財(cái)富中文網(wǎng)
2023-11-21 
創(chuàng)造阿爾法狗的公司，如今要解開生物學(xué)最大秘密
計(jì)算機(jī)生成與新冠病毒相關(guān)的蛋白質(zhì)ORF8圖像。圖像由DeepMind開發(fā)的人工智能系統(tǒng)支持繪制。圖片來(lái)源：COURTESY OF DEEPMIND
2016年3月13日深夜，氣溫相當(dāng)寒冷，兩名男子頭戴羊毛帽，身穿厚厚的外套，并肩走過(guò)韓國(guó)首爾市中心擁擠的街道。二人熱烈地交談，似乎完全忽視了周圍餃子館和燒烤店霓虹燈的誘惑。他們此行韓國(guó)肩負(fù)重任，多年的努力終于能夠看到結(jié)果。最棒的是，他們剛剛成功了。
這次散步是為了慶祝。他們?nèi)〉玫某删蛯⑦M(jìn)一步鞏固他們?cè)谟?jì)算機(jī)史上的地位。在古老的戰(zhàn)略游戲圍棋領(lǐng)域里，他們開發(fā)的人工智能軟件已經(jīng)充分掌握了個(gè)中奧秘，而且輕松擊敗了全球頂尖選手李世石。如今，兩人開始討論下一個(gè)目標(biāo)，身后跟蹤的紀(jì)錄片攝制組捕捉到了當(dāng)時(shí)的談話。
“告訴你，我們可以解決蛋白質(zhì)折疊問(wèn)題?！钡旅姿?哈薩比斯對(duì)同伴大衛(wèi)?西爾弗說(shuō)?！澳遣攀谴蟪删?。我相信現(xiàn)在能夠去做了。以前我只是想過(guò)，現(xiàn)在肯定可以做成?！惫_比斯是總部位于倫敦的人工智能公司DeepMind的聯(lián)合創(chuàng)始人及首席執(zhí)行官，正是該公司開發(fā)出了AlphaGo（阿爾法狗）。西爾弗則是DeepMind的計(jì)算機(jī)科學(xué)家，負(fù)責(zé)領(lǐng)導(dǎo)AlphaGo團(tuán)隊(duì)。
四年后，DeepMind實(shí)現(xiàn)了當(dāng)年哈薩比斯在首爾散步時(shí)的設(shè)想。公司開發(fā)出了人工智能系統(tǒng)，能夠根據(jù)基因序列來(lái)預(yù)測(cè)蛋白質(zhì)的復(fù)雜形狀，精確到單個(gè)原子寬度?？恐@項(xiàng)成就，DeepMind完成了需要近50年才能完成的科學(xué)探索。1972年，化學(xué)家克里斯蒂安?安芬森在諾貝爾獎(jiǎng)獲獎(jiǎng)演說(shuō)中提出，只有DNA才可以完全決定蛋白質(zhì)的最終結(jié)構(gòu)。這是驚人的猜想。當(dāng)時(shí)連一個(gè)基因組都未完成測(cè)序。安芬森的理論開創(chuàng)了計(jì)算生物學(xué)的分支，目標(biāo)是用復(fù)雜的數(shù)學(xué)模擬蛋白質(zhì)結(jié)構(gòu)，而不是實(shí)驗(yàn)。
DeepMind在圍棋方面取得的成就確實(shí)很重要，但在圍棋和計(jì)算機(jī)科學(xué)這兩個(gè)相對(duì)偏僻的領(lǐng)域之外，幾乎沒有產(chǎn)生什么具體影響。解決蛋白質(zhì)折疊問(wèn)題則完全不同，對(duì)大多數(shù)人來(lái)說(shuō)都有變革意義。蛋白質(zhì)是生命的基本組成部分，也是大多數(shù)生物過(guò)程背后的運(yùn)行機(jī)制。如果能夠預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，將徹底改變?nèi)藗儗?duì)疾病的理解，還可以為癌癥到老年癡呆癥等各種疾病開發(fā)全新也更具針對(duì)性的藥物。新藥上市時(shí)間有望加快，藥物研發(fā)成本減少數(shù)年時(shí)間，成本也節(jié)約數(shù)億美元，還可能會(huì)拯救很多生命。
DeepMind的聯(lián)合創(chuàng)始人及首席執(zhí)行官德米斯?哈薩比斯。他早年癡迷國(guó)際象棋和電子游戲設(shè)計(jì)，后來(lái)對(duì)開發(fā)人工智能系統(tǒng)產(chǎn)生興趣。圖片來(lái)源：Courtesy of DeepMind
DeepMind首創(chuàng)的新方法在抗擊SARS-CoV-2（也就是新冠病毒）的斗爭(zhēng)中已經(jīng)取得成果。以下是以游戲知名的公司如何揭開生物學(xué)最大秘密的故事。
形狀莫測(cè)的積木
“蛋白質(zhì)是細(xì)胞的主要機(jī)器。”加州大學(xué)伯克利分校的生物工程教授伊恩?霍姆斯表示。蛋白質(zhì)的結(jié)構(gòu)和形狀對(duì)其工作方式至關(guān)重要，構(gòu)成蛋白質(zhì)分子晶格的小“口袋”是發(fā)生各種化學(xué)反應(yīng)的地方。如果能夠找到某種化學(xué)物質(zhì)與其中一個(gè)口袋結(jié)合，這種物質(zhì)就可以作為藥物阻止或加速生物過(guò)程。生物工程師還能夠創(chuàng)造出自然界中從未出現(xiàn)的全新蛋白質(zhì)，而且具有獨(dú)特的療效?！叭绻覀兛梢岳玫鞍踪|(zhì)的力量，合理地設(shè)計(jì)用途，就能夠制造出神奇的自我組裝機(jī)器，發(fā)揮一些作用。”霍姆斯說(shuō)。
但為了確保蛋白質(zhì)達(dá)到想要的效果，把握其形狀很重要。
蛋白質(zhì)由氨基酸鏈組成，常被比作細(xì)繩上的珠子。至于珠子按照什么順序穿起來(lái)，信息都存儲(chǔ)在DNA里。但是，根據(jù)簡(jiǎn)單的基因指令很難預(yù)測(cè)完整的鏈條會(huì)形成多復(fù)雜的物理形狀。氨基酸鏈根據(jù)分子間吸引和排斥的電化學(xué)規(guī)則折疊成某種結(jié)構(gòu)。形狀常常類似繩索和絲帶纏繞而成的抽象雕塑：褶皺的帶狀物加上莫比烏斯帶，就像卷曲環(huán)狀的螺旋。20世紀(jì)60年代，物理學(xué)家和分子生物學(xué)家塞勒斯?列文塔爾發(fā)現(xiàn)，一種蛋白質(zhì)的形狀有太多可能性。如果想通過(guò)隨機(jī)嘗試組合找出蛋白質(zhì)的準(zhǔn)確結(jié)構(gòu)，花的時(shí)間比已知宇宙的年齡還長(zhǎng)。而且，幾毫秒內(nèi)蛋白質(zhì)就會(huì)完成折疊。該觀察被稱為列文塔爾悖論。
