從AlphaGo到蛋白質摺疊,Deepmind在不斷捅破AI領域的天花板!

2020-12-06 MiuTech喵科

#Deepmind#

近日，又一世紀級難題被AI迎刃而解：谷歌旗下子公司Deepmind通過AI建立的算法模型，成功精準預測了蛋白質的摺疊方式，這將對人類了解重要的生物學過程和治療新冠等疾病起到十分關鍵的作用。

根據DeepMind的AlphaFold程序創建的模型，說明與冠狀病毒相關的「膜蛋白」的可能結構

在此，我就不詳細解讀這個最新科研成果，有興趣可自行了解一下。比起這個成果，相信大家跟我一樣更感興趣的是，這個DeepMind究竟是個什麼神奇公司，可以破解50年來無人能破的世界級計算難題？

為創建超人類AI而生，讓馬斯克極度關注

DeepMind跟傳奇的谷歌X實驗室不同，它並非谷歌親身，而是最初於2010年在英國成立的一家AGI（通用人工智慧）公司。有別於功能應用越來越細分的AI，AGI可簡單理解為我們在各種大片中看到的機器人，具備與人類相近的大腦獨立思考能力的人工智慧。

Deepmind最初由三名科學家聯合創辦，就像其創始人兼CEO哈薩比斯（Demis Hassabis）所說的，它的性質更像一個科技研究院而不是創業公司，因為公司一開始並沒有任何產品，而是一直在通過遊戲來研究人工智慧算法。在被谷歌收購前，Deepmind通過人工智慧的無監督學習算法打爆了57個atari遊戲，即八九十年代國內也很流行的小霸王卡帶遊戲。

2014年，它被谷歌以約合5.4億美元收購，稱為歐洲史上最大的收購案，而哈薩比斯也總算可以無資金上的顧慮，通過整合谷歌更多高精尖的科技人才來潛心研究AGI。

大家可能想不到的是，這家公司的最早投資人之一卻是對AI持消極看法甚至AI毀滅人類論的科技界鋼鐵俠埃隆馬斯克。直到今年7月接受紐約時報採訪，馬斯克依然認為Deepmind是他最為關注（Top Concern）的AI公司，他依然深信AI可以超越甚至毀滅人類。雖然嘴上說不要，但身體卻很誠實，他除了是Deepmind的天使投資人，還是他引薦給谷歌投資的。

成立至今，不斷突破AI技術天花板

併入谷歌之後，利用谷歌龐大的伺服器計算資源，成功開發出了AlphaGo，戰勝世界圍棋大師李世石的事跡相信大家也很清楚。

除了圍棋的進步外，Deepmind不滿足於平面2D遊戲，開始進軍3D遊戲領域，在18年針對3D策略遊戲星際爭霸2開發了AlphaStar，2019年初與兩位世界職業電競選手比賽，以1:10的成績完勝人類。

就像馬斯克在今年紐約時報採訪時所說的一樣，DeepMind研發的AI本質就是為了要在所有遊戲中壓垮人類。

遊戲意味著有規則可循，所以在有一定規律可循的事情上，Deepmind可以發現其中的規律，並比人類做得更出色。因而，通過Deepmind開發的Alophafold發現蛋白質摺疊規律並成功預測，顯然也在情理之中。

突破智慧極限，旨為造福人類

也許很多人會真的擔心，人工智慧超越人類心智的日子終將到來，並將反撲人類導致滅絕。但從目前的應用成果來看，一切依然在往好的地方發展。

也許對於自小就是計算機天才的哈薩比斯來說，創造超人類智慧是他不顧一切的最大願望和野心，但自從被收入谷歌后，谷歌也為Deepmind成立了道德委員會，並聯同斯克一起籤訂協議，不將科研成果用在自動殺人機器等違背人類道德倫理的事情上。

Deepmind創始人Demis Hassabis

2018年11月，谷歌也將Deepmind Health 收編，重組成親兒子Google Health，將DeepMind的更多AI能力應用到健康醫療上。除了我們看到的蛋白質摺疊的尖端科研成果外，還有以下的這些貢獻：

