這預(yù)示著未來(lái)科學(xué)研究的新方向，也為全球提供了解決問(wèn)題和創(chuàng)新的新思路。
來(lái)源|多知
作者|Penny
10月9日，瑞典皇家科學(xué)院宣布，將2024年諾貝爾化學(xué)獎(jiǎng)授予大衛(wèi)貝克(David Baker)、戴密斯哈薩比斯(Demis Hassabis)和約翰江珀(John M.Jumper)，以表彰他們?cè)诘鞍踪|(zhì)設(shè)計(jì)和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域作出的貢獻(xiàn)。其中，后兩者來(lái)自谷歌DeepMind公司。
獲獎(jiǎng)?wù)叽笮l(wèi)貝克完成了設(shè)計(jì)全新蛋白質(zhì)的非凡壯舉，而戴密斯哈薩比斯和約翰江珀開(kāi)發(fā)了一個(gè)人工智能（AI）模型，以解決一個(gè)50年前的挑戰(zhàn)：預(yù)測(cè)蛋白質(zhì)的復(fù)雜三維結(jié)構(gòu)。
而就在前一天，2024年諾貝爾物理學(xué)獎(jiǎng)給了美國(guó)科學(xué)家John J. Hopfield(約翰·霍普菲爾德)、英國(guó)裔加拿大科學(xué)家Geoffrey E. Hinton(杰弗里·辛頓)，以表彰他們通過(guò)“人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。John J. Hopfield和Geoffrey E. Hinton 都是AI的先驅(qū)，后者還被贊譽(yù)為“AI之父”。
他們二人的工作不僅在物理學(xué)領(lǐng)域產(chǎn)生了影響，而且對(duì)整個(gè)AI領(lǐng)域產(chǎn)生了革命性的推動(dòng)。這些研究成果表明了AI技術(shù)在科學(xué)研究和技術(shù)創(chuàng)新中的重要作用。
可以說(shuō)，2024諾貝爾化學(xué)獎(jiǎng)和諾貝爾物理學(xué)獎(jiǎng)是一個(gè)標(biāo)志性事件，凸顯了跨學(xué)科研究的價(jià)值，也看到了AI的作用，這預(yù)示著未來(lái)科學(xué)研究的新方向，也為全球提供了解決問(wèn)題和創(chuàng)新的新思路。
01
三名科學(xué)家獲2024年諾貝爾化學(xué)獎(jiǎng)，兩位來(lái)自谷歌DeepMind
2024年諾貝爾化學(xué)獎(jiǎng)得主為美國(guó)華盛頓大學(xué)的戴維貝克、英國(guó)倫敦谷歌旗下人工智能公司DeepMind的德米斯哈薩比斯和約翰江珀。
其中，一半授予美國(guó)華盛頓大學(xué)的大衛(wèi)貝克 ，以表彰其在計(jì)算蛋白質(zhì)設(shè)計(jì)方面的貢獻(xiàn)，另一半則共同授予英國(guó)倫敦谷歌DeepMind公司的戴密斯哈薩比斯和John Jumper，以表彰其在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面的貢獻(xiàn)。
諾貝爾獎(jiǎng)委員會(huì)表示，大衛(wèi)貝克在2003年設(shè)計(jì)了一種新的蛋白質(zhì)，此后他的研究小組創(chuàng)造了一種又一種富有想象力的蛋白質(zhì)，包括可用于藥物、疫苗、納米材料和微型傳感器等方面的蛋白質(zhì)。
該委員會(huì)補(bǔ)充說(shuō)，戴密斯哈薩比斯和約翰江珀則創(chuàng)建了一個(gè)人工智能(AI)模型，該模型能夠預(yù)測(cè)研究人員已經(jīng)確定的幾乎所有2億種蛋白質(zhì)的結(jié)構(gòu)。
諾貝爾化學(xué)獎(jiǎng)委員會(huì)主席海納林克表示：“今年獲得認(rèn)可的發(fā)現(xiàn)之一與神奇蛋白質(zhì)的構(gòu)造有關(guān)。另一項(xiàng)發(fā)現(xiàn)則與實(shí)現(xiàn)50年前的夢(mèng)想有關(guān)：根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)。這兩項(xiàng)發(fā)現(xiàn)都開(kāi)辟了廣闊的可能性。”
公開(kāi)資料顯示，大衛(wèi)貝克是美國(guó)西雅圖華盛頓大學(xué)醫(yī)學(xué)院生物化學(xué)教授、蛋白質(zhì)設(shè)計(jì)研究所所長(zhǎng)，他開(kāi)發(fā)了著名的Rosetta軟件，使計(jì)算生物學(xué)取得了突破性的進(jìn)步。
