後來他又去讀了神經科學的博士,並致力於 AI 研究,創辦的 DeepMind 也被谷歌收購,並在 2016 年和 2017 年推出兩代 AlphaGo ,擊敗了李世石和柯潔,從那時開始, AI 將取代人類的聲音不絕於耳。
年輕的柯潔此時還並不知道,擊敗他的會是諾獎得主

再後來, DeepMind 又推出了一系列跟 AI 相關的產品,像語音生成系統 WaveNet , “ 神經計算機 ” ( DNC ),智能醫療系統 DeepMind Health ,以及這次拿了諾獎的 AlphaFold 。
也就是説,哈薩比斯的人生經歷跟傳統科研路徑是差異相當大的。話雖如此,但出成果了可不管你是啥路徑。
哥們在計算機領域的突破性研究,你別看表面上跟生物化學毫不相干,但實際給這一領域帶來的可不是錦上添花,而是絕對的顛覆。

我們在九年義務教育裏都學過,蛋白質是生命的物質基礎,生命離不開蛋白質。
而要搞清楚生物分子的底層原理,就必須知道蛋白質具體長啥樣,並且知道怎麼去利用,乃至創造這些蛋白質。
這麼説吧,在 AlphaFold 之前,大夥預測蛋白質結構主要三種辦法,一是用 X 光照蛋白質晶體,二是核磁共振 ( NMR ) 光譜,第三種則是昂貴的冷凍電鏡拍照建模。
這些傳統辦法不僅慢,還費錢,每拍一次片子就花好幾萬美金,抵一輛小米 su7 。
只有那些經驗豐富的老師傅、蛋白質仙人,才能更快猜到蛋白質的準確形狀,少拍點片子。

所以人們就琢磨,這種需要經驗總結的工作能不能靠 AI 解決呢?谷歌 DeepMind 創始人哈撒比斯和總監約翰 · 江珀就來幹這事了。
**他們不打算拍片子,而是選擇了 AI :**蛋白質既然由氨基酸構成,那隻要利用各處公開的已知蛋白質結構,把這些蛋白質中每一對氨基酸的距離,鏈接角度,彙總起來做成一張圖,再用神經網絡消化完他們, AI 就能自己做出預測了。

2018 年第一代 AlphaFold 一經發布,就技驚四座,力壓一眾實驗室老師傅,獲得第 13 屆蛋白質結構預測大賽 ( CASP ) 冠軍。
到了 2020 年發佈的 AlphaFold2.0 ,又用上了後來在 ChatGPT 上大火的 Transformer 模型,解決了蛋白質分子長距離預測的問題。

簡單來説相當於從一個只會寫短文的寫手,進化成了能寫長篇小説的作家。
因為 Transformer 模型的注意力機制,完美解決了長距離氨基酸的問題,至於進步有多大,這麼説吧:
2018 年蛋白質結構預測大賽裏 1.0 版本準確度得分不到 60 分,但是 2020 年大賽裏 2.0 版本拿到了驚人的 92.4 分,它能生成的範圍已經涵蓋了人類已知蛋白質的 98% ,更重要的是它完全開源。

可以説, 2.0 版本已經基本解決了單鏈蛋白質的預測問題,到 2021 年,基於 2.0 改版的 AlphaFold-Multimer 發佈,也支持上了多鏈,準確度上也取得了突破,蛋白質之間作用的預測準確率超過 70% ,能夠預測超過 2 億種、包含了幾乎所有已知的蛋白質結構。
到了今年新出的 3.0 版本 AlphaFold 3 ,他們更新了一個更牛逼的全方位模型,不僅能預測蛋白質 DNA RNA 等各種小分子,還能揭示他們之間的互相作用。
這也是為啥諾獎會頒給他們的原因:
自他們取得突破以來,來自 190 個國家的 200 多萬人都用上了 AlphaFold2 ,在他們的幫助下,科學家們不僅能夠更加深入瞭解抗生素的耐藥性,還設計出了可以消化塑料的酶類蛋白質。

至於本次化學諾獎另一位得主大衞 · 貝克,他的主要貢獻是在蛋白質計算和設計上,開發了 Rosetta 和 RoseTTAFold 這些軟件,靠這些計算機工具就能夠模擬出創造生物的 “ 上帝之手 ” ,設計製造出全新的蛋白質分子。

他的團隊不僅設計出了第一個自然界中根本不存在的蛋白質 Top7 ,甚至還做出了具備特殊功能的蛋白質。
比如能夠自修復、自組裝成納米材料的蛋白質;還有能夠將二氧化碳轉化為燃料的酶;還有一些在治療癌症、傳染病等疾病方面具有巨大潛力的蛋白質抗體等等。
而它們在生物化學、醫學、材料科學中的應用都很牛逼。。。所以這次,算是諾貝爾化學獎頒給生物化學研究的典型案例了。

仨大佬的這些貢獻,按頒獎詞裏的話來説,就是 “ 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並設計自己的蛋白質,這給人類帶來了最大的利益。 ”
所以這也是為啥大家對化學獎的爭議,遠沒有昨天物理獎那麼大的原因。
畢竟明眼人都看出來,就憑這方面的突破,唯一不確定的無非只是拿化學獎還是生理學獎而已。

總而言之, AI 的突飛猛進一定會在各個行業實現革新和改進,在委員會看來可能人工智能只算是枴杖,研究的目的和方向才是他們真正關注的東西。
但無論如何,這次諾貝爾獎也算是官宣了,不管辛頓對 “ 人工智能可能毀滅世界 ” 的擔憂會不會成真,未來科技樹一定會在 AI 應用這方面猛點。
至於 AI 的未來會把人類帶向哪裏,那也只有以後才能知道了。但就現在來説,本次諾獎的最大贏家那還得是谷歌,昨天前員工拿物理獎,今天現員工又拿化學獎,香檳連開兩天了都。
而另一方面,這次諾獎也算是再次告訴我們:21 世紀是____ (
)
圖片、資料來源:
中國科技網:科睿唯安公佈 2024 年度 “ 引文桂冠獎 ” 名單新華報業:諾貝爾化學獎再次垂青 AI ?這個研究領域可是得獎 “ 頂流 ” !
麻省理工科技評論:專訪 DeepMind CEO 哈薩比斯:我們將看到一種全新的科學復興
Nobelprize , Wikipedia ,微博等,圖源網絡
