所以，这事真的很纠结。

　　2016年以前，CASP大赛中最高预测分数最高也只到了40GDT左右，离代表实验室结果的90GDT还有很大差距。美国时间11月30日，DeepMind的AlphaFold2在评估中的总体中位数得分达到了92.4GDT。想比两年前的AlphaFold，AlphaFold2刷新了记录，从60GDT一跃上升为92.4GDT。

　　「在某种意义上，难题已经被解决了。」CASP的共同创始人JohnMoult告诉《自然》。

　　AI「毕业了」

　　第一版的AlphaFold虽然刷新了CASP的纪录，但却没能激起很大的水花，因为它并不算真正的AI完全体，它还借鉴了上面提到的「Rosetta」等计算机程序的成果。但AlphaFold2就不一样，它是一个AI完全体。AlphaFold2系统所使用的数据，来自包括约17万个蛋白质结构，以及未知结构的蛋白质序列的大型数据库。在训练时，它使用了大约128个TPUv3内核（大致相当于100-200个GPU，并仅运行了数周。

　　「从17万个已经知道三维结构的蛋白质分子中，科学家们挑一个，把它的氨基酸序列信息『喂』给算法，算法大致『猜测』出一个三维结构。然后，算法把它的猜测和已知的三维结构进行对比，并且根据猜测的结果是不是靠谱，继续调整猜测的策略。这样反复用17万个三维结构训练，算法逐渐就获得了直接从氨基酸序列预测蛋白质三维结构的能力。」浙江大学生命科学研究院教授王立铭「简化」了AlphaFold系统的运行过程。

　　他还认为，用AI预测蛋白结构实际上是在践行这样一种思路：既然我们知道氨基酸的顺序决定了蛋白质的三维结构，有没有可能不做实验，直接从氨基酸的顺序出发，推测蛋白质分子的三维结构呢？

　　目前人类知道氨基酸顺序的蛋白质分子有1.8亿个，其中三维结构信息被彻底看清的只有17万个，还不到0.1%。仅仅通过耗时耗钱的实验显然是「杯水车薪」。

　　BBC记者HelenBriggs表示，AI的学习速度惊人，它用几天的时间就能达到实验室几十年的研究水平。

　　但要实现这样高效的研发，DeepMind必须与科学家分享这项AI技术。DeepMind的联合创始人兼CEODemisHassabis表示，先让AlphaFold变得更有用，以便之后科学家们使用。此前，DeepMind公布了第一版AlphaFold足够多的技术细节，让科学家们复制这个AI预测的方法。

　　目前，DeepMind还没有公开关于AlphaFold2的更多技术细节，和未来知识共享的计划。但这个全新的AI模型已经让科学界和科技圈激动不已。

　　过去几年，DeepMind靠旗下的电竞AIAlphaStar和围棋AIAlphaGo「出圈」。它们在《星际争霸》和围棋策略游戏中碾压了职业玩家。而现在，DeepMind似乎要「毕业」了，不只在游戏中证明自己的智慧，开始解决具有现实世界意义的科学问题。而这些问题，生死攸关。

　　王立铭教授幻想了这样一个场景：「一名癌症患者找到医生，医生测定了他体内肿瘤细胞的基因序列，发现他体内某一个特殊蛋白质发生了变异，因此导致了癌症。同时，医生还能对这种特殊蛋白质进行结构预测，有针对性地设计一个药物与之结合，破坏其功能，从而治疗癌症。所有这一切只需要几天时间。」在未来，疾病的诊断和治疗将变得高度个性化。

　　更重要的，AI介入医学让救治变得更高效，其实也在颠覆人类认识科学的方式。

　　通过「暴力」训练，前几年的AlphaGoZero甚至可以做到，只需要知道围棋的基本规则，比如怎么吃子、怎么判断胜负，就可以在完全无视人类所有经验的条件下学成绝技。人类之前在小样本中归纳、演绎、总结再实践的过程被颠覆了，现在是这些经验有时候并非完全必需，只要有足够多数据，AI就能直接算出结果。

　　「只要那些复杂问题需要巨大的组合空间搜索能力才能解决；具有需要优化的明确目标函数；具有大量数据或者具有一个准确有效的模拟方法。」AlphaFold2研究团队说道，「那它们就能被AI一一破解。」