2024年諾貝爾獎科學類的物理學獎、化學獎兩項均頒發給AI領域科學家。
不少人驚呼：AI成今年諾獎最大贏家！
1, “物理學和化學不存在了”
10月8日，2024年諾貝爾物理學獎揭曉，美國科學家John J. Hopfield與加拿大科學家Geoffrey E. Hinton因在人工神經網絡領域的基礎性發現和發明而獲獎。
這一消息引發了廣泛討論，因爲人工神經網絡通常被視爲計算機領域的研究方向，也是人工智能AI的基礎理論，而非傳統物理學的範疇。不少人質疑物理學獎是否“跨界”了。
甚至獲獎者本人都未曾預料到自己會得諾貝爾物理學獎，網絡上更是出現了“AI都不敢相信自己得諾貝爾物理學獎”的調侃。
物理學獎揭曉後，許多物理學界的人士紛紛轉發《三體》中的名句“物理學不存在了”來表達自己的不可置信和困惑，有人甚至戲稱“物理獎竟然成了數學獎”。
于是，有科研愛好者大膽預測，早就是“理綜獎”的諾貝爾化學獎或許也會頒給與AI相關的研究。
沒想到，一語成谶。10月9日，三位科學家因在計算蛋白質設計和蛋白質結構預測方面的貢獻而獲獎，這些研究都與人工智能緊密相關。
化學獎的頒布進一步加劇了人們的討論，不少化學人感歎“物理學和化學都不存在了”。網絡上更是出現了“得知今年諾貝爾獎的結果，諾貝爾本人都得連夜轉碼農”的聲音。
此外，還有網友打趣說，“諾貝爾文學獎不打算頒給ChatGPT嗎？”“是不是以後格萊美要給Suno（AI音樂生成軟件），奧斯卡得給Sora（OpenAI發布的人工智能文生視頻大模型）了？”
2, 科學界新變革
當然，這也只是網友的調侃，物理學獎、化學獎頒給在AI領域有突出貢獻的研究者,自然是因爲其推動了物理學和化學的發展與進步。
獲得物理學獎的科學家John J. Hopfield和Geoffrey E. Hinton因在人工神經網絡領域的開創性貢獻而榮獲獎項。
中科院物理所的研究員劉淼指出，人工神經網絡的本質在于模擬生命體的神經細胞如何接受信號並作出反饋。隨著計算機硬件和算力的不斷提升，這一模擬過程逐漸變得更爲精准，進而使得機器能夠更接近于人類的思考和決策方式。
值得注意的是，Hinton的人工神經網絡基礎理論中融入了統計物理學的理論，這不僅提升了神經網絡的性能，還爲量子物理、天體物理等領域的發展提供了重要的啓示和幫助。
北京智源人工智能研究院創始理事長、美國工程院外籍院士張宏江在向钛媒體App展示的一段視頻中表示，AI對于科學研究、物理研究其實有非常大的作用，此次兩位獲獎實至名歸。“我認爲這是對于AI它未來潛力的一個非常好的認可。我相信未來物理也和AI密不可分。”
同樣，今年的諾貝爾化學獎也授予了與人工智能相關的研究者。
David Baker開發了一種算法，能夠從頭開始設計全新的蛋白質，而Demis Hassabis和John M. Jumper則利用AlphaFold成功預測了幾乎所有已知的2億種蛋白質的三維結構。這些成就不僅提升了蛋白質研究的效率，更標志著人工智能在生物化學領域的全面崛起。
英矽智能創始人Alex Zhavoronkov認爲，AI對科學技術産生了深遠影響，並將改變人類生活，諾貝爾獎將激勵更多人，神經網絡對行業的價值巨大，尤其在藥物發現方面。
北電數智首席科學家窦德景教授對钛媒體App表示，首先，今年化學諾獎頒發給DeepMind 哈薩比斯和喬普，他們“在蛋白質結構預測方面的貢獻”確實功不可沒，用AlphaFold 高准確度，低成本地預測了以前生物科學家長期以來費時費力才能得到的蛋白質複雜結構，推動了生物科學研究模式的變革；而物理諾獎頒給AI領域，代表了整個科學界對AI貢獻的認可。不過，窦德景教授也表示，目前AI對物理學本身的貢獻尚不明顯。
《三聯生活周刊》則認爲，這屆諾貝爾獎注定將被載入史冊。它不僅標志著人工智能的全面崛起和科學界對其的正式認可，更可能預示著科學研究基本模式的轉變。
在未來，人工智能將更深入地融入自然科學的研究領域，推動科學研究的進步和發展。---（來源 : 華博商業評論/來源 : 中訪網 ）
*人工智能從頭設計了大量全新蛋白質，還獲得了諾貝爾獎，但它們真能發揮作用嗎？*
最近幾年裏，蛋白質設計先驅David Baker，以及蛋白質結構預測工具 AlphaFold 的開發者Demis Hassabis和John Jumpe榮獲了科學突破獎、拉斯克獎、引文桂冠獎等科學大獎。
2024年10月9日，他們將科學界最高獎——諾貝爾獎收入囊中，他們三人分享了2024年諾貝爾化學獎。
2021年7月16日，DeepMind公司的Demis Hassabis和John Jumpe等人在Nature發表論文，正式推出了蛋白質結構預測工具——AlaphaFold2，而在同一天，華盛頓大學的David Baker實驗室則在Science發表論文，推出了蛋白質結構預測工具——RoseTAAFold。
