今天小編分享的科技經驗：我是萬萬沒想到，諾貝爾化學獎也給了程式員。，歡迎閱讀。
昨天諾獎物理頒給 AI ，大家人都傻了，深度學習也是物理？
盡管有網友也想着找補點，萬一今天的化學獎，頒給物理學家了呢？
結果今天化學獎出來，大家再次被驚掉下巴，沒完了是吧！
沒錯， 2024 年諾貝爾化學獎一半授予華盛頓大學醫學院生物化學教授、蛋白質設計研究所所長大衛 · 貝克（ David Baker ），以表彰其在 " 計算蛋白質設計 " 方面的成就；
另一半則共同授予谷歌 DeepMind 首席執行官兼聯合創始人德米斯 · 哈薩比斯（ Demis Hassabis ）和 DeepMind 項目總監約翰 · 江珀（ John M.Jumper ），以表彰其在 " 蛋白質結構預測 " 中的貢獻。
其實就是一半給了設計新的蛋白質；另一半給了我們之前唠過的蛋白質結構預測，也就是上次谷歌 I/O 大會上亮相過的 AlphaFold 。
連着兩天把物理獎跟化學獎都發給 AI 相關，這諾獎咋就跟蹭上 AI 了似的，明天文學獎該不會發給 ChatGPT 吧。。。
不少網友也被這波操作鬧麻了，合着宇宙盡頭真是當程式員啊？
不過該說不說，雖然大夥是又被驚到，但相比昨天的物理獎，這次化學獎倒也沒有太過超出圈内的認知。
畢竟諾貝爾化學獎就經常發給蛋白質方面的交叉學科，光蛋白質結構研究就給發了十幾次，甚至跟蛋白質研究相關的儀器也發，比如 2017 年給了冷凍電鏡。
而且頒獎之前，早在九月中旬，号稱諾獎風向标的 2024 年引文桂冠獎（ Citation Laureates 2024 ）獲獎名單裡，不少權威人士就預測了這次化學獎的三個方向，排第一的就是蛋白質預測。
所以說，圈内其實是支持認可他們的工作的，雖然人家的主要業務不是這個，但是他們的研究實打實給生物化學這個領網域帶來了劇變。
比如這次的約翰 · 江珀就學過數學、物理學甚至凝聚态物理，博士的時候才開始做模拟蛋白質折疊，用的還是機器學習；再往早了看， 20 世紀初的時候英國物理學家盧瑟福就因研究元素和放射拿了化學獎，可見對諾貝爾化學獎來說跨界确實是傳統藝能了。
不過我發現，今年這仨人裡最有意思的哥們，還得是谷歌旗下 DeepMind 的老大哈薩比斯。
雖然大家可能只知道他在谷歌搞 DeepMind ，但殊不知這人跟化學不能說一點交道沒有，也只能說邊兒都不沾了。
因為相比别人正經科研出身，他的經歷堪稱魔幻。
為啥呢，這哥們可能是因為有一半華裔血統（ 他媽是新加坡華人 ），從小就是個天才， 4 歲時下國際象棋就能下赢他爹跟他叔， 13 歲就當上了國際象棋大師，你就說這天資跟八冠王柯潔比起來也不遑多讓是吧。
靠着在國際象棋比賽中赢得獎金， 8 歲時哈薩比斯用 200 英鎊給自己買了人生中第一台計算機，開始研究編程。
不過不同于柯潔後來去讀了工商管理，哈薩比斯 1992 年考進了劍橋大學計算機系，大學期間就主導過大型遊戲設計，畢業以後還組建了遊戲公司Elixir Studios ，走上了肖奈的路線。
這公司高峰期員工達到 60 人，做出了像 " 共和國：革命 " 、 " 邪惡天才 " 這些獲獎無數的遊戲。
後來他又去讀了神經科學的博士，并致力于 AI 研究，創辦的 DeepMind 也被谷歌收購，并在 2016 年和 2017 年推出兩代 AlphaGo ，擊敗了李世石和柯潔，從那時開始， AI 将取代人類的聲音不絕于耳。
年輕的柯潔此時還并不知道，擊敗他的會是諾獎得主
再後來， DeepMind 又推出了一系列跟 AI 相關的產品，像語音生成系統 WaveNet ， " 神經計算機 " （ DNC ），智能醫療系統 DeepMind Health ，以及這次拿了諾獎的 AlphaFold 。
也就是說，哈薩比斯的人生經歷跟傳統科研路徑是差異相當大的。話雖如此，但出成果了可不管你是啥路徑。
哥們在計算機領網域的突破性研究，你别看表面上跟生物化學毫不相幹，但實際給這一領網域帶來的可不是錦上添花，而是絕對的颠覆。
我們在九年義務教育裡都學過，蛋白質是生命的物質基礎，生命離不開蛋白質。
而要搞清楚生物分子的底層原理，就必須知道蛋白質具體長啥樣，并且知道怎麼去利用，乃至創造這些蛋白質。