到目前為止，只有通過(guò)所謂X射線晶體衍射才可以接近準(zhǔn)確了解蛋白質(zhì)的結(jié)構(gòu)。顧名思義，首先需要將含有數(shù)百萬(wàn)蛋白質(zhì)的溶液轉(zhuǎn)化為晶體，本身就是很復(fù)雜的化學(xué)過(guò)程。然后，X射線發(fā)射到晶體上，科學(xué)家從獲得的衍射圖逆向工作，從而建立蛋白質(zhì)圖像。而且，還不是隨便什么X射線都可以。要想獲得很多蛋白質(zhì)的結(jié)構(gòu)，要由圓形的，大小堪比體育場(chǎng)的同步加速器發(fā)射X射線。
過(guò)程既昂貴又耗時(shí)。根據(jù)多倫多大學(xué)（University of Toronto）的研究人員估計(jì)，用X射線晶體衍射法測(cè)定單個(gè)蛋白質(zhì)的結(jié)構(gòu)需要約12個(gè)月，花費(fèi)約12萬(wàn)美元。已知的蛋白質(zhì)超過(guò)2億種，每年大約能夠發(fā)現(xiàn)3000萬(wàn)種，但其中只有不到20萬(wàn)種蛋白質(zhì)通過(guò)X射線晶體衍射或其他實(shí)驗(yàn)方法繪制出了結(jié)構(gòu)圖?！叭祟惖臒o(wú)知程度正在迅速增長(zhǎng)。”計(jì)算物理學(xué)家約翰?喬普說(shuō)，現(xiàn)在他擔(dān)任DeepMind的高級(jí)研究員，負(fù)責(zé)領(lǐng)導(dǎo)蛋白質(zhì)折疊團(tuán)隊(duì)。
過(guò)去50年里，自從克里斯蒂安?安芬森發(fā)表著名演講以來(lái)，科學(xué)家們一直努力使用高性能計(jì)算機(jī)上運(yùn)行的復(fù)雜數(shù)學(xué)模型加速分析蛋白質(zhì)結(jié)構(gòu)?！盎旧暇褪菄L試在計(jì)算機(jī)里創(chuàng)建蛋白質(zhì)的數(shù)字雙胞胎，然后嘗試操作。”馬里蘭大學(xué)的細(xì)胞生物學(xué)和分子遺傳學(xué)教授約翰?穆爾特說(shuō)，他也是用數(shù)學(xué)算法通過(guò)DNA序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的先驅(qū)。問(wèn)題是，預(yù)測(cè)出的折疊模式經(jīng)常有誤，與科學(xué)家通過(guò)X射線晶體衍射發(fā)現(xiàn)的結(jié)構(gòu)并不一致。事實(shí)上大約10年前，很少有模型預(yù)測(cè)大蛋白質(zhì)形狀時(shí)準(zhǔn)確率可以超過(guò)三分之一。
蛋白質(zhì)折疊模擬要占用龐大的算力。2000年，研究人員創(chuàng)建了名叫Fold@home的“公民科學(xué)”項(xiàng)目，人們能夠捐出個(gè)人電腦和游戲機(jī)的閑置處理能力運(yùn)行蛋白質(zhì)折疊模擬。所有設(shè)備通過(guò)互聯(lián)網(wǎng)連接在一起，從而打造全世界最強(qiáng)大的虛擬超級(jí)計(jì)算機(jī)之一。大家都希望幫研究人員擺脫列文塔爾悖論，通過(guò)隨機(jī)實(shí)驗(yàn)和試錯(cuò)準(zhǔn)確判斷蛋白質(zhì)的結(jié)構(gòu)。目前該項(xiàng)目仍然在進(jìn)行中，已經(jīng)為超過(guò)225篇論文提供了數(shù)據(jù)，研究?jī)?nèi)容是與多種疾病相關(guān)的蛋白質(zhì)。
盡管擁有強(qiáng)大的處理能力，F(xiàn)old@home仍然深陷列文塔爾悖論，因?yàn)樗惴ㄔ噲D搜索所有可能的排列，從而找到蛋白質(zhì)結(jié)構(gòu)。破解蛋白質(zhì)折疊的關(guān)鍵在于跳過(guò)艱苦搜索的過(guò)程，發(fā)現(xiàn)蛋白質(zhì)DNA序列與結(jié)構(gòu)聯(lián)系的神秘模式，從而讓計(jì)算機(jī)踏上全新捷徑，直接從遺傳學(xué)領(lǐng)域轉(zhuǎn)到準(zhǔn)確繪制形狀。
嚴(yán)肅的游戲
德米斯?哈薩比斯對(duì)蛋白質(zhì)折疊的興趣始于一場(chǎng)游戲，他對(duì)很多事都是這樣。哈薩比斯曾經(jīng)是國(guó)際象棋天才，13歲時(shí)已經(jīng)成為大師，一度在同年齡里排名世界第二。他對(duì)象棋的熱愛后來(lái)轉(zhuǎn)向?qū)杉赂信d趣：一是游戲設(shè)計(jì)，二是研究自身意識(shí)的內(nèi)在機(jī)制。他高中時(shí)開始為電子游戲公司工作，在劍橋大學(xué)（University of Cambridge）學(xué)習(xí)計(jì)算機(jī)科學(xué)后，1998年創(chuàng)立了電腦游戲初創(chuàng)公司Elixir Studios。
盡管曾經(jīng)研發(fā)出兩款獲獎(jiǎng)游戲，最終Elixir還是賣掉知識(shí)產(chǎn)權(quán)并關(guān)閉公司，哈薩比斯從倫敦大學(xué)學(xué)院（University College London）獲得了認(rèn)知神經(jīng)科學(xué)博士學(xué)位。彼時(shí)他已經(jīng)開始踏上漫漫征途，后來(lái)2010年聯(lián)合創(chuàng)立了DeepMind。他開始研發(fā)通用人工智能軟件，不僅可以學(xué)習(xí)執(zhí)行很多任務(wù)，有些甚至比人類完成得更好。哈薩比斯曾經(jīng)說(shuō)過(guò)，DeepMind的遠(yuǎn)大目標(biāo)是“解決智能問(wèn)題，然后解決所有其他問(wèn)題?！惫_比斯也曾經(jīng)暗示，蛋白質(zhì)折疊可能就是“其他問(wèn)題”里的第一批。
2009年，哈薩比斯在麻省理工學(xué)院（Massachusetts Institute of Technology）攻讀博士后時(shí)，聽說(shuō)了一款名為Foldit的在線游戲。Foldit是由華盛頓大學(xué)（University of Washington）的研究人員設(shè)計(jì)，跟Fold@home類似，也是有關(guān)蛋白質(zhì)折疊的“公民科學(xué)”項(xiàng)目。但Foldit并不是整合閑置的微芯片，而是利用閑置的大腦。
