Demis Hassabis榮獲諾貝爾化學(xué)獎，網(wǎng)友：諾獎需要AI
今年的諾獎被AI大佬包圓了。
就在剛剛，瑞典皇家科學(xué)院已決定將 2024 年諾貝爾化學(xué)獎授予大衛·貝克（David Baker），“以表彰在計算蛋白質(zhì)設計方面的貢獻”；另一半則是共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰·M·詹珀（John M. Jumper），“以表彰他們在蛋白質(zhì)結構預測方面的成就”。
David Baker 出生于1962 年 10 月 6 日，美國生物化學(xué)家、計算生物學(xué)家。被譽(yù)為蛋白質(zhì)設計領(lǐng)域的“開(kāi)創(chuàng )者”，在DeepMind之前就提出了預測和設計蛋白質(zhì)三維結構的方法。他開(kāi)創(chuàng )的設計蛋白質(zhì)和預測其三維結構方法，通過(guò)準確預測蛋白質(zhì)的空間結構，幫助科學(xué)家理解其功能，并設計出更有效的藥物分子或改造酶以提高其催化效率，在藥物設計、酶工程等領(lǐng)域具有重要應用價(jià)值。除此之外，他還吉印通創(chuàng )辦了十幾家生物技術(shù)公司，并入選《時(shí)代》雜志 2024 年首屆健康領(lǐng)域 100 名最具影響力人物名單。
與其一同獲獎的 Demis Hassabis 和 John Jumper 都是 Google 的員工。其中 Demis Hassabis 是 DeepMind 的吉印通創(chuàng )始人和首席執行官，1976 年 7 月 27 日出生于英國，計算機科學(xué)家、人工智能研究員。Hassabis曾是一名視頻游戲人工智能程序員和設計師，以及一名棋盤(pán)游戲專(zhuān)家。他是英國皇家學(xué)會(huì )會(huì )員，并因其在A(yíng)lphaFold方面的工作而獲得了許多著(zhù)名獎項，包括突破獎、加拿大蓋爾德納國際獎和拉斯克獎。 2017年，他被任命為CBE ，并入選《時(shí)代》100位最具影響力人物名單。
而 John Jumper 則是 Google 的高級研究科學(xué)家，主要參與蛋白質(zhì)結構預測的研究工作。在加入 DeepMind 之前，Jumper 曾在 D.E. Shaw Research 從事蛋白質(zhì)動(dòng)態(tài)和超冷液體的分子動(dòng)力學(xué)模擬工作。來(lái)到 DeepMind 之后，他領(lǐng)導開(kāi)發(fā)了 AlphaFold，這個(gè)系統在 2020 年被認可為解決了長(cháng)達 50 年的科學(xué)難題，并且已被用于預測超過(guò) 2 億種蛋白質(zhì)的結構。他們還建立了 AlphaFold 蛋白質(zhì)結構數據庫，使全球研究人員能夠免費訪(fǎng)問(wèn)這些預測結果。
而讓 AI 大佬們獲獎的蛋白質(zhì)預測項目 AlphaFold，在相關(guān)論文中對它的解釋是：“一個(gè)創(chuàng )新的計算方法”，其實(shí)就是結合了生物和物理知識，通過(guò)分析氨基酸序列與其三維結構之間的關(guān)系，使用神經(jīng)網(wǎng)絡(luò )進(jìn)行預測。蛋白質(zhì)結構對理解其功能至關(guān)重要，然而目前已知的蛋白質(zhì)結構僅占已知蛋白質(zhì)序列的極小一部分。傳統的實(shí)驗方法耗時(shí)且效率低下，因此需要準確的計算方法來(lái)填補這一空白。
AlphaFold是第一個(gè)能夠在大多數情況下以接近實(shí)驗精度預測蛋白質(zhì)結構的計算方法。這個(gè)模型在第14屆蛋白質(zhì)結構預測關(guān)鍵評估（CASP14）中表現出色，其骨架準確度達到0.96 ?，顯著(zhù)優(yōu)于其他方法。最終 AlphaFold 在 CASP14 中的表現證明了其高準確性，并且其預測結果在多個(gè)新提交的PDB結構中得到了驗證。
順帶一提，Baker 的 RFDiffusion 才出來(lái)一年，這次的發(fā)獎時(shí)間比ICML時(shí)間檢驗獎要快太多了，這是發(fā)的最快的諾獎了吧…
網(wǎng)友熱議
加上昨天的諾貝爾物理學(xué)獎，人工智能已經(jīng)拿下了兩個(gè)諾獎了！這下推特可真是一片嘩然。
網(wǎng)友在祝賀的同時(shí)也不忘調侃，干脆把文學(xué)獎也發(fā)給ChatGPT吧。
還有網(wǎng)友嘲諷道，人工智能炒作現在都炒到化學(xué)了。
也有網(wǎng)友認真討論，人工智能的發(fā)展會(huì )不會(huì )讓對科學(xué)基礎和理論的理解退居二線(xiàn)？
有位網(wǎng)友則表示理解，認為頒布化學(xué)獎可比物理獎合適多了，用人工智能來(lái)研究蛋白質(zhì)聽(tīng)上去確實(shí)靠譜得多。
雷峰網(wǎng)雷峰網(wǎng)
