AlphaFold加冕诺奖，DeepMind CEO获奖感言：最优秀的科学家与AI配合，将完成令人难以置信的工作

HyperAI超神经

于 2024-10-10 19:02:30 发布

阅读量314

点赞数 10

文章标签：人工智能大数据机器学习语言模型自然语言处理 DeepMind 深度学习

本文链接：https://blog.csdn.net/HyperAI/article/details/142829603

版权

继「AI 教父」摘冠 2024 年诺贝尔物理学奖后，AI 再下一城，获得了今年的诺贝尔化学奖。

北京时间 10 月 9 日，瑞典皇家科学院宣布了 2024 年诺贝尔化学奖的归属，一半授予 David Baker， 以表彰其在计算蛋白设计方面的贡献；另一半共同授予谷歌 DeepMind 首席执行官 Demis Hassabis 和高级科学家 John M. Jumper， 以表彰二人在蛋白质结构预测方面的成就。奖金共 1,100 万瑞典克朗，约合人民币 750 万元。

此次 AI 在诺贝尔奖上的多点开花，看似出乎意料，但其实也是实至名归。尤其是在化学奖上，David Baker 堪称蛋白质设计领域的鼻祖级人物，率先开发了设计和预测蛋白质三维结构的方法，创造出了全新的蛋白质，基于创新的软件、算法解决医学难题。

Demis Hassabis 与 John M. Jumper 共同发布的 AlphaFold 更是无需赘述，这一蛋白质结构预测领域的重大突破已经获奖无数，似乎早已准备好加冕诺贝尔奖。

目前，2024 年诺贝尔奖尚未完全公布。在生理学或医学奖的归属上，AI 或许仍具有想象空间， 或许明年将有新成果产出，冲击该奖项。

3 位获奖者线上发表感言

奖项公布后，诺贝尔奖官方联系到了 3 位获奖者，进行了简短的线上访问。

Demis Hassabis 表示，「在可以预见的未来，我觉得 AI 工具能让个体科学家做得更多。因为这些系统本质上是工具，它们非常擅长分析数据、发现模式和结构化数据。但它们不能替代人类科学家去思考正确的问题、提出假设或推测。所以，这些事情仍然要依赖人类科学家来完成。我认为，最优秀的科学家与这些 AI 工具配合，将能够完成令人难以置信的工作， 甚至是规模更小的团队也可以依赖工具完成更多基础工作。」

对于研究工作由私营机构支持而非大学支持，Demis Hassabis 表示二者之间并没有太大区别。「我认为只要我们忠于科学方法，并且以严谨的科学态度专注于基础研究，那么无论在哪里都可以做出伟大的科学成果。 很多新的科学领域和发现需要大量资源，在我们这里，尤其是计算资源，而这些往往需要大量资金。因此，为什么不借助私营机构 (private sector) 来资助这些工作呢？我们在谷歌 DeepMind 就是在这么做的。」

共同获奖者 John Jumper 则在电话采访中表示「这是一个非常出色的团队。作为从事计算生物学多年的科学家，我一直认为我们需要计算技术来解决生物学问题。现在它开始奏效了，而且很快得到了认可，令人难以置信。 让我感到特别欣喜的是，我们的工作可以直接帮助人们保持健康，这一切真是太了不起了！」

此外，另一位获奖者David Baker 在被问及与竞争对手共同获奖是何感受时坦言，「从未觉得我们是竞争对手，反而觉得 AlphaFold 是很有启发性的。 」

众所周知，David Baker 是一位在生物化学领域有着杰出贡献的学者，他在华盛顿大学医学院担任生物化学教授。

在这里插入图片描述

David Baker

早在 2003 年，David Baker 就成功设计了一种新型蛋白质。 此后，他带领团队开发了 RoseTTAFold、ProteinMPNN、RFdiffusion 等蛋白质结构预测、设计工具，并利用这些工具创造能够解决医学、技术和可持续性领域挑战的分子，还曾荣获包括诺贝尔生理学化学奖提名在内的多项奖项。

AlphaFold2 静待加冕

同样地，业界对于 AlphaFold2 这一突破性成就荣获诺贝尔化学奖似乎并不意外，尤其是在二人获得诺奖风向标——2023 年拉斯克奖基础医学研究奖后。

作为谷歌 DeepMind 的 CEO，Demis Hassabis 早已身披无数光环。出生于 1976 年的 Demis Hassabis 在 4 岁开始下国际象棋，8 岁自学编程，13 岁获得国际象棋大师称号，17 岁的他便进入剑桥大学攻读计算机科学专业，而后在伦敦大学学院完成了认知神经科学博士学位，又在 MIT 和哈佛攻读博士后。

在这里插入图片描述

Demis Hassabis

2010 年，他与在伦敦大学学院读博期间遇到的 Shane Legg 共同创办了 DeepMind，2016 年，他凭借 AlphaGo 一战成名，随后的多年中，Alpha 家族持续壮大。2020 年，Hassabis 和 Jumper 提出了 AlphaFold2，成功预测了科学家已知的几乎所有 2 亿种蛋白质结构。

2024 年 5 月，AlphaFold3 重磅发布，以前所未有的精确度成功预测了所有生命分子（蛋白质、DNA、RNA、配体等）的结构和相互作用。
*点击查看完整报道：AlphaFold 3来了！闭源但可供科研使用，DeepMind 子公司近水楼台先推进商用？

*点击查看完整报道：超全拆解AlphaFold 3，上海交大钟博子韬：极致利用数据，以原子精度预测所有生物分子结构，但并不完美

在这里插入图片描述

John Jumper

而作为 AlphaFold 的第一作者，John Jumper 也同样享誉国际科技圈，曾在 2021 年被 Nature 列为年度榜单中的十大「重要人物」之一。 John Jumper 出生于 1985 年，2007 年在美国范德比尔特大学取得物理学和数学学士学位， 2008 年在英国剑桥大学取得理论凝聚态物理学硕士学位。

2017 年，他在芝加哥大学获得理论化学博士学位，主要研究方向是利用机器学习来模拟蛋白质折叠和动力学。随后，他又在芝加哥大学完成了博士后研究，继续从事蛋白质预测深度学习模型的研究工作。

2018 年，John Jumper 进入 DeepMind 担任高级研究员，并与同事共同开发了 AlphaFold 系列模型。同时，他也是 AlphaFold2 开发团队的领导者。