Foldit是類似益智游戲的游戲，并不掌握生物學(xué)領(lǐng)域知識(shí)的人類玩家比賽折疊蛋白質(zhì)，如果能夠得到合理的形狀就可以獲得積分。然后，研究人員分析得分最高的設(shè)計(jì)，看是否有助于破解蛋白質(zhì)結(jié)構(gòu)問(wèn)題。游戲已經(jīng)吸引成千上萬(wàn)玩家，并且一些記錄案例中得到的蛋白質(zhì)結(jié)構(gòu)比研究蛋白質(zhì)折疊的計(jì)算機(jī)算法更準(zhǔn)確。“從這個(gè)角度來(lái)看，我覺得游戲很有趣，想著能不能利用游戲的上癮性和游戲的樂(lè)趣，不僅讓人們玩得開心，也做一些對(duì)科學(xué)有用的事情?！惫_比斯說(shuō)。
Foldit能夠抓住哈薩比斯的想象力還有另一個(gè)原因。其實(shí)游戲是一種強(qiáng)化學(xué)習(xí)行為，特別適合訓(xùn)練人工智能。軟件可以通過(guò)試驗(yàn)和試錯(cuò)從經(jīng)驗(yàn)中學(xué)習(xí)，從而更好地完成任務(wù)。在游戲里軟件能夠無(wú)休止地試驗(yàn)，反復(fù)地玩，逐步改進(jìn)，不對(duì)現(xiàn)實(shí)世界造成傷害的情況下提升技能水平，直到超過(guò)人類。游戲也有現(xiàn)成的方法判斷某個(gè)特定的動(dòng)作或某組動(dòng)作是否有效，即積分和勝利。種種指標(biāo)可以提供非常明確的標(biāo)準(zhǔn)衡量表現(xiàn)，在現(xiàn)實(shí)世界很多問(wèn)題里則無(wú)法如此處理?，F(xiàn)實(shí)世界遇到問(wèn)題時(shí)，最有效的方法可能比較模糊，“獲勝”的概念也可能不適用。
DeepMind的基礎(chǔ)主要是將強(qiáng)化學(xué)習(xí)與稱為深度學(xué)習(xí)的人工智能相結(jié)合。深度學(xué)習(xí)是基于神經(jīng)網(wǎng)絡(luò)的人工智能，所謂神經(jīng)網(wǎng)絡(luò)是大致基于人腦工作原理的軟件。這種情況下，軟件沒有實(shí)際的神經(jīng)細(xì)胞網(wǎng)絡(luò)，而是一堆虛擬神經(jīng)元分層排列，初始輸入層接收數(shù)據(jù)，按照權(quán)重分配后傳遞到中間層，中間層依次執(zhí)行相同操作，最終傳遞到輸出層，輸出層匯總各項(xiàng)加權(quán)值并算出結(jié)果。網(wǎng)絡(luò)能夠調(diào)整各項(xiàng)權(quán)重，直到產(chǎn)生理想的結(jié)果，例如準(zhǔn)確識(shí)別貓的照片或國(guó)際象棋獲勝。之所以被稱為“深度學(xué)習(xí)”，并不是因?yàn)楫a(chǎn)生的結(jié)果一定深刻，當(dāng)然也有可能深刻，但主要原因是網(wǎng)絡(luò)由許多層構(gòu)成，所以可以說(shuō)具有深度。
DeepMind最初成功是用“深度強(qiáng)化學(xué)習(xí)”創(chuàng)建軟件，自學(xué)玩經(jīng)典的雅達(dá)利電腦游戲，如《乒乓球》（Pong）、《突圍》（Breakout）和《太空入侵者》（Space Invaders）等，而且水平超過(guò)人類。正是這一成就讓DeepMind受到谷歌（Google）等科技巨頭的關(guān)注，據(jù)報(bào)道，2014年谷歌以4億英鎊（當(dāng)時(shí)超過(guò)6億美元）收購(gòu)了DeepMind。之后公司主攻圍棋并開發(fā)了AlphaGo系統(tǒng)，2016年擊敗了李世石。DeepMind接著開發(fā)了名叫AlphaZero的更通用系統(tǒng)版本，幾乎能夠?qū)W會(huì)所有兩玩家回合制游戲，在這種游戲中，玩家都可以獲得充分信息（沒有機(jī)會(huì)隱藏信息，例如牌面朝下放置或隱藏位置）。去年，公司開發(fā)的系統(tǒng)還在高度復(fù)雜的即時(shí)戰(zhàn)略游戲《星際爭(zhēng)霸2》（Starcraft 2）中擊敗了頂尖的人類職業(yè)電競(jìng)玩家。
2016年3月15日，谷歌DeepMind挑戰(zhàn)賽最后一場(chǎng)比賽結(jié)束后，職業(yè)圍棋選手李世石（左）與德米斯?哈薩比斯握手，比賽中李世石與電腦程序AlphaGo對(duì)決。圖片來(lái)源：Jeon Heon-Kyun—Pool/Getty Images
但哈薩比斯表示，一直認(rèn)為公司在游戲方面的探索是完善人工智能系統(tǒng)的方式，之后能夠應(yīng)用于現(xiàn)實(shí)世界挑戰(zhàn)，尤其是科學(xué)領(lǐng)域?！氨荣愔皇怯?xùn)練場(chǎng)，但訓(xùn)練到底為了什么？最終是為了創(chuàng)造新知識(shí)?！彼f(shuō)。
DeepMind并非具有產(chǎn)品和客戶的傳統(tǒng)業(yè)務(wù)，本質(zhì)上是推動(dòng)人工智能前沿的研究實(shí)驗(yàn)室。公司的很多開發(fā)方法都已經(jīng)公開，供所有人使用或借鑒。不過(guò)某些方面的進(jìn)步對(duì)姊妹公司谷歌也頗有幫助。
DeepMind團(tuán)隊(duì)由工程師和科學(xué)家組成，幫助谷歌將尖端的人工智能技術(shù)融入產(chǎn)品。DeepMind的技術(shù)已經(jīng)滲透各處，從谷歌地圖（Google Maps）到數(shù)字助理，再到協(xié)助管理安卓手機(jī)電池電量的系統(tǒng)。谷歌為此向DeepMind支付費(fèi)用，母公司Alphabet繼續(xù)承擔(dān)DeepMind帶來(lái)的額外虧損。虧損規(guī)模并不小，2018年，公司虧損4.7億英鎊（當(dāng)時(shí)約合5.1億美元），這也是通過(guò)英國(guó)的商業(yè)注冊(cè)機(jī)構(gòu)公司登記局（Companies House）可以查到的最新一年公開記錄。
