今年諾貝爾化學獎一半給了AI：諾獎進入AI時代，專注與純粹永不過時

AI今年贏麻了！繼兩位人工智能（AI）先驅獲得今年的諾貝爾物理學獎，人工智能蛋白質結構預測模型"AlphaFold2"今晚又贏得了1/2的2024諾貝爾化學獎。有評論認爲，一次革命性的科研範式轉換被諾獎委員會"蓋章確認了"，諾貝爾獎即將進入AI時代。

據瑞典皇家科學院消息，2024年諾貝爾化學獎一半授予華盛頓大學教授戴維·貝克，"以表彰其在計算蛋白質設計方面的貢獻"；另一半共同授予谷歌旗下DeepMind公司AI科學家德米斯·哈薩比斯和約翰·江珀，"以表彰他們在蛋白質結構預測方面的成就"。

20年"長跑"與革命性"臨門一腳"

"AlphaFold"摘得諾獎，業界似乎早有預感，可謂衆望所歸。不過今晚諾貝爾化學獎揭曉那一刻，人們還是有些疑惑：爲何列在首位、獲得1/2獎項的成果是"計算蛋白質設計"？

"在蛋白質設計領域中，戴維·貝克是泰山北斗級的存在，他20多年持續進行着基礎性開拓，使人類對蛋白質的理解與掌控，達到了前所未有的高度。"上海科技大學教授許文青介紹，戴維開發了一系列計算機方法，創造出許多以前不存在、具有全新功能的蛋白質，這在過去被認爲是"不可能的事"。

要知道在AI介入之前，蛋白質的從頭設計是一項極爲艱苦、成功率很低的工作。不過在過去20多年中，結構生物學積累下了海量數據，爲基於AI的蛋白質結構預測和蛋白質設計做好了"臨門一腳"的鋪墊。

2020年，"AlphaFold2"踢開了革命性的"臨門一腳"。在上海科技大學iHuman研究所單一兵教授看來，這可以說是"天時、地利、人和"交匯的產物。通過精妙地深度學習多年積累的大量蛋白質結構和序列，這一AI模型在短短一兩年內將蛋白質結構的預測準確率從不足40%提升到90%以上，幾乎可以預測所有已知的2億種蛋白質結構。

事實上，基於氨基酸序列預測蛋白質的三維結構，在很長一段時間被認爲是"太陽底下最難的科學問題之一"。DeepMind公開了"AlphaFold2"的代碼，至今已有來自190個國家的200多萬人使用了它。以前要想獲得蛋白質結構通常需要數年，而現在只需幾分鐘。

戴維的博士生、上海科技大學生命科學與技術學院研究員豆佳宜提到，"AlphaFold2"已經成爲蛋白質設計工作中常用的科研工具之一，戴維的實驗室也在用。許文青說，利用這一模型，蛋白質設計的成功率有了質的飛躍——現在從頭設計蛋白質結構，針對想要的部分功能，每個項目總能挑出幾個較好的設計進一步優化。

AI摘得諾獎，今年只是開端

自從"AlphaFold"問世，Deepmind公司的這一模型就被視爲"AI for Science"的應用典範。

"蛋白質結構預測，可以說是分子生物學的一個‘聖盃’問題。"清華大學生命科學學院副教授張強鋒認爲，"AlphaFold2"是用AI端到端神經網絡算法，在一定程度上解決了這一"困擾科學界50年的難題"。去年，"AlphaFold"開發者就獲得拉斯克獎，說明它獲得了科學界的普遍認可。

復旦大學複雜體系多尺度研究院院長馬劍鵬教授表示："我曾提出AlphaFold是諾獎級的貢獻，但沒想到這麼快就獲獎了。"在他看來，從2018年"AlphaFold"亮相，到"AlphaFold2"被美國《科學》雜誌評爲2020年十大科學突破之一，再到今年5月發佈的"AlphaFold3"，其每一次版本更新都可以說是諾獎級別的飛躍。尤其是"AlphaFold3"，直接改變了上一代版本的核心架構，用"擴散模塊"取代了上一代中非常重要的"結構模塊"。

在許文青看來，即使發展到"AlphaFold3"，將蛋白質與一些小分子、核酸的相互作用，乃至蛋白質修飾等功能加了進去，AI在抗體和藥物設計、小分子動態模擬，以及在體複雜結構模擬等方面仍有較大發展空間。

張強鋒認爲，這恰恰體現出AI加速進入主流科學界的足跡——科學家正對AI提出源源不斷的需求，"相信未來AI會成爲科學探索的核心工具，也將會獲得更多的諾貝爾獎，今年只是一個開端"。

執着於重要研究與大問題

無論是85後的約翰·江珀，還是年過花甲的戴維·貝克，在熟悉他們的人眼中，都具有專注而純粹的特點。在科學的前沿探索中，這似乎是永不過時的品質。

過去20年，戴維每年都會在《自然》《科學》《細胞》上發表好幾篇論文。許文青曾與戴維在華盛頓大學共事多年，每次經過他的辦公室，經常會看到戴維想問題想到出神，"似乎永遠專注在最重要的研究上"。

在豆佳宜心目中，戴維始終保持着"資深研究生"的學術年輕態，這或許是導師常年"高產"的秘訣所在——他不僅親自帶項目、做實驗，還會爲了課題向學生請教，"他很少出去開會，幾乎天天能在實驗室看到他，有空就喜歡去西雅圖周邊爬山，堪稱那裡的野營‘活地圖’"。

約翰·江珀在本科剛畢業、攻讀博士前，曾在位於紐約的德邵研究所工作了三四年，有一段在單一兵領導的項目團隊中的工作經歷。"他很安靜，性格溫和卻很有想法。"單一兵覺得，江珀是那種"喜歡做大問題，一攬子解決所有問題"的科學家，"不得不說，哈薩比斯相當有魄力，敢於重用看起來無甚資歷的年輕人，才使約翰能在短短几年中脫穎而出"。

當然，DeepMind的成功離不開谷歌人財充足的"大兵團作戰"。馬劍鵬認爲，對於一項從0到1的基礎研究，要給予充足的經費支持和發展空間。他表示，蛋白質預測領域目前展現出來的潛力是無窮的，一定要加大投入、久久爲功。

作者：許琦敏

文：許琦敏 沈湫莎 圖：諾獎官網 編輯：許琦敏 責任編輯：任荃

轉載此文請註明出處。