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（DavidBaker），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（DemisHassabis）和DeepMind项目总监约翰·江珀（JohnM.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（CitationLaureates2024）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ElixirStudios，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DeepMindHealth，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AlphaFold3，他们更新了一个更牛逼的全方位模型，不仅能预测蛋白质DNARNA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DeepMindCEO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

未经允许不得转载：头条资讯网_今日热点_娱乐才是你关心的时事 » 我是万万没想到，诺贝尔化学奖也给了程序员。