不過(guò)如今員工超過(guò)1000人的DeepMind，還有一整個(gè)部門只負(fù)責(zé)人工智能的科學(xué)應(yīng)用。該部門的負(fù)責(zé)人為39歲的印度人普什米?科里，他加入DeepMind之前曾經(jīng)在微軟從事人工智能研究。他表示，DeepMind的目標(biāo)是解決“根節(jié)點(diǎn)”問(wèn)題，這是數(shù)據(jù)科學(xué)家的慣用語(yǔ)，意思是希望解決能夠解鎖很多科學(xué)路徑的基礎(chǔ)問(wèn)題。蛋白質(zhì)折疊就是根節(jié)點(diǎn)之一，科里說(shuō)。
“蛋白質(zhì)折疊的奧運(yùn)會(huì)”
1994年，當(dāng)很多科學(xué)家剛開始使用復(fù)雜的計(jì)算機(jī)算法預(yù)測(cè)蛋白質(zhì)折疊方式時(shí)，馬里蘭大學(xué)的生物學(xué)家墨爾特決定開辦競(jìng)賽，用公正的方法評(píng)估哪種算法最好。他把比賽稱為蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)關(guān)鍵評(píng)估（簡(jiǎn)稱為CASP），之后每?jī)赡昱e辦一次。
賽事具體如下，美國(guó)國(guó)立衛(wèi)生研究院資助的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中心主辦CASP，并說(shuō)服從事X射線晶體衍射和其他實(shí)證研究的研究人員提供尚未公布的蛋白質(zhì)結(jié)構(gòu)，要求在CASP競(jìng)賽結(jié)束之前不公開相關(guān)結(jié)構(gòu)。然后CASP將蛋白質(zhì)DNA序列發(fā)給參賽者，參賽者用算法預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)。CASP判斷預(yù)測(cè)與X射線晶體學(xué)家和實(shí)驗(yàn)學(xué)家發(fā)現(xiàn)的實(shí)際結(jié)構(gòu)接近程度，然后根據(jù)算法對(duì)各種蛋白質(zhì)預(yù)測(cè)的平均得分排名。“我稱之為蛋白質(zhì)折疊界的奧運(yùn)會(huì)?！惫_比斯說(shuō)。2016年AlphaGo擊敗李世石后不久，DeepMind就打算贏得金牌。
DeepMind組建了小規(guī)模精干的團(tuán)隊(duì)，由六名機(jī)器學(xué)習(xí)研究人員和工程師組成。“讓‘通才’入手是我們的理念。”哈薩比斯說(shuō)。公司里并不缺乏人才?！扒拔锢韺W(xué)家、前生物學(xué)家，大家都四處閑逛?！惫_比斯有點(diǎn)啼笑皆非?！八麄冇肋h(yuǎn)不知道之前的專業(yè)知識(shí)什么時(shí)候可以突然發(fā)揮作用。”最后團(tuán)隊(duì)成員增加到20人左右。
不過(guò)，DeepMind還是認(rèn)為團(tuán)隊(duì)里至少要有一位真正的蛋白質(zhì)折疊專家，后來(lái)選中了約翰?喬普。35歲的喬普像個(gè)大男孩，瘦得皮包骨，一頭蓬亂斜梳的棕色頭發(fā)，有點(diǎn)像20世紀(jì)90年代末高中車庫(kù)樂(lè)隊(duì)的低音吉他手。他在劍橋大學(xué)獲得理論凝聚態(tài)物理碩士學(xué)位，之后在紐約由對(duì)沖基金億萬(wàn)富翁大衛(wèi)?肖創(chuàng)立的獨(dú)立研究實(shí)驗(yàn)室D.E.Shaw Research工作。實(shí)驗(yàn)室專門研究計(jì)算生物學(xué)，包括蛋白質(zhì)模擬。后來(lái)喬普在芝加哥大學(xué)獲得了計(jì)算生物物理學(xué)博士學(xué)位，導(dǎo)師為卡爾?弗里德和托賓?索斯尼克，兩位科學(xué)家皆因推動(dòng)蛋白質(zhì)折疊模型進(jìn)步出名。“我曾經(jīng)聽說(shuō)DeepMind對(duì)解決蛋白質(zhì)結(jié)構(gòu)有興趣?！彼f(shuō)。于是他申請(qǐng)并順利加入。
哈薩比斯和DeepMind團(tuán)隊(duì)的第一直覺是，蛋白質(zhì)折疊能夠用與圍棋完全相同的方式解決，即深度強(qiáng)化學(xué)習(xí)。事實(shí)證明存在問(wèn)題。首先，蛋白質(zhì)折疊結(jié)構(gòu)的可能性比圍棋的步數(shù)還要多。更重要的是，DeepMind讓工智能系統(tǒng)AlphaGo與自己對(duì)弈就可以掌握圍棋的玩法?！八钥杀刃圆⒉桓?，因?yàn)榈鞍踪|(zhì)折疊不是雙人游戲?！惫_比斯說(shuō)，“有點(diǎn)違背自然?！?/p>
計(jì)算物理學(xué)家約翰?喬普如今負(fù)責(zé)DeepMind的蛋白質(zhì)折疊團(tuán)隊(duì)。喬普說(shuō)，團(tuán)隊(duì)面臨的挑戰(zhàn)不僅是在競(jìng)爭(zhēng)中領(lǐng)先：“我們想打造對(duì)生物學(xué)家很重要的系統(tǒng)。”圖片來(lái)源：Courtesy of DeepMind
DeepMind很快發(fā)現(xiàn)，如果使用所謂監(jiān)督式深度學(xué)習(xí)的人工智能培訓(xùn)方法，就能夠更簡(jiǎn)便地取得進(jìn)步。這是大多數(shù)商業(yè)應(yīng)用里使用的人工智能，神經(jīng)網(wǎng)絡(luò)通過(guò)一組既定數(shù)據(jù)輸入和相應(yīng)輸出，可以學(xué)習(xí)如何將給定的輸入與給定輸出相匹配。具體到蛋白質(zhì)結(jié)構(gòu)，DeepMind已經(jīng)掌握約170000個(gè)蛋白質(zhì)結(jié)構(gòu)，能夠作為訓(xùn)練數(shù)據(jù)。蛋白質(zhì)數(shù)據(jù)庫(kù)（PDB）是已知三維蛋白質(zhì)形狀及遺傳序列的公共存儲(chǔ)庫(kù)，可以公開查詢相關(guān)結(jié)構(gòu)。
