刚刚，诺贝尔化学奖，揭晓！AI是没有边界的！-CSDN博客

本文链接：https://blog.csdn.net/Datawhale/article/details/142818571

Datawhale分享

公示：诺贝尔奖，编辑：Datawhale

AI for Science 的时代到来了！

就在刚刚！瑞典皇家科学院宣布，将 2024 年诺贝尔化学奖授予大卫·贝克（David Baker）、戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper）。

粉丝神预言：花落AI蛋白质设计/结构预测

昨晚的文章留言170+：

刚刚，2024年诺贝尔物理学奖，颁给了搞AI的！

评奖委员会表示，“美国科学家 David Baker 获奖，以表彰其在计算蛋白质设计方面的贡献；另一半则共同授予英国科学家 Demis Hassabis 和 John M. Jumper，以表彰其在蛋白质结构预测方面的贡献。”

化学奖与人工智能的关联

David Baker：

蛋白质是生命的基石，通常由 20 种不同的氨基酸组成。科学家 David Baker 利用这些基本单元设计出了一种全新的蛋白质并首次使用生成式人工智能从头设计出了全新的抗体。他的团队随后创造了多种创新的蛋白质，这些蛋白质在药物、疫苗、纳米技术和微型传感器等领域展现出巨大的潜力。

Demis Hassabis 和 John M. Jumper：

2020年，Demis Hassabis 和 John M. Jumper 开发了一种名为 AlphaFold2 的人工智能模型。这个模型能够预测科学家们已经识别的大约 2 亿种蛋白质的结构。自这一突破以来，AlphaFold2 已经被来自 190 个国家的 200 多万人使用。它在科学研究中的应用非常广泛，包括帮助研究人员更好地理解抗生素耐药性，以及创建能够分解塑料的酶的详细图像。

于此同时，Demis Hassabis 是 Google DeepMind 团队的 CEO，而 John Jumper 也是 DeepMind Technologies 高级研究科学家，AlphaFold 的第一作者。

“谷歌才是最大的赢家”

“AI是没有边界的”

昨晚留言区一位粉丝的真诚分享，希望能对大家有所启发：

“其实我接触 AI 也才不到4年，大三下学期开始接触 CNN，那个时候我未来的硕士导师发了一篇机器学习与气候预测的交叉方向的 nature 正刊。内容主要是用 CNN 预测未来长期（两年）的 ENSO 结果。

我导师眼光挺独到的，认为AI是没有边界的，它应该被应用到物理学里面并与之合理的结合，而我们气象学（大气科学）刚好是分支中的分支（地球科学）。也就是 2020-2024 这段时间，我接触到 datawhale，陪伴我成长了很多，这期间先是学了李宏毅和吴恩达老师的课程，慢慢接触到 Bengio、lecun 和以 hinton 为首的深度学习三巨头。还有很多国内的大佬比如商汤汤晓鸥老师、何凯明等。

扯远了，这期间我也逐渐接受 AI4SCI（适合科学的人工智能）的逐年成长，拿我们领域来说，大气是一种流体，流体力学方程的鼻祖是纳维斯托克方程，最早创造过阿法狗的deepmind在努力研究模拟流体力学方程，并发表了很多相关nature science期刊（湍流模拟、简化的）。

这也证明人工智能在科学领域的发展是相互促进的，例如气象数据很多，也有很多可以发掘的。hinton 在 2018 年就拿过图灵奖，很早就肯定了他在计算机领域的功绩。

近年来诺贝尔奖也逐渐广泛，更多偏向于应用物理的领域，举个例子，与气象相关的最优指纹法和气候预测模式获得了 21 年的诺奖，其中的日本学者也和我导共事过，

我导和我开玩笑说 AI 未来也可能是诺奖风口，现在成真了哈哈？”