以非結構化資料作為資料基礎、以 AI 作為計算手段。
還想閉門造車？還想閉關鎖邦？還想原地踏步？不怕被整個時代淘汰？不怕被世界恥笑？
約翰·江珀，跟我名字發音相似。
2021年自然科學領域十大人物，“阿爾法折疊”程式研究團隊負責人約翰·江珀入選。
你或許不認識江泊，他公司人均年薪400萬、年度虧損50億，它還想要領跑人工智能的未來十幾年。
“學術界有相當多的悲觀情緒。如果有人已經解決了你正在處理的問題，但沒有透露他們是如何解決的，那麼你該如何繼續解決這個問題呢？”
研發“阿爾法折疊”程式是一個毀滅和重生的過程。2018年，該研究團隊震驚了對預測蛋白質結構感興趣的一小群科學家。在兩年一次的“蛋白質結構預測關鍵評估”競賽中，“阿爾法折疊”程式的一個早期版本在通過蛋白質的序列确定其形狀方面勝過了所有其他計算工具。
但當時擔任該團隊負責人之一的江珀說，盡管獲勝，“阿爾法折疊”程式并沒有做出足夠詳細的預測。為改善其表現而進行的努力碰了壁。是以，研究人員決定從頭開始。“深層思維”公司的人工智能科學部門負責人普什米特·科利說：“不得不扔掉一切。”科利說，江珀在作出重新開始的決定時發揮了關鍵作用，并堅持下來，盡管“阿爾法折疊2”早期版本的表現比其前身糟糕得多。
“深度思維”公司戴密斯·哈薩比斯博士和約翰·江珀博士上司的團隊設計的“阿爾法折疊”人工智能系統，成功破解了生物學50年來的重大難題——蛋白折疊問題，
該研究能根據蛋白質的氨基酸序列精确地預測其三維結構，有望助力藥物設計以及對細胞過程的根本了解等多個領域，具有巨大的前景。
冰凍三尺非一日之寒。2016 年 DeepMind 就已在用 AI 去解決蛋白質折疊問題。
該算法的靈感來自于生物學、實體學和機器學習領域。蛋白質由許多氨基酸折疊構成，且具有明顯的三維結構，而 AlphaFold 有能力解析三維結構中的氨基酸殘基序列。
DeepMind 本次開源會給整個生态帶來深遠影響。對行業開發者來說，AlphaFold2 提供了強大的蛋白質預測和分析工具。對生物領域的學者來說，其好處在于降低了從業門檻。确定蛋白質結構往往要依賴很先進的裝置，比如鼎鼎大名的冷凍電鏡等(一般冷凍電鏡要好幾百萬美元，折合人民币要四千萬元，配置高的會更貴，還隻能進口)。但不是每個大學或機構都有這樣的财力或物力。
在這種情況下 AlphaFold2 就可以大顯身手，通過計算機的精确模拟，不僅能提供相對可靠的預測結果，同時預測速度還非常快。進而讓更多科研團體或個人，去從事此前可能無條件做的蛋白質相關研究。
AlphaFold 系列算法同樣代表着人類對此方向的追求，其包括在算法上訓練如何破解蛋白質結構和驗證晶體結構等。機器掌握住規律之後，就能不知疲倦地工作。這項成果之是以比較轟動，是因為生醫領域内公認的長期性難題終于迎來重量級突破。而此次開源，也意味着 DeepMind 希望在藥物發現等領域，為科學界提供更加觸手可及的研究機會。
John Jumper, based in London, is a senior research scientist at DeepMind Technologies. John Jumper and his colleagues at DeepMind in London 2021 released AlphaFold, which uses artificial intelligence (AI) to predict protein structures with stunning accuracy. John Jumper recently stated that in the coming months, the AlphaFold team plans to release 100 million protein structures. The scientific journal Nature included John Jumper as one of the ten "people who mattered" in science in their annual listing of Nature's 10 2021.#黃劍博采風追影 ，#皇氏古建築大全 , #JumboHuang, #JumboHeritageList
