只需一步,快速开始
短信验证,便捷登录
军衔等级:
四级军士长
Janice N-1 Life创始人: AlphaFold2出现就一骑绝尘,把其他对手都甩在了后面。我觉得对大家是一种彻底震惊的感觉,完全没有想到AlphaFold2已经可以达到这样一个高度。
John Jumper DeepMind人工智能实验室总监: 十年后,AlphaFold将被视为打开机器学习洪流的时刻,它将真正改变大家对结构生物学和更广泛的生物知识题的思考方式。
车兴 YDS Pharmatech创始人兼CEO: 所有AI在制药领域应用的最大障碍,还是对实验需求和对科知识题的理解。 因为大家领域没有开发自己新的架构,这些LM、Transformer、 Diffusion 其实都是NLP、 CV等领域开发出来的,最终应用取决于大家要在实验上达到的目标,再去配合合适的技术来实现。
Demis Hassabis GOOGLEDeepMind首席实行官: 我认为AlphaFold是大家迄今为止构建的最复杂且可能最有意义的系统,大家建立AlphaGo和Alpha Zero的初衷,就是为通用学习系统奠定基础,并将其应用于现实世界的挑战,我热衷于科学挑战,比如蛋白质折叠,而AlphaFold当然是大家在这方面的第一个重要成果。
Randy Schekman 2013年诺贝尔生理学或医学奖得主: 它会对传统研究产生颠覆性的影响,但进步的本质就是颠覆,所以这并不可怕。相反,大家需要拥抱这种创新。 AlphaFold的影响是巨大的,唯一的限制就在于人的想象力——如何实现它、如何部署它。 但我并不认为从此大家就不需要做实验,实验仍然是推动科学进步的基础,但AlphaFold肯定会帮助大家更好地所有生成的数据。
Janice N-1 Life创始人: ESMFold在早期的时候有非常多的优点,比如计算速度比较快。另外,它的数据库早期非常开源。
车兴 YDS Pharmatech创始人兼CEO: David Baker组之前出过很多Diffusion做蛋白设计的,对于计算领域来说特别ground breaking(开创性的)。 因为以前计算领域没有这些工具,现在不但有了,还能有一定的成功率,所以大家都认为非常好。
Randy Schekman 2013年诺贝尔生理学或医学奖得主: 这尤其体现在David Baker取得进展的领域:他正在使用人工智能设计自然界中从未存在过的蛋白质,通过设计它们来催化制药行业。 之前,但这些反应通常效率低下且涉及有毒物质,而通过设计蛋白质来催化这些反应,或者设计用于疫苗研发的新分子,或应用于药物开发的新药分子。 这种基于人工智能算法的设计原则,在生产蛋白质或其他分子中的应用,无疑是未来的发展方向,其重要性将不断提高。
Janice N-1 Life创始人: 因为David Baker团队是科学家而非工程师出身,所以模型里面融入的生物学的理解和对于结构的理解是更深入的。 这是独一无二的,而且可能是全世界最好的。
Janice N-1 Life创始人: RoseTTAFold甚至可以在普通的GPU上进行计算,但是AlphaFold必须用最好的A100来做。
Janice N-1 Life创始人: 现在在斯坦福的一些实验室里面还保留着当时的计算机——特别大,而且都是本地的计算机,实验室里有谁需要用这个工具,都只能去那个特定的计算机去尝试。所以是当时那个时代非常先进的成果。
Janice N-1 Life创始人: AlphaFold出现是一个很重要、划时代的分水岭,这个时候大家就开始把所有很相对成熟很多的这些 AI 的工具用到生物医药里面。 它不仅仅是堆叠各种数据,尝试在数据里面去找到它的规律,而更多的是有预测性的功能,所以从2020年开始一直到现在,其实时间并不长,但是现在模型迭代非常快,进入了AI助力生命医学和药物发现的新时代。
Janice N-1 Life创始人: 这时候人就已经跟不上机器的速度。对于科学家来讲,现在大家要尝试去理解并不是每个环节都要有结论,因为就算有结论也不一定是正确的,在化学生物界很难去证实,大家都是在不断的证伪,产生了很多假设。 这些假设将引导大家走向不同的研究方向,但有时设计的药物、采取的途径可能并不正确,这也是生物医药领域之所以困难的原因之一。 在这种情况下,AI可以不用管中间的过程、直接为大家提供一个结果,而且准确率正不断提升,所以我觉得完全是一个新时代。
Janice N-1 Life创始人: Alphafold 1的时候,用的还是传统的解题思路,但是AlphaFold 2就跳过了这一块,直接去用深度神经网络预测了蛋白质的结构。 在蛋白质预测领域,除了GOOGLE外还有其他企业也在构建类似的大型模型。例如Meta的ESM Fold、David Baker团队的Rosetta Fold都是竞争对手。 然而到了AlphaFold 3的时代,其准确度已经远远超过了其他模型,所以GOOGLE给到的那么多资源支撑,确实让他们在领域内领先了。
车兴 YDS Pharmatech创始人兼CEO: 在ChatGPT出来前,大家探索了纯用RL和基于图的方法,发现成功率较低,且计算成本比较高。 后来ChatGPT太成功了,吸引了大家的注意。加上大家之前尝试的其他技术路径,都存在一些不尽如人意的地方。 大家的AI案例主要关注自然语言处理(NLP),在了解ChatGPT的方法后,大家就能够更好地应用它,这也是大家技术传承和积累的结果。
Randy Schekman 2013年诺贝尔生理学或医学奖得主: AI正被用于评估当前生成的大量数据,这还只是开始,因此其中蕴藏着许多机会。
张璐 Fusion Fund创始合伙人: 人类社会产生的数据大约30%是与医疗保健相关的,在这30%的数据中,目前只有5%得到了有价值的分析。 这就像一个尚未开发的金矿,大家还没挖掘出它的真正价值。现在,人们终于开始尝试学习并应用新技术,吸引最优秀的人才和资源,推动不同的创新,这些创新会涉及到计算生物学、数字生物学和合成生物学。
举报本楼
发表回复 回帖后跳转到最后一页
版规|手机版|C114 ( 沪ICP备12002291号-1 )|联系大家 |网站地图
GMT+8, 2024-12-25 14:35 , Processed in 0.581906 second(s), 17 queries , Gzip On.
Copyright © 1999-2023 C114 All Rights Reserved
Discuz Licensed