一些生物學(xué)家已經(jīng)使用監(jiān)督式深度學(xué)習(xí)預(yù)測(cè)蛋白質(zhì)如何折疊。但此類人工智能系統(tǒng)表現(xiàn)最佳的正確率也只有50%，對(duì)生物學(xué)家或醫(yī)學(xué)研究人員沒有什么幫助，尤其是對(duì)結(jié)構(gòu)未知的蛋白質(zhì)，因?yàn)闊o(wú)法確定某次特定預(yù)測(cè)是否正確。
有種技術(shù)很有希望，其理念是基于蛋白質(zhì)的進(jìn)化史劃分為不同的家族。各種家族里可能在一個(gè)DNA序列中找到相距遙遠(yuǎn)但似乎會(huì)同時(shí)突變的氨基酸對(duì)。此類所謂“共同進(jìn)化”的現(xiàn)象很有幫助，因?yàn)楣餐M(jìn)化的蛋白質(zhì)很可能在蛋白質(zhì)折疊結(jié)構(gòu)中有聯(lián)系。位于芝加哥的豐田技術(shù)研究所（Toyota Technological Institute）的科學(xué)家徐金波（音譯）率先利用深入學(xué)習(xí)共同進(jìn)化數(shù)據(jù)預(yù)測(cè)氨基酸聯(lián)系。這種方法有點(diǎn)像是在連接點(diǎn)游戲里尋找點(diǎn)?？茖W(xué)家仍然要用其他軟件找出點(diǎn)之間的線，過(guò)程中經(jīng)常出錯(cuò)。有時(shí)候連點(diǎn)都找不準(zhǔn)。
在2018年的CASP競(jìng)賽中，DeepMind應(yīng)用了共同進(jìn)化和預(yù)測(cè)聯(lián)系的基本思想，但增加了兩個(gè)重要的轉(zhuǎn)折點(diǎn)。首先，系統(tǒng)沒有試圖確定兩個(gè)氨基酸是否有聯(lián)系，也就是二進(jìn)制輸出（即兩個(gè)氨基酸可能有聯(lián)系，也可能沒有聯(lián)系），而是決定讓算法預(yù)測(cè)蛋白質(zhì)里所有氨基酸對(duì)之間的距離。
在多數(shù)分子生物學(xué)家看來(lái)，這種方法似乎違反直覺，不過(guò)值得稱贊的是，徐金波也獨(dú)立提出了類似方法。畢竟，聯(lián)系才是最重要的。對(duì)于DeepMind的深度學(xué)習(xí)專家來(lái)說(shuō)，很明顯距離是讓神經(jīng)網(wǎng)絡(luò)發(fā)揮作用更好的指標(biāo)，科里表示?！斑@只是深度學(xué)習(xí)的基礎(chǔ)部分，如果與決策相關(guān)存在不確定性，最好是讓神經(jīng)網(wǎng)絡(luò)整合不確定性，并決定如何應(yīng)對(duì)?！彼f(shuō)。與聯(lián)系不一樣，距離包含了神經(jīng)網(wǎng)絡(luò)可調(diào)整和使用的豐富信息。
DeepMind另一項(xiàng)讓人意外之處是引入第二個(gè)神經(jīng)網(wǎng)絡(luò)，用于預(yù)測(cè)氨基酸對(duì)之間的角度。有了距離和角度兩個(gè)因素，DeepMind的算法就能夠算出蛋白質(zhì)結(jié)構(gòu)的大致輪廓。然后，系統(tǒng)使用另一種非人工智能算法改進(jìn)結(jié)構(gòu)。DeepMind將相關(guān)組件整合到名為AlphaFold的系統(tǒng)中，橫掃了2018年CASP（又稱為第13屆CASP，因?yàn)槭莾赡暌欢缺荣惻e辦第13次。）比賽里結(jié)構(gòu)最復(fù)雜的43種蛋白質(zhì)中，AlphaFold在25種蛋白質(zhì)中得分最高。第二名僅在三種蛋白質(zhì)里得到高分。研究結(jié)果震驚了全行業(yè)。如果說(shuō)之前還有人懷疑深度學(xué)習(xí)究竟是不是解決蛋白質(zhì)折疊問(wèn)題最有希望的方法，AlphaFold讓所有人再無(wú)疑問(wèn)。
回到白板
盡管如此，DeepMind還遠(yuǎn)沒有達(dá)到哈薩比斯的目標(biāo)，即完全解決蛋白質(zhì)折疊問(wèn)題。AlphaFold準(zhǔn)確率只有一半，第13屆CASP的104個(gè)蛋白質(zhì)中，準(zhǔn)確度可以達(dá)到X射線晶體衍射水平的只有三個(gè)。“我們不只想在CASP競(jìng)賽中奪魁，而是想真正解決問(wèn)題。我們想打造對(duì)生物學(xué)家很重要的系統(tǒng)?！眴唐照f(shuō)。
2018年CASP的結(jié)果公布后不久，DeepMind就開始加倍努力。喬普負(fù)責(zé)擴(kuò)大的團(tuán)隊(duì)。團(tuán)隊(duì)并未簡(jiǎn)單地在AlphaFold基礎(chǔ)上改進(jìn)，而是返回原點(diǎn)，集思廣益尋找完全不同的想法，他們希望新創(chuàng)意能夠幫軟件將精確度提升到更接近X射線晶體衍射級(jí)別。
喬普表示，接下來(lái)是整個(gè)項(xiàng)目中最可怕也最令人沮喪的時(shí)期之一，因?yàn)槭裁崔k法都沒有?！拔覀兓巳齻€(gè)月，結(jié)果都達(dá)不到第13屆CASP的水平，開始真正感覺到恐慌?！彼f(shuō)。不過(guò)當(dāng)時(shí)研究人員的嘗試出現(xiàn)了一些改進(jìn)，沒到6個(gè)月系統(tǒng)已經(jīng)比最初的AlphaFold有了明顯改進(jìn)。之后兩年里一直延續(xù)該模式，喬普說(shuō)。先是三個(gè)月一無(wú)所獲，接下來(lái)三個(gè)月快速發(fā)展，接著又是平臺(tái)期。
哈薩比斯說(shuō)，DeepMind以前的項(xiàng)目也出現(xiàn)過(guò)類似模式，包括圍棋項(xiàng)目，還有復(fù)雜的即時(shí)戰(zhàn)略游戲《星際爭(zhēng)霸2》項(xiàng)目。他說(shuō)，公司克服問(wèn)題的管理策略就是交替采取兩種不同的工作方式。第一種哈薩比斯稱之為“攻擊模式”，盡可能推動(dòng)團(tuán)隊(duì)，追求當(dāng)前系統(tǒng)可以達(dá)到的極致表現(xiàn)。然后，全力以赴努力的效果似乎耗盡時(shí)，他就開始轉(zhuǎn)向所謂的“創(chuàng)新模式”。期間哈薩比斯不再對(duì)團(tuán)隊(duì)施加壓力，容忍甚至期待出現(xiàn)暫時(shí)性的后退，從而為研究人員和工程師提供修補(bǔ)新想法和嘗試新手段的空間。他說(shuō)：“要鼓勵(lì)人們提出盡可能多的瘋狂想法，還要頭腦風(fēng)暴。”該模式通常能夠推動(dòng)性能出現(xiàn)新飛躍，讓團(tuán)隊(duì)切換回攻擊模式。
