|
|---|
|
|
|
|
|
|
w******i
发帖数: 1 | 1 扫码关注未名人才公众号或微信搜索：未名人才
扫码关注未名人才Facebook
继阿尔法围棋（AlphaGo）战胜职业围棋选手李世石后，人工智能（AI）再下一城，这
次它将“目光”锁定在结构生物学。
近日，在国际蛋白质结构预测赛（CASP）中，谷歌旗下DeepMind团队的阿尔法折叠（
AlphaFold 2）摘得桂冠。
在CASP的一系列测试中，AlphaFold 2斩获92.4分，在最具挑战的自由建模蛋白质测试
中也获得87分，预测蛋白质结构的准确率甚至可以与实验方法媲美。
一时间，AlphaFold 2被“颠覆”“革命性突破”“诺奖级成果”等词汇围绕。
有人称其解决了“困扰生物学家50年的问题”，有人担忧“结构生物学家是否会因此失
业”。
人工智能再次完胜人类，究竟意味着什么？
AI破解生物学难题
人体内有成千上万种不同的蛋白质，蛋白质的功能很大程度上取决于其独特的结构。
弄清楚蛋白质的折叠形状被称为“蛋白质折叠问题”。
在过去50年中，这一直是生物学界的重大挑战。
此前，生物学家主要利用X射线晶体学或冷冻电镜等实验手段来破译蛋白质的三维结构
，但这类方法耗时长、成本高。
预测蛋白质结构的CASP竞赛始于1994年，今天它已成为该领域交流新技术的国际平台。
2018年，DeepMind 团队推出 AlphaFold 1参加第13届CASP竞赛，并取得不俗的成绩。
今年参赛的系统是新版本的AlphaFold 2。
此次比赛中，AlphaFold 2以高分领先，高出第二名25分。
CASP竞赛创始人之一、美国马里兰大学教授约翰·蒙特认为，人工智能预测蛋白质结构
的结果与实际对照，达到90分即可与人类实验方法获得的结果媲美。
美国密苏里大学哥伦比亚分校讲座教授许东认为，AlphaFold 2可以满足95%以上的理解
功能、实验设计等需求，达到了应用的标准。
夺冠当日，DeepMind在官网发布新闻稿称，对于困扰生物学界50年的“蛋白质折叠”难
题，AlphaFold 2已成为业内专家认可的解决方案。
《自然》新闻评论更是以《它将改变一切》为题，指出DeepMind在解决蛋白结构问题上
“迈出一大步”。
12月6日，在智识学研社与智源社区策划的“智2平方”论坛中，中国人民大学数学科学
研究院教授龚新奇表示，在结构生物学领域，测蛋白质序列很容易，解析蛋白质结构很
困难。
AlphaFold的出现，验证了人工智能解决这一难题的可能性，这是一项突破。
人类对蛋白质结构了解得越多，对生命科学、药物研发等的贡献越大。
清华大学生命科学学院教授王宏伟认为，这有可能为结构生物学的从业者带来“解放”
：从业者不再受制于现有结构解析手段对时间、环境的高要求，能够很快拿到某个蛋白
质的结构，以尽快探讨结构生物学的核心问题。
人机协同的结果
AlphaFold 1参加第13届CASP竞赛后，DeepMind团队在《自然》杂志发表文章，公开
AlphaFold 1的代码。
目前，DeepMind团队还没有发表关于AlphaFold 2的论文并公布相关数据，只在官网公
布了相关消息就引起AI领域和生物学界的轩然大波。
“AlphaFold 2的相关文章还没有看到。以我对Alpha系列的了解，应该还是集成数据驱
动机器学习诸多算法的创新应用之一。”
浙江大学人工智能研究所所长吴飞告诉《中国科学报》，“这相当于从包含了无穷多种
答案的空间中，通过学习、优化、搜索等技术，找到一种合适的解决方法。”
吴飞举例说，比如人类产生“恐惧”的情绪，需要在成千上万个神经元中锁定某种组合
，形成某种神经回路结构，才会在功能上产生这种情绪。人类蛋白质的组成结构非常复
杂，要从海量的组合中，找到某种特定的组合非常困难。
由于计算机的计算能力非常强大（可以理解为计算机的学习模式能力和穷举搜索能力强
），能帮助人们从几亿个结构里，找到某个特定的结构以及该结构能对应某个特点功能。
“这是一种大数据驱动的人工智能方法，是以深度学习和搜索组合优化相结合的整体应
用。”
吴飞说，“AlphaFold 2的成功基于算法、模型、算力以及该领域已有知识，这些元素
缺一不可。”
吴飞进一步解释说，AlphaFold 2在一个具体任务中取得巨大成功，也许源于其在模型
上的组合式创新。
另外，DeepMind团队也收集了一批一一对应的数据，即蛋白质的结构和功能一一对应的
数据。在算力上，因为要从无穷多的组合里面，找到一个对应的功能，需要对蛋白质大
数据中蕴含的模式进行学习，对可能的答案空间进行搜索，同时提高大规模计算能力，
这是人机协同的胜利。
超越人类还差一大步
“目前主流的机器学习技术还依赖于统计学习。在数据量大、人工难以靠直觉分析规律
的领域，相对来说人工智能具有优势。”北京航空航天大学教授李甲告诉《中国科学报
》。
吴飞也强调，在某些特定领域，人工智能拥有人类无法企及的能力，特别是在以海量数
据搜索为导向的领域。
“就像有一颗珍珠沉入太平洋海底，人们都知道它在里面，但就是无法锁定它的具体位
置。如果依靠人力去寻找，可能就是一项无法完成的任务。但人工智能可以凭借巨大的
存储能力、超强的搜索能力和对数据高效利用的能力轻而易举找到它。”吴飞说。
2016年，DeepMind团队的AlphaGo战胜围棋大师李世石，曾掀起AI界和围棋界的滔天巨
浪，AlphaGo也在很大程度上改变了人们对AI的认知。
在围棋比赛中，每一步都有一个“最优落子”的选择，人类不可能在大脑里把几十亿个
落子情况都推演一遍，但是计算机就拥有这样的能力。
“AlphaFold 2和之前的AlphaGo类似，是机器学习模型的进步和算力的提升，以及‘标
签数据’指导下完成的任务。”
吴飞说，“即使在某些特定领域，也不能说是‘人工智能超越了人类’，而应该叫做‘
人机协同完成’。”
吴飞认为，人工智能的成功基于‘模式学习和模式匹配’能力。
比如，人们经常用到的人脸支付功能，人工智能并非精准‘识别’出你的脸，而是从几
十万张人脸数据中，找到与你匹配的人脸模式。
如果它发现相似度超过90%，就判断是你。
如果问人工智能，“为什么认为这张脸是我？”“人工智能就是有嘴也解释不清。”
吴飞说，“人工智能是某些领域中非常好的工具，可以在某项任务中节省大量人力和时
间，但对这个结果的利用，还要依靠人类专家来完成。如果将这种工具和人类的优势结
合，协同赋能，就能加快创新，带来科学研究上的飞跃，进而改变人类生活。”
扫码关注未名人才公众号或微信搜索：未名人才
扫码关注未名人才Facebook |
|
|
|
|
|
|
