2017年5月，一場舉世矚目的人機大戰正式打響，圍棋界人類世界第一的柯潔迎接人工智能AlphaGo的挑戰。雙方大戰了三場，最終AlphaGo三戰全勝，在圍棋領域攻克了人類的最後一道防線。
毫無疑問，人工智能已經逐漸走進我們的生活，並且在很多領域大有替代人力的趨勢。你可能會好奇：人工智能再會下圍棋又能怎麼樣？實際上，下圍棋只是對人工智能的一次測試和展示。憑藉着強大的機器學習能力和運算能力，它們能夠大展才華的空間將會非常廣闊。
這不，隸屬於Google的DeepMind公司不僅開發了AlphaGo攻克了圍棋，還開發了Alphastar攻克了電競，不止一次用他們開發出驚人的神經網絡讓全世界人歎為觀止。如今，這家總部位於英國的公司，又開始進軍生物醫學領域，甚至攻克了科學家們認為人力還需要幾十年才能拿下的難題，那就是蛋白質摺疊的問題。
大約在50年前，科學家們就開始思考蛋白質如何構建其複雜的三維結構的。
我們知道，氨基酸是蛋白質的最基本單元，它們之間的結合會形成肽鏈，而肽鏈本身或者通過結合就能形成蛋白質。由肽鏈構成的蛋白質會從無規則的捲曲狀定向摺疊為特定的結構，從而實現生物體所需要完成的功能。而這個摺疊過程，一直是科學家們非常好奇的問題。
然而生物體和蛋白質的複雜程度無愧於宇宙奇蹟的稱號，其中可能出現的情況是一個天文數字，研究人員甚至曾經悲觀地認為：如果想要對所有可能的分子排列進行計算的話，花費的時間可能都已經超過了宇宙的年齡。
即便如此，科學家們也沒有知難而退，反而選擇了迎難而上，因為一旦成功瞭解了蛋白質摺疊的方式，將會給人類帶來巨大的好處。憑藉着對蛋白質摺疊方式的破解，科學家未來將可以更快地研發一些藥物，也可以更高效地進行疾病建模。因此，這項研究給人類帶來的利益不可限量。
科學家們深知其中的好處，所以即使面臨着重重困難，他們依然堅持不懈地進行着這項研究。
上個世紀90年代，科學家們展開了一項名為蛋白質結構預測關鍵評估（Critical Assessment of protein Structure Prediction，CASP）的項目，其主要目的就是通過挑戰賽的模式，促進科學家們設計出一套能夠預測蛋白質摺疊的複雜系統，解決這個困擾了人類數十年的難題。
如今，在科學家們還艱苦卓絕進行研究和分析的時候，DeepMind公司開發的人工智能系統——AlphaFold已經取得了重大的突破。它以前所未有的精確度，完成了對蛋白質三維結構的預測，替科學家們完成了一次重大成果。人工智能向世界證明：我不僅遊戲玩得比你們好，科研也碾壓人類！
來自馬里蘭大學的John Moult是CASP的聯合創始人，他對此評價説：“關於蛋白質如何摺疊的問題，我們已經被困擾近50年的時間了。我個人為了這個問題耗費了大量心血，這麼多年以來不斷地暫停和重啓，甚至都不知道能否完成這項工作。如今看到DeepMind提供了一個解決該問題的方案，的確是一個非常特殊的時刻。”
和AlphaGo分析了大量人類對弈後學習圍棋技術去挑戰柯潔一樣，AlphaFold也是通過機器學習的方式完成這項工作的。研究人員給它輸入了包含約17萬個蛋白質結構的數據庫以供學習、分析，然後去參加了今年的CASP挑戰賽。
在這次比賽中，AlphaFold的表現超過了預期，其總體中位數得分高達92.4 GDT。這個指標是衡量預測準確性的標準，滿分為100分，而通過正常的實驗所能獲得的比較有競爭力的分數也只有90 GDT，可見AlphaFold的實力的確非常強。確切地説，AlphaFold預測的蛋白質結構偏差只有1.6埃，而這個長度大約也就是一個原子的直徑而已。
來自歐洲分子生物學實驗室的基因組學研究人員Ewan Birney驚歎地説：“在看到這個結果的時候，我幾乎從椅子上摔了下來。我知道CASP有多麼嚴苛，它基本上要求計算模型必須挑戰從0開始一直到蛋白質摺疊的任務。看到這些模型能夠以這樣的精確度完成模擬，我真的特別服氣。雖然還有很多方面需要去理解，但這絕對是科學的一次重大突破。”
需要提及的是，關於AlphaFold和它的模擬過程的研究目前還沒有正式經過同行的評審以及科學雜誌的發表，DeepMind的相關團隊表示他們正在進行這方面的工作。不過這絲毫不影響AlphaFold給科學家們帶來震撼，尤其是該領域的專家們，即使沒有看到正式的論文或報告，也仍然給予了極高的評價。
（圖片説明：開發人員正在利用AlphaFold進行蛋白質摺疊模擬）
英國皇家學會主席、結構生物學家Venki Ramakrishnan就表示説：“在蛋白質摺疊領域，這項計算性的工作取得了驚人的突破，而按照相關領域的專業人士推測，這樣的成就原本可能在幾十年後才有可能實現。”
在我們普通人擔心被人工智能搶工作的今天，連科學家們都面臨着人工智能的挑戰。憑藉着強大的計算能力，人工智能確實可以在很大程度上彌補人類的不足。
未來我們真的會被人工智能取代，把工作完全交給它們來做嗎？每一個人都有自己的看法，不過我認為短時間內不會出現這麼極端的情況。也許在未來，人類和人工智能的互相配合和取長補短，才是更好地發展方向。我們需要人工智能的幫助，人工智能也會需要我們人類。