北京时间10月9日下午，瑞典皇家科学院决定将2024年诺贝尔化学奖授予三位科学家。
其中一半授予华盛顿大学教授大卫·贝克（David Baker），以表彰他对计算蛋白质设计的贡献；另一半则共同授予德米斯·哈萨比斯（Demis）和约翰·乔普（John M.），以表彰其在蛋白质结构预测方面的贡献。
他们将获得总奖金1100万瑞典克朗（约合人民币744.46万元）。
据诺贝尔奖官网介绍，今年三位诺贝尔化学奖获得者利用“蛋白质”这一生活中精美的化学工具，破解了蛋白质惊人结构的密码。其中，化学奖获得者贝克成功完成了一项几乎不可能的任务，创造了一种新的蛋白质。他的共同获奖者 和 Jope 开发了一个人工智能模型来解决一个 50 年来的问题：预测具有巨大技术潜力的蛋白质的复杂结构。
显然，继昨天的诺贝尔物理学奖之后，AI再次成为诺贝尔奖的焦点。 48岁的谷歌AI老板哈萨比斯和39岁的乔普获得诺贝尔化学奖。人工智能学者与 一起获得了 2024 年诺贝尔奖的“大满贯”。
要知道，哈萨比斯昨天还在祝贺加拿大多伦多大学教授 （E.）获得诺贝尔物理学奖。就连他的前雇主谷歌也为辛顿举办了庆功宴。谷歌首席执行官桑达尔·皮查伊（ Yi）、谷歌首席科学家杰夫·丹恩（Jeff Denn）、前联合创始人伊利亚·苏茨克维（Ilya）等人均出席。
现在，哈萨比斯和他的谷歌人工智能团队终于可以祝贺自己了。
这是AI行业最重大的事件，对于诺贝尔奖来说也是“罕见”的。诺贝尔物理奖和化学奖都对深度学习和人工智能模型技术给予了高度评价。经过数十位专家的分析，钛媒体AGI认为，这意味着AI诺贝尔奖的新时代已经开始，也是AI与学科交叉的胜利。
“我很高兴你们现在都跟上了！”乔普的话让更多人开始思考，到底是诺贝尔奖的权重下降了，还是AI彻底改变了物理和化学两大学科？
通过化学计算和人工智能揭示蛋白质的秘密
蛋白质通常由 20 种不同的氨基酸以无数种方式组合而成，可以说是生命的基石。以 DNA 中存储的信息为蓝图，氨基酸在我们的细胞中连接在一起形成“长链”。
蛋白质的神奇之处在于它们的结构——氨基酸链扭曲并折叠成独特的（有时是独特的）三维结构。正是这种结构赋予了蛋白质功能。一些蛋白质成为制造肌肉或羽毛的化学构件，而另一些蛋白质则可能成为激素或抗体。其中许多会形成酶，以惊人的精度驱动生命的化学反应。位于细胞表面的蛋白质也很重要，充当细胞与其周围环境之间的沟通渠道。
但对于学术界来说，困扰化学家50多年的一个问题是：如何根据氨基酸序列预测蛋白质的三维结构。
美国科学家克里斯蒂安·安芬森 ( ) 又做出了一项早期发现。他利用各种化学技巧，成功地使现有的蛋白质展开然后再次折叠。有趣的是，蛋白质每次都呈现出完全相同的形状。 1961年，他得出结论：蛋白质的三维结构完全由蛋白质中的氨基酸序列决定。这为他赢得了 1972 年诺贝尔化学奖。
然而，安芬森的逻辑存在一个悖论，这一点被另一位美国人赛勒斯·利文塔尔 (Cyrus ) 在 1969 年指出。他计算出，即使一个蛋白质仅由 100 个氨基酸组成，理论上该蛋白质至少可以表现出 10 到 47 个氨基酸。不同三维结构的力量。如果氨基酸链随机折叠，则需要比宇宙年龄更长的时间才能找到正确的蛋白质结构，而在细胞中只需要几毫秒。那么，氨基酸链到底是如何折叠的呢？
2024年诺贝尔化学奖三位获得者贝克、哈萨比斯和乔普解决了上述问题。
贝克1962年出生于美国华盛顿州西雅图，在哈佛大学学习哲学和社会科学。然而，在学习进化生物学课程时，他偶然发现了经典教科书《细胞分子生物学》的第一版。这导致了他人生方向的改变，引导他探索细胞生物学。 1989年，他在加州大学伯克利分校获得博士学位。
1993年，当贝克开始在西雅图华盛顿大学担任研究组组长时，他接受了生物化学领域的巨大挑战。通过巧妙的实验，他开始探索蛋白质如何折叠。这为他提供了深刻的见解，在 20 世纪 90 年代末，他开始开发可以预测蛋白质结构的计算机软件：。
1998年，Baker首次使用它参加CASP（蛋白质结构预测的批判性评估）竞赛，与其他参赛者相比，它的表现极其出色。这一成功引发了一个新想法：该软件可以反向使用。贝克团队不需要输入氨基酸序列并获得蛋白质结构，而是可以输入所需的蛋白质结构并获得其氨基酸序列的建议，这将使他们能够创造出全新的蛋白质。
