出品 | 搜狐科技

作者 | 梁昌均

没想到，继诺贝尔物理学奖颁给“AI教父”杰弗里·辛顿后，刚刚出炉的诺贝尔化学奖，AI领域又榜上有名。

当地时间10月9日，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）。3名获奖者共获得1100万瑞典克朗（约合745万元人民币）奖金。

来自美国华盛顿大学西雅图分校的教授大卫·贝克因在计算蛋白质设计上的贡献而获奖，可分享一半的奖金，另一半奖金则授予另外两名获奖者，表彰他们在蛋白质结构预测上做出的贡献。

瑞典皇家科学院发布的新闻公报表示，2024年诺贝尔化学奖是关于蛋白质的，蛋白质是生命中巧妙的化学工具。

大卫·贝克成功地完成了构建全新蛋白质种类的几乎不可能的壮举。德米斯·哈萨比斯和约翰·江珀开发了一个 AI 模型来解决一个50年前的问题：预测蛋白质的复杂结构。这些发现具有巨大的潜力。

诺贝尔化学奖委员会主席海纳·林克：“今年获得认可的发现之一与神奇蛋白质的构造有关。另一项发现则与实现50年前的梦想有关：根据氨基酸序列预测蛋白质结构。这两项发现都开辟了广阔的可能性。”

值得一提的是，戴米斯·哈萨比斯和约翰·江珀是来自谷歌旗下的AI公司DeepMind，其中戴密斯是DeepMind的联合创始人&CEO，约翰则是该公司的高级研究科学家。

戴米斯出生于1976年，在伦敦长大，母亲是新加坡华人，有“国际象棋神童”的美誉。本科毕业于剑桥大学，后来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。

2010年，他与在伦敦大学学院读博士遇到的施恩·莱格（Shane Legg）共同创办了人工智能公司DeepMind，后在2014年被谷歌斥资4亿美元收购。2023年，DeepMind与谷歌大脑合并，戴米斯升任合并后的Google DeepMind团队CEO。

该公司主要致力于将机器学习和系统神经科学的先进技术结合，从而建立强大的通用学习算法，因研发出的AlphaGo打败世界围棋冠军，以及研发的模型AlphaFold成功预测出蛋白质结构而被业内熟知。

2018年，DeepMind官宣了AlphaFold。初亮相时，它在第13届“蛋白质结构预测奥运会”CASP比赛中，成功预测了43种蛋白质中25种蛋白质的最准确结构，力压其他97个参赛者。

2020年，DeepMind又开发了AlphaFold2，成功解决蛋白质折叠问题，在预测蛋白质结构上，和实验室生产模型的精度误差范围，首次缩小到只有一个原子的宽度。

AlphaFold使用了蛋白质数据库中现有的蛋白质结构作为大数据基础，随后在2021年7月，AlphaFold成功预测了近98.5%的人类蛋白质结构；2022年7月，AlphaFold又预测了几乎“整个蛋白质宇宙”。

公开信息显示，AlphaFold的结构预测几乎涵盖了科学已知的所有编目蛋白质，已超过190个国家的140万用户访问了AlphaFold 蛋白质结构数据库，世界各地的科学家已经使用 AlphaFold 的预测来帮助推进从加速新的疟疾疫苗研发和推进癌症药物发现，到开发用于解决污染的塑料降解酶的研究。

这得益于AlphaFold采用了AI和深度学习技术，根据基因序列就能预测蛋白质的3D结构，仅需数日内可识别蛋白质的形状，从而找到药物靶点，并有望推进产生新的小分子药物，此前还获得了2023年拉斯克奖等多项生命科学重要奖项。

此次获奖的约翰·江珀正是AlphaFold的第一作者。他在芝加哥大学获得博士学位，主要研究方向是使用ML来模拟蛋白质折叠和动力学。2021年，他被Nature列为年度榜单中的十大重要人物之一。

今年5月，DeepMind发布了新一代AlphaFold3，预测精准度则提高100%，被视为一种革命性模型。该公司还宣布，将在6个月内发布AlphaFold3（包括权重）模型，以供学术界使用。

AlphaFold3可用于预测蛋白质、DNA、RNA、小分子等的几乎所有生物分子结构和相互作用，并达到了前所未有的准确性。同时，AlphaFold 3具备药物设计的能力，可以预测药物中常用的分子，这些分子可与蛋白质结合，改变蛋白质在人类健康和疾病中的相互作用方式。

同时获奖的大卫·贝克1962年出生于美国华盛顿州西雅图，现为华盛顿大学蛋白质设计研究所所长。他因开发从头设计自然界从未出现的新型蛋白的技术，获得2020年科学突破奖生命科学奖，并首次使用生成式人工智能从头设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。

大卫堪称蛋白质设计领域“鼻祖级”人物，比DeepMind更早提出了预测和设计蛋白质三维结构的方法，甚至设计出了一款比AlphaFold更早的蛋白结构设计算法。

可以说，此次三名获奖者都与AI有着密不可分的关系，显示出科学的边界正在模糊，而AI的发展也在推动和影响着科学的进步和科研范式的迭代。