生日大禮
2019年11月21日，DeepMind蛋白質(zhì)折疊團(tuán)隊(duì)的研究員凱薩倫?圖雅蘇那科年滿30歲。這一天也會(huì)因?yàn)榱硪粋€(gè)原因值得紀(jì)念。圖雅蘇那科擁有牛津大學(xué)（University of Oxford）計(jì)算生物學(xué)博士學(xué)位，在團(tuán)隊(duì)里負(fù)責(zé)為蛋白質(zhì)折疊人工智能開發(fā)新測(cè)試集，新款人工智能叫AlphaFold 2，是DeepMind為2020年的CASP競(jìng)賽新開發(fā)的系統(tǒng)。那天早上她打開辦公電腦時(shí)，收到系統(tǒng)對(duì)一批大約50個(gè)蛋白質(zhì)序列預(yù)測(cè)的評(píng)估，所有序列均為最近才添加到蛋白質(zhì)數(shù)據(jù)庫(kù)中。她愣了一下，然后大吃一驚。AlphaFold 2確實(shí)一直在改進(jìn)，但對(duì)該組蛋白質(zhì)的預(yù)測(cè)結(jié)果驚人地準(zhǔn)確。系統(tǒng)對(duì)好幾個(gè)蛋白質(zhì)結(jié)構(gòu)結(jié)構(gòu)預(yù)測(cè)誤差在1.5埃以內(nèi)，埃的距離單位相當(dāng)于十分之一納米，或大約一個(gè)原子的寬度。
DeepMind的科學(xué)家凱薩倫?圖雅蘇那科幫助公司在蛋白質(zhì)折疊研究方面取得了進(jìn)展。圖片來(lái)源：Courtesy of DeepMind
自稱“團(tuán)隊(duì)悲觀主義者”的圖雅蘇那科說(shuō)，第一反應(yīng)并不是高興而是有點(diǎn)想吐?！拔耶?dāng)時(shí)很害怕?！彼f(shuō)。結(jié)果實(shí)在太好，她以為是自己犯了錯(cuò)，可能準(zhǔn)備測(cè)試集時(shí)無(wú)意中把人工智能在訓(xùn)練數(shù)據(jù)里見過(guò)的幾個(gè)蛋白質(zhì)加了進(jìn)來(lái)。如此一來(lái)AlphaFold 2基本上就可以作弊，輕易預(yù)測(cè)出準(zhǔn)確的結(jié)構(gòu)。圖雅蘇那科回憶說(shuō)，當(dāng)時(shí)坐在DeepMind自助餐廳俯瞰倫敦的圣潘克拉斯車站（St. Pancras Station），一杯接一杯地喝茶努力平復(fù)心情。隨后，她和其他團(tuán)隊(duì)成員花了一整天，直到深夜才下班，之后幾天也是如此，他們坐在工作站旁埋頭梳理AlphaFold 2的訓(xùn)練數(shù)據(jù)，希望找出錯(cuò)誤所在。
然而一個(gè)錯(cuò)誤也沒有。事實(shí)是，新系統(tǒng)在預(yù)測(cè)表現(xiàn)方面實(shí)現(xiàn)了巨大飛躍。AlphaFold 2與之前版本完全不同。人工智能不再只是各成分組合，一個(gè)用來(lái)預(yù)測(cè)氨基酸之間的距離，另一個(gè)預(yù)測(cè)角度，然后用第三個(gè)軟件聯(lián)系起來(lái)。現(xiàn)在的人工智能用單一的神經(jīng)網(wǎng)絡(luò)直接從DNA序列進(jìn)行推理。雖然系統(tǒng)仍然接受進(jìn)化信息，從而確定研究的蛋白質(zhì)是否與以前見過(guò)的蛋白質(zhì)有共同的祖先，并仔細(xì)檢查目標(biāo)蛋白質(zhì)的DNA序列與其他已知序列之間的一致性，但不再需要哪些氨基酸對(duì)共同進(jìn)化的明確數(shù)據(jù)?！拔覀儾⑽刺峁└嘈畔ⅲ炊鴾p少了信息。”喬普說(shuō)。系統(tǒng)可以自由地得出見解，即祖先何時(shí)可能決定蛋白質(zhì)的部分形狀，以及何時(shí)可能徹底偏離。換句話說(shuō)，系統(tǒng)根據(jù)經(jīng)驗(yàn)培養(yǎng)出直覺，就像老練的人類科學(xué)家一樣。
新系統(tǒng)的核心是“注意力”機(jī)制，顧名思義，注意力是讓深度學(xué)習(xí)系統(tǒng)專注于某組輸入，并對(duì)相關(guān)輸入加大權(quán)重。舉例來(lái)說(shuō)，在識(shí)別貓的系統(tǒng)里，系統(tǒng)可能學(xué)會(huì)注意耳朵的形狀，也會(huì)學(xué)習(xí)在鼻子附近尋找胡須。喬普比較了AlphaFold 2的功能與玩拼圖游戲，過(guò)程中“能夠?qū)⒛承┎糠制礈愒谝黄鸲曳浅４_定，得到不同的本地解決方案，然后想辦法將相關(guān)問(wèn)題連接起來(lái)。”喬普說(shuō)，神經(jīng)網(wǎng)絡(luò)的中層已經(jīng)學(xué)會(huì)根據(jù)對(duì)DNA序列的分析推理幾何和空間排列，以及氨基酸對(duì)如何連接。
DeepMind曾經(jīng)在128個(gè)“張量處理核心”上訓(xùn)練AlphaFold 2，張量處理核心是在16塊專門用于深度學(xué)習(xí)的計(jì)算機(jī)芯片上創(chuàng)建的數(shù)字運(yùn)算大腦，芯片由谷歌設(shè)計(jì)并在數(shù)據(jù)中心使用，公司稱連續(xù)運(yùn)行了數(shù)周。（128個(gè)專用的人工智能核心大約相當(dāng)于100到200塊強(qiáng)大的圖形處理芯片，可以在Xbox或PlayStation上呈現(xiàn)極其炫目的動(dòng)畫效果。）公司表示，經(jīng)過(guò)訓(xùn)練的系統(tǒng)提取DNA序列后“幾天內(nèi)”就能夠完成整個(gè)結(jié)構(gòu)預(yù)測(cè)。