1. 幫助有語言障礙的病人恢復正常溝通

與谷歌WaveNet合作，通過Deepmind的人工智慧，學習語音障礙問題患者的聲音，從而使患者通過語音文字互換的方式恢復正常溝通。

這個案例已被YouTube Original拍攝成紀錄片《The Age of A.I》的一部分，片中患有肌萎縮性側索硬化症（ALS ）而無法正常說話的前橄欖球運動員Tim Shaw,在谷歌及deepmind團隊的幫助下，不僅可通過自己模糊的聲音轉換成精準的文字，還可以根據輸入的文字模擬自己患病前的正常聲音進行發聲。當Tim父母第一次重新再聽到這個久違的聲音時，潸然淚下……

2. 眼病AI醫療方案系統：

Deepmind與 英國Moorfields 眼科醫院 和倫敦大學學院眼科學院合作，開發了應用於眼疾預測的AI醫療系統，該系統主要通過人工智慧學習海量的眼疾照片，從而判斷當前病人的眼部病情處於哪個階段，並給予醫生建議的方案。

這個系統後來用到醫療體系十分落後的印度作試點。印度一個縣城的眼科醫生一天要看至少上千個病人，而印度人群分散，病人來回往返醫院，由初查到得知結果需要一個多月的時間；但用了deepmind的這套系統後，病人在拍片時通過系統的雲端計算判斷，就可給出眼疾的診斷方案，大大縮短了整個診斷周期，可在病情惡化前及早進行治療，拯救了不少病患的雙眼。

除了醫學方面的貢獻外，Deepmind的人工智慧還幫助谷歌內部進行如照明、伺服器冷卻系統等的能源智能控制，幫助谷歌節省公司運營成本。

結語

儘管包括霍金、馬斯克在內的很多名人都對AI的飛躍式發展持悲觀態度，甚至唱出「AI最終一定會毀滅人類」的定論。但從目前來看，至少人工智慧的角色，一直是在輔助我們人類解決更多問題。儘管它的出現的確讓很多工人失去工作，但這也是產業結構優化和人效提升的必經之路，更多的人不再需要廉價的重複勞動，而將自己的精力放到更有價值的事業上。