戴密斯哈薩比斯(Demis Hassabis)，1976年7月出生，畢業(yè)于劍橋大學(xué)計(jì)算機(jī)科學(xué)專業(yè)。2010年，他在倫敦成立了DeepMind公司，該公司在2014年被谷歌收購(gòu) 。2014年，他帶領(lǐng)團(tuán)隊(duì)打造出深度學(xué)習(xí)的程序 。2016年3月，創(chuàng)辦的DeepMind智能系統(tǒng)AlphaGo打敗世界圍棋冠軍、職業(yè)九段選手李世石。2017年5月，創(chuàng)辦的AlphaGo與世界圍棋選手柯潔對(duì)戰(zhàn)并再次獲勝。2018年底，帶領(lǐng)團(tuán)隊(duì)使用算法在圍棋、國(guó)際象棋和將棋三個(gè)領(lǐng)域奠定領(lǐng)先地位，并登上《科學(xué)》封面 。
John M.Jumper在芝加哥大學(xué)接受教育，并于2017年獲得博士學(xué)位，還曾在劍橋大學(xué)學(xué)習(xí)物理學(xué)，在那里他獲得了馬歇爾獎(jiǎng)學(xué)金，并在范德比爾特大學(xué)獲得了物理學(xué)和數(shù)學(xué)學(xué)士學(xué)位。
50多年來(lái)，科學(xué)家們一直對(duì)蛋白質(zhì)復(fù)雜的問(wèn)題感到困惑：蛋白質(zhì)的折疊方式繁多，準(zhǔn)確預(yù)測(cè)非常困難。但是，理解蛋白質(zhì)的一維編碼與其三維結(jié)構(gòu)之間的關(guān)系對(duì)于深入了解帕金森氏病等疾病以及設(shè)計(jì)抗HIV病毒的藥物至關(guān)重要。
在2020年底，Google DeepMind團(tuán)隊(duì)高級(jí)研究科學(xué)家John Jumper稱之為AlphaFold 2的機(jī)器學(xué)習(xí)算法破解了這一難題。Jumper的團(tuán)隊(duì)后來(lái)將該模型免費(fèi)發(fā)布在互聯(lián)網(wǎng)上。
2024年5月，Jumper的團(tuán)隊(duì)發(fā)布了AlphaFold 3，除了蛋白質(zhì)之外，它還可以預(yù)測(cè)其他分子，如DNA和RNA。與它的前身不同，AlphaFold 3不是開(kāi)源的。
02
兩位AI先驅(qū)獲2024年諾貝爾物理學(xué)獎(jiǎng)
10月8日，2024年諾貝爾物理學(xué)獎(jiǎng)給了美國(guó)科學(xué)家John J. Hopfield(約翰·霍普菲爾德)、英國(guó)裔加拿大科學(xué)家Geoffrey E. Hinton(杰弗里·辛頓因)，以表彰他們通過(guò)“人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。
（左為約翰·霍普菲爾德，右為杰弗里·辛頓因）
作為“神經(jīng)網(wǎng)絡(luò)之父”和“深度學(xué)習(xí)之父”，辛頓1947年出生于英國(guó)倫敦，1978年獲英國(guó)愛(ài)丁堡大學(xué)博士學(xué)位，如今是加拿大多倫多大學(xué)教授。他是使用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的先驅(qū)，教會(huì)了人工智能如何自動(dòng)查找數(shù)據(jù)中的屬性，從而執(zhí)行識(shí)別圖片中特定元素等任務(wù)。2018年，他還獲得了圖靈獎(jiǎng)這一計(jì)算機(jī)領(lǐng)域的最高榮譽(yù)。生成式大模型的頂尖團(tuán)隊(duì)，基本都是辛頓門(mén)徒。
而美國(guó)普林斯頓大學(xué)教授約翰·霍普菲爾德，則是創(chuàng)建了一種名為“霍普菲爾德網(wǎng)絡(luò)”的聯(lián)想存儲(chǔ)器，可以存儲(chǔ)和重建圖像以及數(shù)據(jù)中的其他類型模式。他曾獲得2022年的玻爾茲曼獎(jiǎng)。
以“霍普菲爾德網(wǎng)絡(luò)”為基礎(chǔ)，辛頓使用統(tǒng)計(jì)物理學(xué)的方法，構(gòu)建了玻爾茲曼機(jī)。這一成果讓機(jī)器學(xué)習(xí)領(lǐng)域出現(xiàn)了“爆炸性發(fā)展”。
“諾貝爾獎(jiǎng)得主的工作已經(jīng)產(chǎn)生了巨大的益處。當(dāng)今物理學(xué)許多領(lǐng)域正在使用人工神經(jīng)網(wǎng)絡(luò)，例如開(kāi)發(fā)具有特定特性的材料，”諾貝爾物理學(xué)委員會(huì)主席Ellen Moons說(shuō)道。