AlphaFold 2與前一代相比有個(gè)優(yōu)勢(shì)，就是提供可信程度，即系統(tǒng)對(duì)結(jié)構(gòu)里每種氨基酸的預(yù)測(cè)都有信心分?jǐn)?shù)。如果說(shuō)AlphaFold 2可以切實(shí)幫到生物學(xué)家和醫(yī)學(xué)研究人員，這項(xiàng)指標(biāo)至關(guān)重要，因?yàn)檠芯空咝枰宄螘r(shí)能夠合理依賴模型，以及何時(shí)需要更加謹(jǐn)慎。
盡管測(cè)試結(jié)果驚人，DeepMind仍然不能確定AlphaFold 2的預(yù)測(cè)效果。新冠病毒來(lái)襲時(shí)，公司才得到重要的線索。今年3月，AlphaFold 2可以預(yù)測(cè)出六種與SARS-CoV-2（引發(fā)疫情的病毒）相關(guān)但未被研究的蛋白質(zhì)結(jié)構(gòu)，后來(lái)科學(xué)家使用所謂低溫電子顯微鏡的經(jīng)驗(yàn)方法證實(shí)了其中一種。由此能夠充分看出AlphaFold 2對(duì)現(xiàn)實(shí)世界的影響力。
驚人的結(jié)果
CASP比賽在5月到8月之間舉行。蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中心發(fā)布多批目標(biāo)蛋白質(zhì)，之后參賽方提交結(jié)構(gòu)預(yù)測(cè)進(jìn)行評(píng)估。今年比賽排名于11月30日公布。
每次預(yù)測(cè)均可以得到“全球距離測(cè)試總分”，簡(jiǎn)稱GDT的指標(biāo)評(píng)分，該指標(biāo)實(shí)際上看預(yù)測(cè)結(jié)果與通過(guò)實(shí)證方法（如X射線晶體衍射或電子顯微鏡）得到的結(jié)構(gòu)接近程度，單位為埃。CASP的主席穆爾特表示，滿分是100分，如果得分能夠達(dá)到90分或以上，說(shuō)明與實(shí)證方法相當(dāng)。根據(jù)CASP組織者判斷的結(jié)構(gòu)難度，蛋白質(zhì)也會(huì)劃分不同的組。
穆爾特看到AlphaFold 2的結(jié)果時(shí)簡(jiǎn)直不敢相信。他就像幾個(gè)月前的圖雅蘇那科一樣，剛開始的想法是出錯(cuò)了。也許比賽中一些蛋白質(zhì)序列以前發(fā)表過(guò)？又或者DeepMind也許設(shè)法獲得了未發(fā)布數(shù)據(jù)的緩存？
T1042的計(jì)算機(jī)生成圖像，T1042是感染細(xì)菌病毒里的部分蛋白質(zhì)。2020年CASP競(jìng)賽中，DeepMind的AlphaFold 2準(zhǔn)確預(yù)測(cè)了該蛋白質(zhì)的結(jié)構(gòu)，這是人工智能在生物學(xué)和醫(yī)學(xué)研究應(yīng)用方面的重大突破。圖片來(lái)源：Courtesy of DeepMind
T1037的計(jì)算機(jī)生成圖像，T1037是感染細(xì)菌病毒里的部分蛋白質(zhì)。2020年CASP競(jìng)賽中，DeepMind的AlphaFold 2成功地預(yù)測(cè)了T1037的結(jié)構(gòu)。圖片來(lái)源：Courtesy of DeepMind
為了核實(shí)，他請(qǐng)位于德國(guó)圖賓的根馬克斯?普朗克發(fā)展生物學(xué)研究所（Max Planck Institute for Developmental Biology）的蛋白質(zhì)進(jìn)化系主任安德烈?盧帕斯幫忙驗(yàn)證。盧帕斯讓AlphaFold 2預(yù)測(cè)一個(gè)自己確信沒有見過(guò)的結(jié)構(gòu)，因?yàn)楸R帕斯利用X射線結(jié)晶衍射從未成功觀測(cè)到該蛋白質(zhì)的關(guān)鍵部分。近十年來(lái)，盧帕斯一直因?yàn)樵摬糠秩笔Ф鴤X筋，但就是觀測(cè)不到準(zhǔn)確的形狀。盧帕斯說(shuō)，利用AlphaFold的預(yù)測(cè)后，他重新查看X射線數(shù)據(jù)?！皼]到半小時(shí)就得出了正確結(jié)構(gòu)。”他說(shuō)，“太令人吃驚了！”
2018年DeepMind在CASP中獲得成功以來(lái)，諸多學(xué)術(shù)研究人員紛紛涌向深度學(xué)習(xí)技術(shù)。結(jié)果，該領(lǐng)域其他方面的表現(xiàn)都有所提高。在中等難度目標(biāo)方面，其他競(jìng)爭(zhēng)對(duì)手的平均最佳預(yù)測(cè)GDT得分為75，比兩年前提高了10分。不過(guò)還是完全追不上AlphaFold 2，因?yàn)樵撓到y(tǒng)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)平均得分高達(dá)92，就算面對(duì)最復(fù)雜的蛋白質(zhì)平均得分也有87。穆爾特表示AlphaFold 2的預(yù)測(cè)“與實(shí)證方法不相上下”，比如X射線晶體衍射。得出該結(jié)論后，11月30日星期一CASP發(fā)表了重大聲明：50年前的蛋白質(zhì)折疊問(wèn)題已經(jīng)解決。
諾貝爾獎(jiǎng)獲得者、英國(guó)最負(fù)盛名的科學(xué)機(jī)構(gòu)皇家學(xué)會(huì)（The Royal Society）現(xiàn)任主席文基?拉馬克里希南表示，AlphaFold 2在蛋白質(zhì)折疊方面“取得了驚人的進(jìn)步”。有AlphaFold 2相助，X射線晶體衍射和電子顯微鏡之類既昂貴又耗時(shí)的實(shí)證方法可能都會(huì)變成過(guò)去式。