他們在論文中詳盡細致地說明了如何做到精確預測蛋白質3D結構的，並將這兩款預測工具開源。
實際上，在此之前的2020年第14屆結構預測的關鍵評估（Critical Assessment of Structure Prediction，CASP）競賽中，AlaphaFold2已經展示了其強大的蛋白質結構預測能力，並震驚了學術界。
而在過去一年裏，至少出現了5項蛋白質設計比賽，參賽者大多使用人工智能（AI）工具，從頭設計出全新蛋白質，以作爲更有效的藥物、工業酶或實驗室試劑。
但蛋白質設計領域的繁榮在很大程度上造成了一些混亂，利用AI工具設計蛋白質的速度遠超在實驗室制造和測試它們的速度，這使得人們很難判斷哪些設計方法或者工具真正有效。
在過去，競賽推動了關鍵科學進展，特別是在蛋白質結構預測領域，例如，AlaphaFold2 就是在第14屆CASP競賽中一戰成名。
而現在，一系列新比賽通過降低進入門檻吸引了來自世界各地的人們進入蛋白質設計相關領域。但一些科學家指出，這些競賽必須克服一些障礙，例如確定要解決哪些問題，以及如何客觀地選出獲勝者。否則，這些競賽反而會對蛋白質設計領域造成損害。
蛋白質設計比賽的部分靈感來自于一場開始于30年前的競賽，這一競賽幫助開啓了生物學人工智能的革命。
這一競賽就是結構預測的關鍵評估（Critical Assessment of Structure Prediction，CASP），該競賽始于1994年，每兩年舉行一次，由馬裏蘭大學的計算生物學家John Moult和加州大學戴維斯分校的計算生物學家Krzysztof Fidelis發起，該競賽旨在挑戰從蛋白質的氨基酸序列計算預測其蛋白質三維結構，預測結構與真實結構最接近者獲勝。
2018年，DeepMind 公司（後被谷歌收購）憑借其第一版蛋白質結構預測工具AlphaFold在當年的CASP競賽中成爲第一名。
兩年後，新一代的AlphaFold2表現堪稱炸裂，以至于CASP競賽的發起人John Moult當場宣布——預測簡單蛋白質結構的問題基本上解決了。
如今，CASP競賽的焦點已經轉移到了新的挑戰上，例如，預測一個複合體中多個相互作用的蛋白質的結構。
現在，許多人希望新出現的蛋白質設計比賽能夠推動蛋白質設計領域的發展，正如CASP競賽幫助激發了蛋白質結構預測的革命一樣，如果沒有CASP競賽，就不會有AlphaFold。
今年6月份，德國慕尼黑工業大學的計算生物學家Burkhard Rost贏得了國際開放科學非營利組織“創新聯盟”（Align to Innovate）舉辦的蛋白質工程錦標賽（Protein Engineering Tournament）。
該競賽分爲兩輪，首先，參賽者要預測不同酶變體的特性，在這一輪表現最好的那些團隊在第二輪中嘗試從頭設計一種能夠分解澱粉的酶，通過實驗室驗證來確定最佳設計者。
今年4月份，生物技術公司Liberum Bio和維護蛋白質設計工具Rosetta的科學家團體Rosetta Commons共同舉辦了冬季蛋白質設計遊戲大賽，並宣布了獲勝者，參賽者被要求重新設計一種現有的蛋白質——一種廣泛用于蛋白質純化的植物病毒酶，以使其分子更高效。
而今年的BioML挑戰賽，則是要求設計出一種用于CAR-T細胞治療的蛋白質，根據設計蛋白與抗原靶點的結合、通過CAR發出信號、激活CAR-T細胞增殖和腫瘤殺傷反應的程度來評選獲勝者。
一項最近推出的蛋白質設計競賽尤爲引人注目——進化2024（Evolved 2024），該競賽的獲勝者將獲得價值25000美元的亞馬遜雲服務以及OpenAI等公司的價值數千美元的服務。
對于蛋白質結構預測競賽，對結果的評估很簡單——預測結果與通過實驗解析的真實結構的相似程度。而對于蛋白質設計而言，評估的標准顯然複雜的多，例如，如果要求設計一種蛋白酶，設計出來的酶的活性、穩定性以及對蛋白質的水解效率，都影響對設計結果的評估，因此，需要從多個維度進行評估，這就導致確定獲勝者並不容易。
在Nature發表的一項報道中，今年8月份，蛋白質工程師Alex Naka利用他的筆記本電腦和大約80個基于雲計算的AI處理器，設計了幾十種蛋白質，這些蛋白質旨在靶向抑制腫瘤中發生突變的受體——EGFR（表皮生長因子受體），他選出了其中最有前景的10種設計，參加了一項新發起的蛋白質設計競賽，並登上了排行榜榜首。
然而，9月下旬公布的競賽結果讓他感到很失望，他設計的這10個蛋白看起來很出色，但沒有1個在實驗室中顯示出效果，147種設計中，只有5個能與目標受體結合，其中甚至有50個設計的蛋白質壓根就無法制造出來。---[編譯 : 王聰*編輯 : 王多魚*排版 : 水成文/來源 : 生物世界 ]
參考資料：https://www.nature.com/articles/d41586-024-03335-z