「突破智慧極限，使世界更美好」這句話是Deepmind的使命，我也深信不疑，AI的進化正在亦終將使我們的生活及工作更便捷、更高效、更幸福。你呢？

歡迎留言分享你對人工智慧的看法。

喜歡文章的話記得點讚並關注這個頻道，您的支持是小編搬磚的莫大動力喔～

相關焦點

  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年...
    AlphaFold：精確度高達92.4GDT首先要了解為什麼要預測蛋白質摺疊結構？眾多周知，蛋白質對於生命至關重要。幾乎所有疾病，包括癌症、痴呆症都與蛋白質的功能有關。而蛋白質的功能由它的3D結構決定。
  • DeepMind宣布解決蛋白質摺疊問題，獲92.4準確性得分
    兩年前，上一版本的AlphaFold便已經取得了裡程碑的突破，但是，仍然沒有完全解決蛋白質摺疊問題。△圖源：Science從1994年起，隨著技術的進步，蛋白質的預測準確性在不斷增加首先，研究人員把摺疊的蛋白質認為是一個「空間圖」，其中殘基是節點，邊緣連接著非常接近的殘基。
  • DeepMind AI破解「蛋白質摺疊」難題，攻克生物學50年巨大挑戰
    AI在生物科學領域再次取得重大突破！美國時間11月30日，谷歌母公司Alphabet旗下人工智慧公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質摺疊預測，已被其成功攻克。該模型對蛋白質序列和胺基酸殘基進行操作——在兩種表示之間傳遞迭代信息以生成結構。這一過程對於理解蛋白質內部的物理相互作用以及它們的進化史很重要。對於AlphaFold的最新版本，研究人員創建了一個基於注意力機制的神經網絡系統，經過端到端的訓練來試圖解釋這個圖的結構，同時對它所構建的隱式圖進行推理。
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年巨大挑戰
    但一個現實挑戰是，蛋白質的3D結構在形成之前會有數以億計的摺疊方式。美國分子生物學家Cyrus Levinthal指出，如果用蠻力來計算蛋白質所有可能的構型所需要的時間可能比宇宙的時間都要長，一個典型的蛋白質可能有10∧300種可能的構型。因此，從1972年至今，如何準確預測蛋白質的摺疊方式一直是生物學界的一項重大挑戰。
  • AI破解蛋白質摺疊難題,施一公等結構學家未來的創新點將在哪裡?
    但從基因轉錄、翻譯再到胺基酸序列之後，科研界就似乎進入了一個極為狹窄的胡同，因為他們遇到了蛋白摺疊。1972年，諾貝爾化學獎得主克裡斯蒂安·安芬森（Christian Anfinsen）提出一個著名的觀點，即理論上，蛋白質的胺基酸序列應該完全決定其結構。正是由於這一假設，引發了50年的探索，即能夠僅基於1D胺基酸序列通過計算預測蛋白質的3D結構。
  • 50年難遇AI「諾獎級」裡程碑!DeepMind破解蛋白質摺疊難題
    五十年來，蛋白質摺疊一直是生物學的巨大挑戰。分子摺疊方式變幻無窮，其重要性很難估計。大多數生物過程都圍繞蛋白質，而蛋白質的形狀決定了其功能。只有當知道蛋白質如何摺疊時，他我們才能知曉蛋白質的作用。例如，胰島素如何控制血液中的糖水平以及抗體如何對抗冠狀病毒，都由蛋白質的結構來決定。
  • AlphaGo之後,DeepMind重磅推出AlphaFold:基因序列預測蛋白質結構
    例如，心臟細胞蛋白質的摺疊方式可以使血流中的任何腎上腺素都粘在它們上面，以加速心率。免疫系統中的抗體是摺疊成特定形狀的蛋白質，以鎖定入侵者。幾乎身體的每一種功能——從收縮肌肉和感受光線到將食物轉化為能量——都和蛋白質的形狀及運動相關。
  • DeepMind破解蛋白質摺疊難題
    為了了解蛋白質如何摺疊，DeepMind的研究人員在一個包含約170,000個蛋白質序列及其形狀的公共資料庫中對其算法進行了訓練。在相當於100到200個圖形處理單元(按現代標準，計算能力適中)上運行，這種訓練需要數周時間。
  • 50年難遇AI「諾獎級」裡程碑!DeepMind破解蛋白質摺疊難題
    五十年來，蛋白質摺疊一直是生物學的巨大挑戰。分子摺疊方式變幻無窮，其重要性很難估計。大多數生物過程都圍繞蛋白質，而蛋白質的形狀決定了其功能。只有當知道蛋白質如何摺疊時，他我們才能知曉蛋白質的作用。例如，胰島素如何控制血液中的糖水平以及抗體如何對抗冠狀病毒，都由蛋白質的結構來決定。
  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    而蛋白質具體能做什麼就要取決於它獨特的3D結構了。 然而，純粹從其基因序列中找出蛋白質的3D結構是一項非常具有挑戰性的複雜任務。由於我們的DNA通常只包含蛋白質中胺基酸殘基的序列信息，而這些胺基酸殘基形成的長鏈將會摺疊成錯綜複雜的3D結構。這就是所謂的「蛋白質摺疊」問題。
