昨天诺奖物理颁给 AI ，大家人都傻了，深度学习也是物理？

尽管有网友也想着找补点，万一今天的化学奖，颁给物理学家了呢？

结果今天化学奖出来，大家再次被惊掉下巴，没完了是吧！

 没错， 2024 年诺贝尔化学奖一半授予华盛顿大学医学院生物化学教授、蛋白质设计研究所所长大卫 · 贝克（ David Baker ），以表彰其在 “ 计算蛋白质设计 ” 方面的成就；

另一半则共同授予谷歌 DeepMind 首席执行官兼联合创始人德米斯 · 哈萨比斯（ Demis Hassabis ）和 DeepMind 项目总监约翰 · 江珀（ John M.Jumper ），以表彰其在 “ 蛋白质结构预测 ” 中的贡献。

其实就是一半给了设计新的蛋白质；另一半给了我们之前唠过的蛋白质结构预测，也就是上次谷歌 I/O 大会上亮相过的 AlphaFold 。

 连着两天把物理奖跟化学奖都发给 AI 相关，这诺奖咋就跟蹭上 AI 了似的，明天文学奖该不会发给 ChatGPT 吧。。。

不少网友也被这波操作闹麻了，合着宇宙尽头真是当程序员啊？

不过该说不说，虽然大伙是又被惊到，但相比昨天的物理奖，这次化学奖倒也没有太过超出圈内的认知。

 毕竟诺贝尔化学奖就经常发给蛋白质方面的交叉学科，光蛋白质结构研究就给发了十几次，甚至跟蛋白质研究相关的仪器也发，比如 2017 年给了冷冻电镜。

而且颁奖之前，早在九月中旬，号称诺奖风向标的 2024 年引文桂冠奖（ Citation Laureates 2024 ）获奖名单里，不少权威人士就预测了这次化学奖的三个方向，排第一的就是蛋白质预测。

所以说，圈内其实是支持认可他们的工作的，虽然人家的主要业务不是这个，但是他们的研究实打实给生物化学这个领域带来了剧变。

 比如这次的约翰 · 江珀就学过数学、物理学甚至凝聚态物理，博士的时候才开始做模拟蛋白质折叠，用的还是机器学习；再往早了看， 20 世纪初的时候英国物理学家卢瑟福就因研究元素和放射拿了化学奖，可见对诺贝尔化学奖来说跨界确实是传统艺能了。

不过我发现，今年这仨人里最有意思的哥们，还得是谷歌旗下 DeepMind 的老大哈萨比斯。

虽然大家可能只知道他在谷歌搞 DeepMind ，但殊不知这人跟化学不能说一点交道没有，也只能说边儿都不沾了。

因为相比别人正经科研出身，他的经历堪称魔幻。

为啥呢，这哥们可能是因为有一半华裔血统（ 他妈是新加坡华人 ），从小就是个天才， 4 岁时下国际象棋就能下赢他爹跟他叔， 13 岁就当上了国际象棋大师，你就说这天资跟八冠王柯洁比起来也不遑多让是吧。

 靠着在国际象棋比赛中赢得奖金， 8 岁时哈萨比斯用 200 英镑给自己买了人生中第一台计算机，开始研究编程。

不过不同于柯洁后来去读了工商管理，哈萨比斯 1992 年考进了剑桥大学计算机系，大学期间就主导过大型游戏设计，毕业以后还组建了游戏公司Elixir Studios ，走上了肖奈的路线。

这公司高峰期员工达到 60 人，做出了像 “ 共和国：革命 ” 、 “ 邪恶天才 ” 这些获奖无数的游戏。

 后来他又去读了神经科学的博士，并致力于 AI 研究，创办的 DeepMind 也被谷歌收购，并在 2016 年和 2017 年推出两代 AlphaGo ，击败了李世石和柯洁，从那时开始， AI 将取代人类的声音不绝于耳。

年轻的柯洁此时还并不知道，击败他的会是诺奖得主

再后来， DeepMind 又推出了一系列跟 AI 相关的产品，像语音生成系统 WaveNet ， “ 神经计算机 ” （ DNC ），智能医疗系统 DeepMind Health ，以及这次拿了诺奖的 AlphaFold 。

也就是说，哈萨比斯的人生经历跟传统科研路径是差异相当大的。话虽如此，但出成果了可不管你是啥路径。

 哥们在计算机领域的突破性研究，你别看表面上跟生物化学毫不相干，但实际给这一领域带来的可不是锦上添花，而是绝对的颠覆。

我们在九年义务教育里都学过，蛋白质是生命的物质基础，生命离不开蛋白质。

而要搞清楚生物分子的底层原理，就必须知道蛋白质具体长啥样，并且知道怎么去利用，乃至创造这些蛋白质。

 这么说吧，在 AlphaFold 之前，大伙预测蛋白质结构主要三种办法，一是用 X 光照蛋白质晶体，二是核磁共振 (  NMR  ) 光谱，第三种则是昂贵的冷冻电镜拍照建模。