这个想法终于实现了，事实证明蛋白质确实可以构建。 2003年，贝克成功地利用这些构建模块设计了一种不同于其他蛋白质的新蛋白质——Top7。此后，他的研究小组不断创造出一个又一个富有想象力的蛋白质，包括可用作药物、疫苗、纳米材料和微传感器的蛋白质技术。他们开发的蛋白质Top7与他们设计的结构几乎一模一样。
如今，贝克在华盛顿大学担任教授。
同时，AI技术也被认为是攻克蛋白质结构预测的关键“法宝”。
事实上，在蛋白质中，氨基酸以长链连接在一起，折叠起来形成对蛋白质功能至关重要的三维结构。自 20 世纪 70 年代以来，研究人员一直试图根据氨基酸序列预测蛋白质结构，但这极其困难。
然而直到2018年，一位国际象棋大师、神经科学专家、AI技术先驱入局，在“蛋白质结构预测”领域取得了新的突破。
在此之前，我们先简单了解一下哈萨比斯的背景：他四岁开始下棋，十三岁达到大师级别；青少年时期，他开始了程序员和游戏开发人员的职业生涯，并探索人工智能并涉足神经科学。 2010年，他联合创立了AI Model ，并于2014年被谷歌收购。两年后，该公司实现了人工智能领域的“圣杯”：击败世界围棋冠军、职业九段棋手李李，引起了全球关注。世石（又译李世石）。
2018年，和提出了1个AI模型技术。当时CASP只能预测蛋白质结构，最大准确度为40%，准确率接近60%。他们最终获胜了，优异的成绩让很多人感到惊讶——这是意想不到的进步，但解决方案还不够好。要想成功，预测结果和目标结构的准确性必须达到90%。
2020年，和提出了一个AI模型。借助该模型，他们能够预测研究人员发现的几乎所有 2 亿种蛋白质的结构。自取得突破以来，已有 190 个国家的超过 200 万人使用过它。在众多科学应用中，研究人员现在可以更好地了解抗生素耐药性并创建分解塑料的酶的图像。
这背后，乔普发挥了重要作用。
乔普于 1985 年出生于美国阿肯色州小石城。他于 2017 年在美国伊利诺伊州芝加哥大学获得博士学位。事实上，在 2008 年，他使用超级计算机模拟蛋白质及其动力学，并意识到知识物理学可以帮助解决医学问题。 2011 年，当乔普开始攻读理论物理学博士学位时，他对蛋白质产生了兴趣。为了节省计算机容量（当时大学供不应求），他开始开发更简单、更优雅的方法来模拟蛋白质动力学。 2017 年，他刚刚完成博士学位后，就听到了谷歌已经开始秘密预测蛋白质结构的传言。他发送了一份工作申请，他在蛋白质模拟方面的经验给了他关于如何改进它的创造性想法，他最终领导了这项研究。
和成功开发的可以利用神经网络比以前更灵活地预测蛋白质结构并在大量高通量数据中发现药物靶标。
2024年5月8日，谷歌及其英国子公司Labs的联合团队在《自然》杂志上联合发布了新的AI蛋白质结构预测模型3，可以准确预测生物分子相互作用的结构。对于蛋白质与其他分子之间的相互作用，与现有的预测方法相比，3提高了至少50%；对于一些重要的相互作用领域，预测准确度（准确度）提高了一倍（100%），蛋白质、DNA、RNA、配体等的结构以及它们如何相互作用有望帮助人们治疗癌症、免疫疾病等。
2024年诺贝尔化学奖获得者、谷歌CEO哈萨比斯当时对钛媒体App表示，3的发布对于团队来说是一个重要的“里程碑”，也是利用AI技术“理解生物学并对其进行建模。” “道路上迈出了重要的一步。
据诺贝尔奖官网介绍，诺贝尔委员会认为，没有蛋白质，生命就无法存在，而我们现在可以预测蛋白质结构并设计自己的蛋白质，这为人类带来了最大的利益。 和的研究成果从根本上改革了蛋白质结构预测和AI模型的技术研究工作。
诺贝尔化学奖委员会主席海纳·林克表示：“今年公认的一项发现与神奇蛋白质的构建有关。另一项发现与实现 50 年前的梦想有关：根据氨基酸预测蛋白质这两项发现开启了巨大的可能性。”
如今，蛋白质作为化学工具的功能技术体现在生命的多样性上，比如小分子药物的研究、带来新的纳米材料、靶向药物、更快的疫苗开发、最小的传感器和更绿色的化学工业等等。它让我们更好地理解生活是如何运作的——人工智能。
是诺贝尔奖被“淡化”了，还是AI正在彻底改变物理学和化学？
诺贝尔化学奖是六大诺贝尔奖之一，每年由瑞典皇家科学院颁发给“在化学领域做出最重要发现或发明”的杰出科学家。根据瑞典著名化学家、企业家、发明家诺贝尔的遗愿，该奖项由诺贝尔基金会管理，由瑞典皇家科学院选出的一个由五名成员组成的委员会选出获奖者。
