不知道同學們有沒有關注2024年的諾貝爾獎，尤其是物理學獎和化學獎？這兩個獎項有一個共同的特點：青睞人工智能（AI）。借助AI的力量，研究人員都獲得了豐碩的成果，并極大地改變了人們的工作和生活。約翰·霍普菲爾德模擬人腦神經(jīng)網(wǎng)絡，發(fā)明了一個人工神經(jīng)網(wǎng)絡；杰弗里·辛頓發(fā)明了人工神經(jīng)網(wǎng)絡的訓練算法；大衛(wèi)·貝克利用AI軟件羅塞塔，設計出全新的蛋白質(zhì)；戴米斯·哈薩比斯和約翰·江珀利用人工神經(jīng)網(wǎng)絡，快速而準確地預測出蛋白質(zhì)結(jié)構(gòu)。

機器學習，讓計算機“智商”飆升

20世紀80年代，霍普菲爾德研發(fā)了一個人工智能網(wǎng)絡，通過查找節(jié)點（相當于像素）之間的連接值并進行訓練。當這個網(wǎng)絡收到失真或不完整的圖像時，它就會有條不紊地通過節(jié)點并更新它們的值，找到與之所傳送的不完美圖像最相似的已保存圖像。

辛頓則利用霍普菲爾德研發(fā)的網(wǎng)絡來使用物理工具，如玻爾茲曼機，學習識別給定數(shù)據(jù)類型中的特征元素。他通過提供機器運行時極有可能出現(xiàn)的示例來訓練機器，而玻爾茲曼機可用于對圖像進行分類或創(chuàng)建來訓練它的模式類型。辛頓以這項工作為基礎，助力當前機器學習獲得突飛猛進的發(fā)展。

辛頓還開啟和奠定了算法（人工智能三大基石之一，另外兩個為數(shù)據(jù)和算力）基礎，包括證明反向傳播算法、發(fā)明玻爾茲曼機、改進卷積神經(jīng)網(wǎng)絡。他研發(fā)的深度卷積神經(jīng)網(wǎng)絡在201rl1DXb6BOI2i+kSX3RtGpQ==2年贏得ImageNet圖像識別大賽冠軍，直接促使了AI識圖功能的“大爆發(fā)”?，F(xiàn)在，被廣泛應用的人臉識別技術(shù)正源于此。

同時，人們熟知的大語言模型（LLM）也是基于大量數(shù)據(jù)進行預訓練的超大型深度學習模型。OpenAI的生成式預訓練模型（GPT）系列就是大語言模型的典型代表。目前公認最強的GPT-4已經(jīng)通過數(shù)十億單詞的訓練而呈現(xiàn)了多種功能，尤其是寫作。

因此，人工神經(jīng)網(wǎng)絡和深度學習并非只用于數(shù)據(jù)處理，它們相當于擴大了數(shù)億人的大腦功能，幫助人類作出正確的決策。

人工智能，讓蛋白質(zhì)結(jié)構(gòu)預測更高效

2003年，貝克成功地使用人工智能模型——羅塞塔，設計了一種不同于任何其他蛋白質(zhì)的新蛋白質(zhì)——Top7。這個發(fā)現(xiàn)使得人類可以設計和創(chuàng)造蛋白質(zhì)，包括作為納米材料和微型傳感器的蛋白質(zhì)，以及無數(shù)的藥物、疫苗。

20世紀70年代以來，研究人員一直試圖從氨基酸序列中預測蛋白質(zhì)結(jié)構(gòu)。但這似乎難于上青天，尤其是“蛋白質(zhì)折疊”被視為難上加難。以前只能用實驗方法去測定蛋白質(zhì)的三維構(gòu)型，而實驗測定一個蛋白質(zhì)的結(jié)構(gòu)需要大量的時間、復雜的儀器與專家級的專業(yè)人員。即便知道蛋白質(zhì)的折疊原理，也需要強大的算力。

2000年，哈薩比斯和江珀推出了一個石破天驚的模型——阿爾法折疊2，根據(jù)氨基酸序列預測蛋白質(zhì)的三維結(jié)構(gòu)，準確率達到90%。

有了對這些蛋白結(jié)構(gòu)的認知和理解，人類就有可能獲得更多成果，如對新冠病毒蛋白（刺突蛋白、包膜蛋白、膜蛋白和核衣殼蛋白）4種結(jié)構(gòu)蛋白進行破譯，研發(fā)防治新冠病毒的技術(shù)和藥物，同時還能有針對性地創(chuàng)造自然界中沒有的蛋白質(zhì)和其他物質(zhì)。

可以說，AI極大地擴大了人類的智慧和能力。2024年的諾貝爾物理學獎和化學獎預示，未來利用AI進行研究將會產(chǎn)生更多的發(fā)現(xiàn)和發(fā)明，并且會深遠地影響和改變世界，改變?nèi)祟惖纳罘绞?，提升人類的文明水平?/p>