霍普菲爾德和辛頓兩人是跨學(xué)科研究者�；羝辗茽柕率且晃粰M跨多個(gè)學(xué)科領(lǐng)域的物理學(xué)博士，在物理、化學(xué)和生物學(xué)的交叉處開(kāi)發(fā)了神經(jīng)網(wǎng)絡(luò)。辛頓就讀劍橋大學(xué)時(shí)，同時(shí)學(xué)習(xí)物理學(xué)和生理學(xué)，后來(lái)獲得實(shí)驗(yàn)心理學(xué)學(xué)士學(xué)位，他通過(guò)物理、數(shù)學(xué)和計(jì)算機(jī)、神經(jīng)心理學(xué)多領(lǐng)域的交叉，推動(dòng)機(jī)器學(xué)習(xí)的發(fā)展。
諾貝爾物理學(xué)獎(jiǎng)給了非物理學(xué)領(lǐng)域?qū)＜乙饬x重大，突出了跨學(xué)科的交叉和互通，也凸顯了AI的發(fā)展離不開(kāi)數(shù)學(xué)、物理等基礎(chǔ)學(xué)科的發(fā)展。
附諾貝爾獎(jiǎng)官網(wǎng)對(duì)諾貝爾物理學(xué)獎(jiǎng)獲得者的介紹：
今年的兩位諾貝爾物理學(xué)獎(jiǎng)得主使用了物理學(xué)的工具，為當(dāng)今強(qiáng)大的機(jī)器學(xué)習(xí)方法奠定了基矗John Hopfield創(chuàng)建了一種聯(lián)想記憶，可以存儲(chǔ)和重構(gòu)圖像，或其他類型的數(shù)據(jù)模式。Geoffrey Hinton發(fā)明了一種可以自動(dòng)發(fā)現(xiàn)數(shù)據(jù)中屬性并執(zhí)行任務(wù)的方法，例如識(shí)別圖片中的特定元素。
談到人工智能，人們通常指的是使用人工神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練的機(jī)器學(xué)習(xí)技術(shù)。這項(xiàng)技術(shù)最初受大腦結(jié)構(gòu)啟發(fā)。在人工神經(jīng)網(wǎng)絡(luò)中，大腦的神經(jīng)元通過(guò)具有不同值的節(jié)點(diǎn)表示。這些節(jié)點(diǎn)通過(guò)可以類比為突觸的連接相互影響，而這些連接可以變強(qiáng)或變?nèi)�。這種網(wǎng)絡(luò)可以通過(guò)訓(xùn)練來(lái)優(yōu)化，例如可加強(qiáng)同時(shí)具有較高值的節(jié)點(diǎn)之間的連接。今年的諾貝爾物理獎(jiǎng)得主們自20世紀(jì)80年代起就在人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域做出了重要的工作。
John Hopfield發(fā)明了一種網(wǎng)絡(luò)來(lái)保存和重現(xiàn)數(shù)據(jù)模式。我們可以將節(jié)點(diǎn)想象為像素。Hopfield網(wǎng)絡(luò)利用了描述物質(zhì)特性的原子自旋該性質(zhì)使得每個(gè)原子都可看作一個(gè)小磁鐵。網(wǎng)絡(luò)的整體結(jié)構(gòu)則可等價(jià)地用物理學(xué)中自旋系統(tǒng)的能量來(lái)描述，并通過(guò)尋找節(jié)點(diǎn)之間的連接值來(lái)訓(xùn)練，使得保存的圖像具有較低的能量。當(dāng)Hopfield網(wǎng)絡(luò)接收到一個(gè)失真或不完整的圖像時(shí)，它逐步處理節(jié)點(diǎn)并更新其值，以降低網(wǎng)絡(luò)的能量。通過(guò)這種方式，網(wǎng)絡(luò)就可一步步找到與輸入的失真圖像最為相似的圖像。
Geoffrey Hinton以Hopfield網(wǎng)絡(luò)為基礎(chǔ)，開(kāi)發(fā)了一種基于新方法的網(wǎng)絡(luò)：玻爾茲曼機(jī)(Boltzmann Machine)。該網(wǎng)絡(luò)可以學(xué)習(xí)識(shí)別某一類數(shù)據(jù)中具有特征的元素。Hinton使用了統(tǒng)計(jì)物理學(xué)的工具，這是研究由許多相似組分組成的系統(tǒng)的科學(xué)。玻爾茲曼機(jī)通過(guò)輸入在機(jī)器運(yùn)行時(shí)非�？赡艹霈F(xiàn)的示例進(jìn)行訓(xùn)練。它可以用于對(duì)圖像進(jìn)行分類或創(chuàng)建與其訓(xùn)練模式相似的新示例。Hinton在此基礎(chǔ)上繼續(xù)研究，推動(dòng)了當(dāng)前機(jī)器學(xué)習(xí)爆炸式的發(fā)展。
（素材來(lái)自諾爾貝獎(jiǎng)官網(wǎng)、新華社等媒體）