从1901年到2023年，总共颁发了115位诺贝尔化学奖。未颁发的八年是1916年、1917年、1919年、1924年、1933年、1940年、1941年和1942年。共有194人获奖，实际获奖人数为192人，因为英国科学家于1958年和1980年两次获奖，美国科学家巴里于2001年和2022年两次获奖。
从2024年诺贝尔物理学奖到如今的化学奖，人工智能成为今年诺贝尔奖中令人惊讶的“热门”技术。这其实让很多媒体无论是提前预判“盘点”，还是可能获得诺贝尔奖的泄露信息，都成为了流量的焦点。然而，对于许多物理学领域的学者和化学家来说，今年的诺贝尔奖不仅“乏味”，甚至有点乏味。沮丧是因为理论物理和理论化学都没有得到学术界的圣杯——诺贝尔奖的认可。
比如化学诺贝尔奖得主哈萨比斯，理论上就是昨天物理学诺贝尔奖得主（辛顿）的弟子。 是 Peter Dayan 的博士后研究员，Peter Dayan 是 Hinto 的博士后研究员。这些都是来自AI和计算机领域。大人物，并不是物理和化学领域的每个人。
因此，很多人评价诺奖真的变得“水了”，物理化学技术还不如AI有用。
但问题是，学科交叉已经成为学术界公认的事实趋势。人工智能技术确实促进了物理、化学、生物、医疗、金融等多个学科的交叉融合。
2000年图灵奖获得者、中国科学院院士、清华大学教授姚期智今年9月表示，人工智能有两个最明显的趋势。一是从弱智力到一般智力。二是学科之间的交叉赋能，使本来就很明显跨学科的工作变得更加活跃和重要。
“第一个趋势是如何从弱智能走向通用智能。20年前，人工智能从人脸识别开始，然后下围棋。现在正在走向更通用的智能，可以处理更多的事情，比如文胜文、文胜图。 ，文森特视频，甚至给它一个剧本，就可以拍出一部高水平的电影；第二个趋势是人工智能的发展，这使得本来就很明显的跨学科工作变得更加活跃和重要。 、AI仿生、AI+量子将大量涌现，以身体智能为例，机器人仅依靠自学习就可以稳定行走，无需依赖先进的建模和编程。
姚期智，2000年图灵奖获得者，中国科学院院士，清华大学教授
姚启智表示，当前，人工智能正在从单一学科走向跨学科，人工智能在生物技术、医疗健康、新能源、新材料等方面取得了突破性成果。比如，人工智能与量子物理的结合可以赋能通过人工智能的量子物理学。此外，人工智能在各个方面都发挥着催化作用，包括促进科学与工程之间的交叉和互动。也创造了科学新领域、新机遇，前景广阔。人工智能加速各领域交叉。
2024年诺贝尔物理学奖中也提到物理学为机器学习的发展贡献了工具。与此同时，物理学作为一个研究领域也受益于人工神经网络。近年来，神经网络技术也开始应用于计算领域。并预测分子和材料的特性。
认为，神经网络发展的早期阶段很大程度上依赖于物理学的思想。他开发的玻尔兹曼机帮助人工智能研究克服了早期“训练深度神经网络”的障碍。但“最近（人工智能）这项工作与物理学的关系越来越小。”
那么，随着AI诺贝尔奖时代的到来，您如何看待AI领域的这一重要时刻？
近10年诺贝尔化学奖获得者名单：
2023年——美国科学家G.和Louis E. Brus，俄罗斯科学家I.，获奖理由是“他们对量子点的发现和合成”。
2022 年——来自美国和丹麦的三位科学家 R. 和 K. Barry 获奖。获奖理由是“点击化学和生物正交化学的发展”。
2021 年——德国和美国科学家 List 和 David WC 因“不对称有机催化的发展”而获奖。
2020年——法国和美国科学家A.因“开发基因组编辑方法”而获奖。
2019年——来自美国和日本的三位科学家John B、M.和Akira获奖。获奖理由是“对锂离子电池发展的贡献”。
2018年——美国科学家H.荣获“酶定向进化研究”奖；另外两位获奖者是来自美国的P.Smith和来自英国的P.Sir，获奖者为“肽和抗体定向进化研究‘噬菌体展示技术’”。
2017年——来自瑞士、美国和英国的三位科学家Frank和He获奖。获奖理由是“用于高分辨率测定溶液中生物分子结构的冷冻电子显微镜的发展”。
2016年——来自法国、美国和荷兰的三位科学家Jean-、J.和L.获奖。获奖理由是“分子机器的设计与合成”。
2015年——来自瑞典、美国和土耳其的三位科学家托马斯、保罗和阿齐兹获奖。获奖理由是“DNA修复机制的研究”。
2014年——来自美国和德国的三位科学家Eric、W. Hell和E.荣获该奖项。获奖理由是“超分辨率荧光显微镜的发展”。
