Demis Hassabis 是 DeepMind 的首席执行官兼联合创始人，他与 Lex Fridman 就人工智能进行了精彩的交谈。
DeepMind 用围棋击败了最优秀的人类棋手，他们还创造了最好的国际象棋人工智能。 DeepMind 还创建了解决蛋白质折叠问题的 AlphaFold 2。
由于高等数学和微积分对物理学的进步至关重要，因此人工智能似乎能够加速生物学的发展。
下面自然杂志上的一篇文章描述了 Alphafold 2 的影响和当前限制。Alphafold 2 和研究人员需要共同努力测试更多的蛋白质并生成更多数据。 更多数据将有助于提高 Alphafold 2 及其预测准确性。
仍有工作要做，但这正在改善使用蛋白质的药物发现，它可以帮助解决设计蛋白质可能面临的五个重大挑战。
看起来 DeepMind 软件作为具有大量数据和复杂性的领域的工具非常强大。
他们还能够使用它来预测如何调整磁场以包含用于核聚变的等离子体。
上图——人体核孔复合体的俯视图，这是人体细胞中最大的分子机器。 图片来源：Agnieszka Obarska-Kosinska
Nature – AlphaFold 和 AI 蛋白质折叠革命的下一步是什么。
可以预测蛋白质 3D 形状的 DeepMind 软件已经在改变生物学。
十多年来，分子生物学家 Martin Beck 和他的同事一直试图拼凑出世界上最难的拼图游戏之一：人类细胞中最大分子机器的详细模型。
这种被称为核孔复合体的庞然大物控制着分子进出细胞核的流动，也就是基因组所在的地方。 每个细胞中都存在数百个这样的复合物。 每个都由超过 1,000 种蛋白质组成，这些蛋白质在穿过核膜的孔周围形成环。
这 1,000 块拼图由 30 多种蛋白质构建块组成，这些蛋白质构建块以多种方式交织在一起。 让这个谜题变得更加困难的是，这些构建块的实验确定的 3D 形状是从许多物种中收集的结构的杂烩，所以不要总是很好地融合在一起。 拼图盒子上的图片——核孔复合体的低分辨率 3D 视图——缺乏足够的细节来知道有多少部分精确地组合在一起。
2021 年 2 月，谷歌母公司 Alphabet 旗下的 DeepMind 公开了一款名为 AlphaFold3 的人工智能 (AI) 工具。 该软件可以从蛋白质的基因序列中预测蛋白质的 XNUMXD 形状，并且在很大程度上具有精确度。
在某些情况下，人工智能为科学家节省了时间； 在其他情况下，它使以前难以想象或非常不切实际的研究成为可能。 它有局限性，一些科学家发现它的预测对于他们的工作来说太不可靠了。 但实验的步伐是狂热的。
15 年 2021 月 2 日，出现了描述 RoseTTAFold 和 AlphaFold2 的论文，以及免费提供的开源代码和专家运行他们自己的工具版本所需的其他信息。 一周后，DeepMind 宣布它已经使用 AlphaFold 预测了人类制造的几乎所有蛋白质的结构，以及其他 20 种广泛研究的生物体的整个“蛋白质组”，例如小鼠和大肠杆菌——超过 365,000共结构。
今年，DeepMind 计划发布总计超过 100 亿个结构预测。 这几乎是所有已知蛋白质的一半，是蛋白质数据库 (PDB) 结构库中实验确定的蛋白质数量的数百倍。
Brian Wang 是一位未来主义思想领袖，也是一位每月拥有 1 万读者的热门科学博主。 他的博客 Nextbigfuture.com 在科学新闻博客中排名第一。 它涵盖了许多颠覆性技术和趋势，包括空间、机器人、人工智能、医学、抗衰老生物技术和纳米技术。
他以识别尖端技术而闻名，目前是一家初创公司的联合创始人，并为高潜力的早期公司筹集资金。 他是深度技术投资的分配研究负责人，也是 Space Angels 的天使投资人。
他经常在公司发表演讲，曾是 TEDx 演讲者、奇点大学演讲者和众多广播和播客采访的嘉宾。 他对公开演讲和咨询活动持开放态度。