蛋白質(zhì)結(jié)構(gòu)專家、曾任歐洲分子生物學(xué)實(shí)驗(yàn)室歐洲生物信息學(xué)研究所（European Molecular Biology Laboratory’s European Bioinformatics Institute）主任的珍妮特?桑頓表示，DeepMind的突破可以幫助科學(xué)家繪制出整個(gè)人類“蛋白質(zhì)組”，即人體內(nèi)所有蛋白質(zhì)。目前人體蛋白質(zhì)中只有四分之一被用作藥物靶點(diǎn)，如果能夠掌握其余蛋白質(zhì)結(jié)構(gòu)，就可以為研發(fā)新療法創(chuàng)造巨大的機(jī)會(huì)。她還表示，人工智能軟件還能夠推動(dòng)蛋白質(zhì)工程發(fā)展，從而推動(dòng)可持續(xù)發(fā)展，幫科學(xué)家創(chuàng)造新作物品種，提升每英畝種植土地出產(chǎn)的營(yíng)養(yǎng)價(jià)值，還可能研究出可以消化塑料的酶。
不過(guò)，當(dāng)前的問(wèn)題仍然是DeepMind如何應(yīng)用AlphaFold 2。哈薩比斯表示，公司將努力確保軟件“最大程度發(fā)揮積極的社會(huì)影響”，他也承認(rèn)公司尚未決定如何實(shí)現(xiàn)，只說(shuō)明年某個(gè)時(shí)候?qū)⑿?。哈薩比斯還告訴《財(cái)富》雜志，DeepMind正在考慮如何圍繞系統(tǒng)開發(fā)商業(yè)產(chǎn)品或建立合作伙伴關(guān)系。“系統(tǒng)對(duì)藥物研發(fā)以及制藥巨頭作用都非常大?！辈贿^(guò)他表示，商業(yè)產(chǎn)品的具體形式也尚未決定。
對(duì)于DeepMind來(lái)說(shuō)，如果嘗試商業(yè)化就意味著踏上新征程，而此前出售給Alphabet后公司還從來(lái)沒有擔(dān)心過(guò)收入。公司簡(jiǎn)單成立了名叫DeepMind Health的部門，正在與英國(guó)國(guó)家醫(yī)療服務(wù)體系（U.K.’s National Health Service）合作開發(fā)應(yīng)用程序，該應(yīng)用程序能夠識(shí)別出存在患急性腎損傷風(fēng)險(xiǎn)的醫(yī)院患者。但新聞報(bào)道稱DeepMind的醫(yī)院合作伙伴違反英國(guó)的數(shù)據(jù)保護(hù)法向其提供數(shù)百萬(wàn)患者的醫(yī)療記錄后，合作陷入了爭(zhēng)論。2019年，DeepMind Health正式并入新的谷歌健康部門。當(dāng)時(shí)DeepMind表示，剝離健康業(yè)務(wù)可以專注自身的研究基礎(chǔ)，而不必分心在谷歌已然很擅長(zhǎng)的領(lǐng)域（如數(shù)據(jù)安全和客戶支持）成立商業(yè)部門。
當(dāng)然了，即便DeepMind要推出商業(yè)產(chǎn)品，也不會(huì)是第一家嘗試商業(yè)化的人工智能研究公司。總部位于舊金山的OpenAI可能是最接近DeepMind的競(jìng)爭(zhēng)對(duì)手，如今越發(fā)商業(yè)化。去年，OpenAI發(fā)布的第一個(gè)商業(yè)產(chǎn)品，企業(yè)能夠使用人工智能界面將簡(jiǎn)短的手寫提示組成連貫的長(zhǎng)文本。該人工智能被稱為GPT，商業(yè)價(jià)值尚未得到證實(shí)，而DeepMind的AlphaFold 2可能對(duì)制藥公司或生物技術(shù)初創(chuàng)企業(yè)產(chǎn)生根本性的影響。在反壟斷監(jiān)管者調(diào)查Alphabet之際，擁有商業(yè)上可行的產(chǎn)品可能是很好的保險(xiǎn)，以防將來(lái)拆分Googleplex時(shí)DeepMind失去財(cái)大氣粗的母公司無(wú)條件支持。
有一點(diǎn)可以肯定，DeepMind在蛋白質(zhì)折疊領(lǐng)域的探索并未結(jié)束。CASP競(jìng)爭(zhēng)只是圍繞預(yù)測(cè)單個(gè)蛋白質(zhì)的結(jié)構(gòu)。在生物學(xué)和醫(yī)學(xué)領(lǐng)域，研究人員真正關(guān)心的通常是蛋白質(zhì)如何相互作用。一種蛋白質(zhì)是如何與另一種蛋白質(zhì)或與某種特定的小分子結(jié)合？酶如何分解蛋白質(zhì)？莫爾特說(shuō)，預(yù)測(cè)相互作用和結(jié)合很可能成為未來(lái)CASP競(jìng)爭(zhēng)的主要關(guān)注點(diǎn)。喬普表示，下一步DeepMind打算應(yīng)對(duì)相關(guān)挑戰(zhàn)。
而在蛋白質(zhì)折疊以外的領(lǐng)域，AlphaFold 2的成功肯定也會(huì)發(fā)揮影響，將鼓勵(lì)其他人在重大科學(xué)問(wèn)題中應(yīng)用深入學(xué)習(xí)。比如發(fā)現(xiàn)新的亞原子粒子，探索暗物質(zhì)的奧秘，掌握核聚變或創(chuàng)造室溫超導(dǎo)體?？评锉硎?，在天體物理學(xué)方面，DeepMind已經(jīng)發(fā)揮了積極的作用。Facebook的人工智能研究人員剛剛啟動(dòng)了深度學(xué)習(xí)項(xiàng)目，希望尋找新的化學(xué)催化劑。蛋白質(zhì)折疊是基礎(chǔ)科學(xué)當(dāng)中第一個(gè)由人工智能解決的謎團(tuán)，但肯定不會(huì)是最后一個(gè)。（財(cái)富中文網(wǎng)）
譯者：馮豐
審校：夏林
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點(diǎn)僅代表作者個(gè)人看法，不代表新火種的觀點(diǎn)。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對(duì)本文可能提及或鏈接的任何項(xiàng)目不表示認(rèn)可。 交易和投資涉及高風(fēng)險(xiǎn)，讀者在采取與本文內(nèi)容相關(guān)的任何行動(dòng)之前，請(qǐng)務(wù)必進(jìn)行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨(dú)立判斷。新火種不對(duì)因依賴本文觀點(diǎn)而產(chǎn)生的任何金錢損失負(fù)任何責(zé)任。