這麼說吧，在 AlphaFold 之前，大夥預測蛋白質結構主要三種辦法，一是用 X 光照蛋白質晶體，二是核磁共振 ( NMR ) 光譜，第三種則是昂貴的冷凍電鏡拍照建模。
這些傳統辦法不僅慢，還費錢，每拍一次片子就花好幾萬美金，抵一輛小米 su7 。
只有那些經驗豐富的老師傅、蛋白質仙人，才能更快猜到蛋白質的準确形狀，少拍點片子。
所以人們就琢磨，這種需要經驗總結的工作能不能靠 AI 解決呢？谷歌 DeepMind 創始人哈撒比斯和總監約翰 · 江珀就來幹這事了。
他們不打算拍片子，而是選擇了 AI ：蛋白質既然由氨基酸構成，那只要利用各處公開的已知蛋白質結構，把這些蛋白質中每一對氨基酸的距離，鏈接角度，匯總起來做成一張圖，再用神經網絡消化完他們， AI 就能自己做出預測了。
2018 年第一代 AlphaFold 一經發布，就技驚四座，力壓一眾實驗室老師傅，獲得第 13 屆蛋白質結構預測大賽 ( CASP ) 冠軍。
到了 2020 年發布的 AlphaFold2.0 ，又用上了後來在 ChatGPT 上大火的 Transformer 模型，解決了蛋白質分子長距離預測的問題。
簡單來說相當于從一個只會寫短文的寫手，進化成了能寫長篇小說的作家。
因為 Transformer 模型的注意力機制，完美解決了長距離氨基酸的問題，至于進步有多大，這麼說吧：
2018 年蛋白質結構預測大賽裡 1.0 版本準确度得分不到 60 分，但是 2020 年大賽裡 2.0 版本拿到了驚人的 92.4 分，它能生成的範圍已經涵蓋了人類已知蛋白質的 98% ，更重要的是它完全開源。
可以說， 2.0 版本已經基本解決了單鏈蛋白質的預測問題，到 2021 年，基于 2.0 改版的 AlphaFold-Multimer 發布，也支持上了多鏈，準确度上也取得了突破，蛋白質之間作用的預測準确率超過 70% ，能夠預測超過 2 億種、包含了幾乎所有已知的蛋白質結構。
到了今年新出的 3.0 版本 AlphaFold 3 ，他們更新了一個更牛逼的全方位模型，不僅能預測蛋白質 DNA RNA 等各種小分子，還能揭示他們之間的互相作用。
這也是為啥諾獎會頒給他們的原因：
自他們取得突破以來，來自 190 個國家的 200 多萬人都用上了 AlphaFold2 ，在他們的幫助下，科學家們不僅能夠更加深入了解抗生素的耐藥性，還設計出了可以消化塑料的酶類蛋白質。
至于本次化學諾獎另一位得主大衛 · 貝克，他的主要貢獻是在蛋白質計算和設計上，開發了 Rosetta 和 RoseTTAFold 這些軟體，靠這些計算機工具就能夠模拟出創造生物的 " 上帝之手 " ，設計制造出全新的蛋白質分子。
他的團隊不僅設計出了第一個自然界中根本不存在的蛋白質 Top7 ，甚至還做出了具備特殊功能的蛋白質。
比如能夠自修復、自組裝成納米材料的蛋白質；還有能夠将二氧化碳轉化為燃料的酶；還有一些在治療癌症、傳染病等疾病方面具有巨大潛力的蛋白質抗體等等。
而它們在生物化學、醫學、材料科學中的應用都很牛逼。。。所以這次，算是諾貝爾化學獎頒給生物化學研究的典型案例了。
仨大佬的這些貢獻，按頒獎詞裡的話來說，就是 " 沒有蛋白質，生命就無法存在。我們現在可以預測蛋白質結構并設計自己的蛋白質，這給人類帶來了最大的利益。 "
所以這也是為啥大家對化學獎的争議，遠沒有昨天物理獎那麼大的原因。
畢竟明眼人都看出來，就憑這方面的突破，唯一不确定的無非只是拿化學獎還是生理學獎而已。
總而言之， AI 的突飛猛進一定會在各個行業實現革新和改進，在委員會看來可能人工智能只算是拐杖，研究的目的和方向才是他們真正關注的東西。
但無論如何，這次諾貝爾獎也算是官宣了，不管辛頓對 " 人工智能可能毀滅世界 " 的擔憂會不會成真，未來科技樹一定會在 AI 應用這方面猛點。
至于 AI 的未來會把人類帶向哪裡，那也只有以後才能知道了。但就現在來說，本次諾獎的最大赢家那還得是谷歌，昨天前員工拿物理獎，今天現員工又拿化學獎，香槟連開兩天了都。
而另一方面，這次諾獎也算是再次告訴我們：21 世紀是 ____ ( )
撰文：納西
