订阅我们的每日和每周通讯，获取最新更新和独家行业领先人工智能报道内容。了解更多
由谷歌旗下人工智能部门DeepMind的联合创始人兼首席执行官德米斯·哈萨比斯、谷歌DeepMind高级研究科学家约翰·贾普特以及华盛顿大学的戴维·贝克组成的三人团队荣获了奖项。2024年诺贝尔化学奖他们因预测和开发新蛋白质方面的重要成就而获得认可。
深慕者获胜是因为AlphaFold 2，一个能够从氨基酸序列预测蛋白质三维结构的人工智能系统。与此同时，贝克因领导了一个实验室而获奖，该实验室利用构成蛋白质的20种氨基酸设计新的蛋白质，包括用于“药物、疫苗、纳米材料和微型传感器”的蛋白质，据诺贝尔委员会宣布。
该奖项强调了人工智能如何正在重塑生物科学——并且紧随其后的一天是我认为的首个颁发给人工智能技术的诺贝尔奖，该奖项授予Google DeepMind的Geoffrey Hinton和普林斯顿大学教授John J. Hopfield，以表彰他们在人工神经网络方面的贡献。
瑞典皇家科学院如其宣布物理学奖一样，宣布了该奖项，奖金为1100万瑞典克朗（约合100万美元），由获奖者分享——一半将授予贝克尔，另一半再平均分给哈萨比斯和杰姆珀。
委员会强调了AlphaFold前所未有的影响，将其描述为一个突破性的进展，解决了生物学中长达50年的难题：蛋白质结构预测，即如何从氨基酸序列预测蛋白质的三维结构。
几十年来，科学家们知道蛋白质的功能是由其三维形状决定的，但预测氨基酸序列如何折叠成这种形状极其复杂。自20世纪70年代以来，研究人员一直在试图解决这一问题，但由于可能的折叠配置数量巨大（被称为莱文塔尔悖论），准确的预测一直难以实现。
AlphaFold，由谷歌深度思维开发，通过使用AI以接近实验准确度预测蛋白质的3D结构取得了突破性进展，这意味着AlphaFold对蛋白质3D结构的预测结果与传统的实验方法——如X射线晶体学、冷冻电子显微镜或核磁共振(NMR)光谱法所获得的结果几乎无法区分。
当AlphaFold实现“接近实验精度”时，它能够以与这些方法相媲美的精确度预测蛋白质结构，通常误差范围在大约1 Å（0.1纳米）之内。这意味着模型的预测结果与通过实验手段确定的实际结构非常吻合，使其成为生物学领域的一项变革性工具。
Hassabis和Jumper在DeepMind位于伦敦的实验室开发的工作已经改变了结构生物学和药物发现领域，为全球科学家提供了一种强大的工具。
哈萨比斯在一份声明中表示：“AlphaFold已经被超过两百万名研究人员用于推进关键工作，从酶设计到药物发现。”“我希望我们能够将AlphaFold视为人工智能加速科学发现的巨大潜力的第一个证明点。”
AlphaFold的全球影响
AlphaFold的预测可通过AlphaFold蛋白质结构数据库免费访问，使其成为可用的最重要的开放获取科学工具之一。来自190个国家的超过两百万名研究人员使用了该工具，使前沿人工智能技术的访问更加民主化，并在分子生物学、药物开发甚至气候科学等各个领域实现了突破。
通过在几分钟内预测蛋白质的三维结构（以前需要数年时间），AlphaFold 正在加速科学进步。该系统已被用于应对抗生素耐药性、设计可降解塑料的酶以及协助疫苗开发，展示了其在医疗保健和可持续发展方面的实用性。
AlphaFold开发的主要负责人约翰·贾米森对其意义进行了反思，他表示：“我们很荣幸能够实现计算生物学长期以来的承诺，帮助我们理解蛋白质世界，并为实验生物学家的杰出工作提供信息。”他强调，AlphaFold是一个用于发现的工具，以空前的速度帮助科学家们了解疾病并研发新的治疗方案。
AlphaFold的起源
AlphaFold的根源可以追溯到DeepMind对人工智能更广泛的探索。
哈萨比斯，一位国际象棋神童，在17岁时于1994年开始他的职业生涯，共同开发了热门视频游戏主题公园该作品于当年6月15日发布。
在剑桥大学学习计算机科学并完成认知神经科学博士学位后，他于2010年与他人共同创立了DeepMind，使用了他利用自己对国际象棋的理解从著名的逆向投资者彼得·蒂尔那里筹集资金这家专注于人工智能的公司被2014年被谷歌收购大约5亿美元。