  • ...DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子摺疊問題
    蛋白質對於生命至關重要，它們是由胺基酸鏈組成的大型複雜分子，其作用取決於自身獨特的 3D 結構。弄清蛋白質摺疊成何種形狀被稱為「蛋白質摺疊問題」。在過去 50 年裡，蛋白質摺疊一直是生物學領域的重大挑戰。
  • 生物學50年難題被DeepMind解決了,蛋白質版「阿法狗」預測結構準確...
    △圖源：Deepmind兩年前，上一版本的AlphaFold便已經取得了裡程碑的突破，但是，仍然沒有完全解決蛋白質摺疊問題。而這次AlphaFold 2，則更進一步。這一巨大的突破，直接引爆了全網，Nature、Science紛紛報導，生物屆和AI大牛們也紛紛祝賀。
  • DeepMind:通過摺疊蛋白質的AI,解決了50年的「巨大挑戰」
    谷歌旗下的Alphabet公司下屬的DeepMindDeepMind公司開發了一款名為「AlphaFold」的人工智慧軟體，可以準確地預測蛋白質在幾天之內摺疊成的結構。這一人工智慧軟體可以在幾天之內準確預測蛋白質將摺疊的結構，從而解決了已有50年歷史的「巨大挑戰」，可以為更好地理解鋪平道路疾病和藥物發現。每個活細胞內部都有成千上萬種不同的蛋白質，這些蛋白質可以使它們保持健康。預測蛋白質摺疊的形狀非常重要，因為它決定了蛋白質的功能，幾乎所有疾病（包括癌症和痴呆症）都與蛋白質的功能有關。
  • AlphaFold抗疫,DeepMind公布六種新冠病毒蛋白質結構預測結果
    DeepMind 開放的新冠病毒蛋白質結構預測結果下載連結：https://storage.googleapis.com/deepmind-com-v3-datasets/alphafold-covid19/structures_4_3_2020.zip為什麼要用深度學習預測新冠病毒蛋白結構？
  • DeepMind開源AlphaFold,蛋白質預測模型登上《Nature》
    代碼：https://github.com/deepmind/deepmind-research/tree/master/alphafold_casp13模型：https://www.biorxiv.org/content/10.1101/846279v1.full.pdf根據DeepMind的介紹，在預測蛋白質結構的物理性質方面使用了兩種不同的方法來構建預測模型
  • 谷歌Deepmind稱解決蛋白質摺疊難題
    來源：新浪科技據報導，Alphabet旗下人工智慧公司DeepMind開發了一款軟體，可以準確預測蛋白質在幾天時間裡會摺疊成什麼樣的結構，從而解決了過去50年的一項「重大挑戰」。這可能為更好地了解疾病和藥物研發鋪平道路。
  • 向李昌鈺學破案,這是Deepmind預測蛋白質結構的秘密研究方法嗎?
    可能在社會責任感的感召下，人工智慧公司想在人類急需前沿科技的領域創造一些有價值、有意義的事情，比如生命科學。眾所周知，全世界頂級的圍棋選手人工智慧阿法狗之父，Deepmind公司最近又因為在生命科學領域的成就，上了科技界的熱搜榜。這個小成就就是，新的算法AlphaFold 可以僅根據基因預測生成蛋白質的三維形狀。
  • DeepMind 推出 AlphaGo 圍棋教學工具,圍棋學習新紀元來啦?
    當輪到黑棋落子時，數值越接近 100 表示黑棋優勢越大；當輪到白棋落子時，數值越接近 0 表示白棋優勢越大。50 則表示均勢。了解 AlphaGo 的勝率預測AlphaGo 的下法不一定總是具有最高的勝率，這是因為每一個下法的勝率都是得自於單獨的一個 1000 萬次模擬的搜索。
  • DeepMind AI 人工智慧破解困擾科學家 50 年的蛋白質摺疊結構難題
    DeepMind AI 人工智慧破解困擾科學家 50 年的蛋白質摺疊結構難題過去推動的Folding@home計劃，就是希望透過使用者貢獻空閒運算效能，透過連網協作方式組成龐大運算資源，藉此研究蛋白質摺疊結構，就連NVIDIA過去也曾藉由GPU
  • 重大事件上鏈—DeepMind破解蛋白質摺疊難題
    近日，在國際蛋白質結構預測競賽上，DeepMind推出的AlphaFold系統的總體中位數得分達到92.4GDT，擊敗了其餘的參會選手。AlphaFold是一種能夠基於蛋白質的基因序列，利用AI預測蛋白質3D結構的系統。