Google DeepMind的AlphaFold与David Baker贡献：连续诺贝尔化学奖背后的AI革命与蛋白质结构预测竞赛

2024年的诺贝尔化学奖一半授予了大卫·贝克（David Baker），以表彰他在计算蛋白质设计方面的贡献；另一半则共同授予了德米斯·哈萨比斯（Demis Hassabis）和约翰·M·詹珀（John M. Jumper），以表彰他们在蛋白质结构预测方面的成就。

大卫·贝克是华盛顿大学蛋白质设计研究所的所长，被誉为蛋白质设计领域的先驱。自2003年起，他成功设计了多种创新蛋白质，如Top7，这些蛋白质广泛应用于药物、疫苗、纳米材料和微型传感器等领域。1999年，他提出了蛋白质结构预测算法RoseTTA，早于DeepMind的AlphaFold。

德米斯·哈萨比斯是Google DeepMind的联合创始人兼CEO，约翰·M·詹珀则是Google DeepMind的总监。两人通过领导团队开发了AI模型AlphaFold 2，解决了科学界困扰已久的难题——从氨基酸序列预测蛋白质的复杂结构。AlphaFold 2几乎能够预测所有已被研究人员识别的2亿个蛋白质的结构，至今已被引用超过2万次，被来自190个国家的200多万人使用，在疟疾疫苗、癌症治疗、酶设计和抗生素耐药性研究等领域取得了巨大进展。

在获得诺贝尔奖之前，哈萨比斯和詹珀已获得了多项重要奖项，包括“科学界奥斯卡”之称的生命科学突破奖和“诺奖风向标”拉斯克奖。瑞典皇家科学院表示：“没有蛋白质，生命无法存在。如今我们能够预测蛋白质结构并设计自己的蛋白质，这为人类带来了巨大的福祉。”

得知获奖消息后，Google DeepMind官方第一时间发文祝贺。哈萨比斯表示：“获得诺贝尔奖是我一生的荣誉。感谢瑞典皇家科学院，感谢John Jumper和AlphaFold团队，感谢更广泛的DeepMind和Google团队，以及所有为这一时刻做出贡献的同事。AlphaFold已经被200多万研究人员用于推进关键工作，从酶设计到药物发现。”

詹珀表示：“这是AI能够加速科学研究并最终帮助理解疾病和开发治疗方法的一个重要证明。这项工作归功于Google DeepMind的优秀团队，这个奖项也认可了他们的杰出贡献。”

这些获奖者背后的共同点在于他们与Google的紧密联系。杰弗里·E·辛顿（Geoffrey E. Hinton）也是今年诺贝尔物理学奖的得主之一，他是Google Brain的核心人物，而哈萨比斯则是Google DeepMind的灵魂人物。

Google在人工智能领域的布局始于2012年。当时，Google Brain启动了“谷歌猫”项目，由吴恩达领导，Jeff Dean参与，并得到了公司创始人Larry Page的大力支持。项目构建了一个拥有10亿个连接的大型神经网络，使用来自YouTube的1000万段未标注视频，在16000个CPU上进行训练。通过无监督学习，该系统成功自主学会了识别猫脸，准确率达74.8%，并能识别人脸等其他物体。

吴恩达在项目后期选择了离开，临走前推荐了他的导师Hinton接替工作。Hinton在短暂的“实习期”结束后，召集学生Ilya Sutskever和Alex Krizhevsky组建团队，开发了新的神经网络架构AlexNet。并在2012年ImageNet图像识别比赛中以84%的准确率取得胜利。随后，Hinton带领团队加入了Google，担任Google Brain副总裁和工程研究员。

Google对人才和技术的聚集从未放缓。在收购DNNResearch仅两年后，Hassabis创立的DeepMind也被纳入Google麾下。Google为DeepMind提供了强大的计算资源，包括云计算平台和数据中心支持，使得DeepMind能够利用更强的算力来训练深度神经网络。此外，Google还提供了专门设计的TPU（张量处理单元），进一步优化了深度学习模型的训练和推理效率。

AlphaGo是DeepMind团队开发的一款人工智能围棋程序，通过自我对弈进行强化学习，掌握了复杂的围棋策略。2016年，AlphaGo在与围棋世界冠军李世石的比赛中取得了4比1的胜利，震惊全球。此后，DeepMind迅速组建了一支跨学科团队，专注于解决蛋白质折叠难题，最终在2018年促成了AlphaFold项目诞生。

AlphaFold已凭借其突破性的蛋白质结构预测能力，彻底改变了生物学研究，展现了AI在科学领域的强大应用前景。今年5月，Google DeepMind再次推出新一代蛋白质预测模型AlphaFold 3，相关论文登上《Nature》杂志。与之前的版本相比，AlphaFold 3不仅在蛋白质折叠预测上取得了进展，还首次实现了对蛋白质、DNA、RNA及配体等生命分子的结构及其相互作用的高精度预测。

通过DeepMind，Google不断吸引着全球顶尖的科研人才，并提供长期的资金支持，使其能够专注于突破性研究，而不必依赖短期的商业回报。Google还赋予了DeepMind高度的战略自主权，使其能够自由选择研究方向。这种独立性和长期支持，为DeepMind进行前瞻性研究奠定了坚实基础。

尽管OpenAI和Anthropic等公司在人工智能领域迅速崛起，但Google在算法、算力和数据方面仍然拥有明显优势。Google掌握了全球领先的庞大数据资源，依托YouTube、Google Scholar和Google Search等平台，为视觉、语音识别和自然语言处理等AI模型提供了丰富且多样化的训练数据。其自主开发的TPU硬件大大加快了深度学习模型的训练速度，Google Cloud不仅为内部研究提供了强大的计算能力，还为全球开发者提供了工具，帮助他们快速构建和部署复杂的AI应用。

在与OpenAI、微软等公司的竞争中，Google的“家底”依然厚实，在AI竞赛中也并未被打败。人工智能的潜力远未被充分挖掘，而在这场长跑中，技术创新的深度和广度才决定了最终的胜者。

本文来源：