作为谷歌深度思维公司的首席执行官，哈萨比斯领导了人工智能领域的重大突破，包括创建在围棋和国际象棋等游戏中表现出色的系统。
到2016年，DeepMind因开发出能够掌握古老围棋游戏并击败世界冠军的AI系统而获得全球认可。正是凭借在人工智能领域的专业知识，DeepMind开始将其应用于科学领域，旨在解决更具意义的挑战，包括蛋白质折叠问题。
AlphaFold项目于2018年正式启动，参加Critical Assessment of protein Structure Prediction（CASP）竞赛——一项每两年举办一次的全球预测蛋白质结构的挑战赛。那一年，AlphaFold在比赛中胜出，超越了其他团队，并预示着结构生物学的新时代。但真正的突破出现在2020年，当AlphaFold2 被发布出来了解决了许多最难的蛋白质折叠问题，其准确性达到了此前被认为无法达到的程度。
AlphaFold 2的成功标志着多年来对神经网络和机器学习研究的顶点，在这些领域中，DeepMind已成为全球领导者。
该系统是在大量已知蛋白质结构和氨基酸序列的数据集上训练的，因此它可以为从未遇到过的蛋白质进行通用预测——这一成就此前是不可想象的。
今年早些时候，Google DeepMind和Isomorphic Labs公布了AlphaFold 3，这是该模型的第三代，据称使用了改进版的Evoformer模块，这一深度学习架构是AlphaFold 2卓越表现的关键。
新的模型还包含了一个扩散网络，类似于用于AI图像生成器中的那种，它迭代地细化从原子云到高度准确的最终配置的预测分子结构。
大卫·贝克在蛋白质设计方面的贡献
赫萨比斯和贾姆佩尔解决了预测问题，而戴维·贝克的研究在蛋白质结构预测方面取得了进展，从头开始蛋白质设计提供了一个同样具有变革性的方法：创造在自然界中不存在的全新蛋白质。
基于华盛顿大学蛋白质设计研究所，贝克实验室开发了罗塞塔一个用于设计合成蛋白质的计算工具。
Baker的研究工作促成了开发出可用于创建新型疗法的蛋白质，包括定制设计的酶和可能用作疫苗的病毒样颗粒。他的团队甚至设计出了用于检测芬太尼（一种在全球卫生危机中处于中心位置的阿片类药物）的蛋白质。
通过从零开始设计新蛋白质，贝克的研究扩大了蛋白质所能做的事情的界限，通过允许创造特定功能的分子来补充AlphaFold的预测能力。
人工智能在科学领域的未来
诺贝尔奖对AlphaFold和贝克工作的认可强调了一个更广泛的趋势：人工智能正迅速成为科学研究中不可或缺的工具。AlphaFold的成功激起了人们对人工智能在包括气候变化、农业和材料科学在内的各个领域解决复杂问题的巨大潜力的新兴趣。
诺贝尔委员会强调了这些发现的变革潜力，指出它们“为生物学和化学的未来开辟了广阔的可能性”。 Hassabis 一直公开谈论 AI 的潜在创新力，但他也清楚地意识到其中的风险。“AI有可能以前所未有的速度加速科学发现，但我们必须负责任地使用它。”他在最近的一次采访中说。
随着像AlphaFold这样的AI系统不断发展，它们模拟生物过程和预测结果的能力可能会彻底改变医疗保健、可持续发展努力以及更广泛的领域。Jumper和Hassabis获得诺贝尔奖是对他们工作巨大影响的认可，但也预示着科学新时代的到来——在这个时代，人工智能将在揭开生命奥秘中发挥核心作用。
下一步是什么？
2024年诺贝尔化学奖表彰了Demis Hassabis、John Jumper和David Baker对蛋白质科学领域所作出的深远贡献。他们的开创性工作重塑了蛋白质科学研究的格局。AlphaFold现已成为全球研究人员的重要工具，极大地加速了此前难以想象的发现进程。
大卫·贝克在计算蛋白质设计方面的研究进一步拓展了生物创新的可能性，为全球性挑战提供了新的解决方案。
这些进展共同标志着科学领域人工智能新时代的开始——一个可能性才刚刚开始展现的时代（双关语）。
虽然他对人工智能的积极影响保持乐观，哈萨比斯警告说，包括可能造成社会规模灾难在内的风险必须像应对气候危机一样严肃对待。