这些传统办法不仅慢，还费钱，每拍一次片子就花好几万美金，抵一辆小米 su7 。

只有那些经验丰富的老师傅、蛋白质仙人，才能更快猜到蛋白质的准确形状，少拍点片子。

所以人们就琢磨，这种需要经验总结的工作能不能靠 AI 解决呢？谷歌 DeepMind 创始人哈撒比斯和总监约翰 · 江珀就来干这事了。

他们不打算拍片子，而是选择了 AI ：蛋白质既然由氨基酸构成，那只要利用各处公开的已知蛋白质结构，把这些蛋白质中每一对氨基酸的距离，链接角度，汇总起来做成一张图，再用神经网络消化完他们， AI 就能自己做出预测了。

2018 年第一代 AlphaFold 一经发布，就技惊四座，力压一众实验室老师傅，获得第 13 届蛋白质结构预测大赛 (  CASP  ) 冠军。

到了 2020 年发布的 AlphaFold2.0 ，又用上了后来在 ChatGPT 上大火的 Transformer 模型，解决了蛋白质分子长距离预测的问题。

简单来说相当于从一个只会写短文的写手，进化成了能写长篇小说的作家。

因为 Transformer 模型的注意力机制，完美解决了长距离氨基酸的问题，至于进步有多大，这么说吧：

 2018 年蛋白质结构预测大赛里 1.0 版本准确度得分不到 60 分，但是 2020 年大赛里 2.0 版本拿到了惊人的 92.4 分，它能生成的范围已经涵盖了人类已知蛋白质的 98% ，更重要的是它完全开源。

可以说， 2.0 版本已经基本解决了单链蛋白质的预测问题，到 2021 年，基于 2.0 改版的 AlphaFold-Multimer 发布，也支持上了多链，准确度上也取得了突破，蛋白质之间作用的预测准确率超过 70% ，能够预测超过 2 亿种、包含了几乎所有已知的蛋白质结构。

 到了今年新出的 3.0 版本 AlphaFold 3 ，他们更新了一个更牛逼的全方位模型，不仅能预测蛋白质 DNA RNA 等各种小分子，还能揭示他们之间的互相作用。

这也是为啥诺奖会颁给他们的原因：

自他们取得突破以来，来自 190 个国家的 200 多万人都用上了 AlphaFold2 ，在他们的帮助下，科学家们不仅能够更加深入了解抗生素的耐药性，还设计出了可以消化塑料的酶类蛋白质。

至于本次化学诺奖另一位得主大卫 · 贝克，他的主要贡献是在蛋白质计算和设计上，开发了 Rosetta 和 RoseTTAFold 这些软件，靠这些计算机工具就能够模拟出创造生物的 “ 上帝之手 ” ，设计制造出全新的蛋白质分子。

他的团队不仅设计出了第一个自然界中根本不存在的蛋白质 Top7 ，甚至还做出了具备特殊功能的蛋白质。

比如能够自修复、自组装成纳米材料的蛋白质；还有能够将二氧化碳转化为燃料的酶；还有一些在治疗癌症、传染病等疾病方面具有巨大潜力的蛋白质抗体等等。

 而它们在生物化学、医学、材料科学中的应用都很牛逼。。。所以这次，算是诺贝尔化学奖颁给生物化学研究的典型案例了。

仨大佬的这些贡献，按颁奖词里的话来说，就是 “ 没有蛋白质，生命就无法存在。我们现在可以预测蛋白质结构并设计自己的蛋白质，这给人类带来了最大的利益。 ” 

所以这也是为啥大家对化学奖的争议，远没有昨天物理奖那么大的原因。

毕竟明眼人都看出来，就凭这方面的突破，唯一不确定的无非只是拿化学奖还是生理学奖而已。

总而言之， AI 的突飞猛进一定会在各个行业实现革新和改进，在委员会看来可能人工智能只算是拐杖，研究的目的和方向才是他们真正关注的东西。

但无论如何，这次诺贝尔奖也算是官宣了，不管辛顿对 “ 人工智能可能毁灭世界 ” 的担忧会不会成真，未来科技树一定会在 AI 应用这方面猛点。

至于 AI 的未来会把人类带向哪里，那也只有以后才能知道了。但就现在来说，本次诺奖的最大赢家那还得是谷歌，昨天前员工拿物理奖，今天现员工又拿化学奖，香槟连开两天了都。

而另一方面，这次诺奖也算是再次告诉我们：21 世纪是____ ( )