AlphaFold 3强势登场，施一公、颜宁：敬畏AI，但人类进步还要靠科学家

下一届诺贝尔奖得主会不会就是AI了？

当地时间 5 月 8 日，谷歌 DeepMind 发布了其生物学预测工具 AlphaFold 的最新版本—— AlphaFold 3。

AlphaFold 3的登场可谓很是吸睛，相关研究论文于当日直接登顶学术期刊《Nature》头版。

DeepMind介绍，AlphaFold 3是一个重要的模型里程碑，能以前所未有的精度预测所有生命分子的结构和相互作用，为科学家们提供了一个强大的工具，以更精确地理解疾病机制并开发新的治疗药物。

具体来说，AlphaFold 3不仅可以预测蛋白质的结构，还可以预测几乎所有生命分子的结构，包括DNA、RNA等。扩大单一深度学习模型能预测的复合物一直是个难事，因为不同类型的特异性相互作用差异太大。而AlphaFold 3真正做到了能预测蛋白质与其他蛋白质、核酸、小分子、离子、修饰蛋白质残基的复合物，以及抗体-抗原的相互作用。

据悉，与现有预测方法相比，AlphaFold 3的改进至少达到了50%，对于一些重要的相互作用领域，其预测精度提高了一倍（100%）。网友直言，“打开生物世界的方式又要变化了。”

施一公、颜宁：AI会越来越强大，但理解生命不能只靠AI

功能强大的AlphaFold 3问世后，“人工智能是否会让科学家失业”再次成为热点话题，引得不少学界大咖站出发声。

被称为“科研女神”的中国科学院院士、深圳湾实验室主任颜宁，多年来致力于跨膜运输蛋白的结构与机理研究，试图找出生命科学界的“暗物质”（例如新的生理与病理分子标记物）。

有网友说，“既然AlphaFold 3解构蛋白质这么容易了，那科学家未来工作价值大幅下降的说法难道是真的？”

5月9日晚，颜宁在个人微博账号发布长文表示，“我对AI的态度总结起来其实是两个字“敬畏”，它的发展速度超乎想象。每次我都是指出AlphaFold版本当前不能解决的问题，比如最近我比较痴迷的glycoproteins、那些‘暗物质’们、in situ structures，等等。但终归也只是时间问题。”

她强调，“不过就别整天谁失不失业了—结构一直是工具，以前是验证的工具，现在越来越多的成为了发现的工具。但是AlphaFold对我的研究到目前已经帮助不大，因为目标不同。”

颜宁说，“这次的server版本（基于AlphaFold 3推出的免费使用平台）是一个速度和准确度的平衡，正确率不是最好的。我现在手上有三个都是比较奇怪的蛋白，之前我自己搭建的AF2 multimer可以在很低的ranking position找到一两个正确的conformation，这次的server版本测试全军覆没。”

她在文末指出，“AI一定会越来越强大，如何拥抱新技术，问出更有意思的问题，才是相关科研工作者现在更关注的。”

生物物理学家、西湖大学校长施一公近期接受采访时表示，“AlphaFold帮我做到了以前做梦都不敢想的事。但人类进步根本还是要靠创新，还是要靠科学家。”

回忆科研经历，施一公说，以前会带着10个博士生做五年才能解决一个大复合物的结构，现在借助于AI，一个学生用一到两个礼拜就完成了。

但他直言，“AI能做的只是把地球上各种蛋白质的结构预测出来，它是整个理解生命最基层的一些信息，这些信息就像一块块砖头一样。但理解生命不能只靠砖头，我们要盖房子，看房子里会发生什么。我以前可能需要花上20年去准备这些砖头，为了理解房子的功能不得不准备这些砖头，现在AI把这些砖头实现了，我就可以直接去搭建房子了。（搭建房子）是现在AI还做不到的，AI更无法理解这个房子有什么功能，及通过这个房子能干成什么事。”

AlphaFold的三次“革命”

2018年，人工智能的发展开始加速，越来越明显地影响着世界的进程。也正是在这一年，谷歌DeepMind团队开始对研究蛋白质折叠问题产生兴趣，并发布了初代AlphaFold模型。

蛋白质是构成生命的基本物质，它们的结构决定了它们的功能。长期以来，科学家们都在试图解开蛋白质结构的秘密，因为这对于理解疾病和开发新药至关重要。

AlphaFold就像是一位专业的“结构分析师”，能够预测出蛋白质在空间中的三维结构，这在当时的科学界被认为是“革命性”突破。

2021年，在DeepMind对蛋白质折叠问题的深入研究中，AlphaFold 2应运而生。AlphaFold 2不仅帮助科学家们成功发现多种新式药物，还让科学家们绘制出了已知蛋白质的“宇宙图”。

然而，AlphaFold 2在问世之初也面临了一些主要质疑，包括对蛋白复合物等复杂结构预测的低效，缺乏蛋白质在不同状态下的精准构象信息，以及无法预测点突变带来的影响。这些挑战限制了AlphaFold 2在药物研发等领域中的应用。

尽管AlphaFold系列模型在此前已经做出很多贡献，谷歌DeepMind 负责 AlphaFold开发的John Jumper还是会经常被问及该工具是否可以做的更多？

为了创建 AlphaFold 3，Jumper、DeepMind 首席执行官 Demis Hassabis 及其同事对其前身进行了重大更改。

AlphaFold 3采用了AI革命核心组合架构Transformer+Diffusion，直接生成每个原子的3D坐标，这一技术使得AlphaFold 3能够更准确地预测分子的三维结构，进一步提高了其预测精度。同时，AlphaFold 3更少依赖于与目标序列相关的蛋白质信息。

另外，AlphaFold 3还使用一种称为扩散模型的机器学习网络，Midjourney 等图像生成人工智能使用该网络。“这是一个相当大的变化，”Jumper 说。

不得不说，不断升级的AI系统对生命科学领域的赋能可真不是“纸上谈兵”。

2023年，被誉为“诺奖风向标”的拉斯克基础医学研究奖授予了两位科学家，以表彰他们发明了人工智能系统——AlphaFold，该系统解决了从氨基酸一维序列预测蛋白质三维结构这一长期存在的挑战。

“依我之见，AlphaFold是人工智能对科学领域最大的一次贡献，也是人类在 21 世纪取得的最重要的科学突破之一”，谈及AlphaFold，施一公曾这样评价。

在施一公看来，AlphaFold主要给生命科学领域带来了三大影响。第一个影响是对结构生物学领域，这是该领域的一个颠覆性突破。此前人类尚未被解析的一些结构，现在基本上都已经被 AlphaFold 预测，且置信度较高，人类蛋白质组的结构数据突然陡增多倍。

第二个影响是对生物化学、细胞生物学、遗传发育、神经生物学、病理药理等一大批生命学科和研究领域的影响，大大改进人们对于生命过程的理解。比如遗传学家如果不清楚蛋白质结构，就没法研究某个突变对于蛋白功能的影响。而AlphaFold的结构预测可以查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置，找到突变位置后就有可能推测出蛋白功能如何受到影响。

“AlphaFold 的出现，会从根本上帮助一大批基础研究和应用研究的实验室、一大批科研型医生、一大批科研人员更好地理解生命的分子过程，理解疾病发生和发展的机理”， 施一公说。

第三个影响是AlphaFold可能会超越生命科学的界限，如果AlphaFold能够被广泛应用在生命科学各分支，比如药物研发，一定会给百姓带来很多好处，甚至促进人类文明的发展。