AlphaFold在預測蛋白質結構中脫穎而出

得益于游戲中釋放的AI，玩家可以鼓掌，說出諸如Whoo之類的字眼，在桌上敲打塑料刀，并享受以人工智能為主要角色的最佳周末。

英國《連線》雜志的科學編輯馬特·雷諾茲(Matt Reynolds)考察了DeepMind對AI里程碑的影響：“它超越了圍棋冠軍，擊敗了專業的星際爭霸玩家，并將注意力轉移到了象棋和將棋上。”

讓游戲繼續進行，但是嚴肅的東西必須嚴肅地發光。簡而言之，我們值得欽佩的是，得益于DeepMind的研究，釋放用于科學發現目的的AI尤其活躍。

技術觀察者本周在研究報告中發表了評論，這些研究報告展示了AI的優勢。“隨著AI成為一個成熟的領域(并且已經用盡了眾多的視頻游戲來征服)，它的更多成就可能會是這樣的：重要研究領域的扎實改進。”

發表在《自然》雜志上的一篇研究論文作為關于如何使用AI來預測蛋白質折疊的論文，立即成為新聞。VentureBeat提到了難以實現的艱巨挑戰。

該文章是“利用深度學習的潛力改進了蛋白質結構的預測”，該文章于12月15日在線發表在《自然》雜志上。

DeepMind系統稱為AlphaFold。雷諾茲對AlphaFold和數據集有一個有趣的注解：“蛋白質折疊領域也為訓練人工智能制劑提供了良好的條件。它具有一個龐大的數據集-蛋白質數據庫，該蛋白質庫是3-D結構和150,000種蛋白質被用于訓練DeepMind的蛋白質結構預測系統AlphaFold。”

本文探討了DeepMind迄今為止在使用AI預測蛋白質折疊方面的成就。正如Vox的 Kelsey Piper所說，關于蛋白質折疊的重大問題是，這是“開發新藥的關鍵問題”。

DeepMind團隊的三個人，即Andrew Andrew，John Jumper和Demis Hassabis，在1月15