您的位置:首页 >今日更新 >

我是万没想到 诺贝尔化学奖也给了程序员

导读 【我是万没想到 诺贝尔化学奖也给了程序员】!!!今天受到全网的关注度非常高,那么具体的是什么情况呢,下面大家可以一起来看看具体都是怎...

【我是万没想到 诺贝尔化学奖也给了程序员】!!!今天受到全网的关注度非常高,那么具体的是什么情况呢,下面大家可以一起来看看具体都是怎么回事吧!

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____( )

以上就是关于【我是万没想到 诺贝尔化学奖也给了程序员】的相关消息了,希望对大家有所帮助!

来源:快科技

免责声明:本文由用户上传,如有侵权请联系删除!