Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
感謝大劉精闢的解釋！從這隻影片中得到的最大啟示是，如果要從AI中獲得有用的產出，人類早期大量高品質的鑽研成果十分重要。如果沒有大量高品質的訓練資料，AlphaFold可能也無法如此成功。可以預測AI的下一個引爆點，也會發生在擁有大量大量高品質資料的地方。
大刘和团队确实对新技术动态有跟踪，而且可以在短时间内了解掌握相关技术并达到一定的深度，这是比较难得的技术型主播，能与大刘竞争的主播也比较少。
解釋得簡潔清晰易懂! 讚一個!
文案写的相当棒
補充一下，蛋白質的折疊在不同環境中(尤其是ph值)會有不同的折疊形狀生物就是利用這項機制在身理環境發生改變時啟動不同生理機制例如運動會產生乳酸，讓細胞內ph值降低，進而讓原本沒在作用的蛋白質改變形狀開始參予一系列化學反應而部分遺傳性疾病則是dna製造出形狀不正確的蛋白質(常是因為其中幾個氨基酸不對)，讓這些蛋白質沒辦法正常發揮作用甚至完全無用所以蛋白質不會有什麼"錯誤"的折疊形狀，而是環境不同改變了它的折疊形狀蛋白質在固定環境下有且只有唯一的折疊形狀
我沒有學生物可是 Prion 不是就是錯誤折疊的蛋白質嗎？
@@joshuachan6317是但對我而言與其說錯誤不錯誤唯一不唯一的摺疊，我會說就是熱力學上系統演變的結果，在這情況下就是物理化學統計上的結果，所以會有極端的存在也就是錯誤，多或少而已。但生物本身有機制在移除這些錯誤蛋白，所以我們才沒那麼脆弱。既然只是熱力學上的結果，那很遺憾的存在熱力學上很穩定的結構但對人類是有害的，而 prion 就是這樣的 case，而 prion 把正常的 protein 也轉為 prion 就是因為他們差異不大，轉換成的 prion 甚至可能比 正常protein還穩定
@@joshuachan6317基本上就是影片10分鍾開始的內容
@@zohar6006 这个说法不确切，存在蛋白misfolding是普遍接受的观点。大刘也提到了folding funnel的概念，但是没讲清，依照该假说，蛋白总是自发的落入一个能量的相对低点，一个能量陷阱中，并且动力学上无法逃脱。misfolding是落入了不正确的能量陷阱当中，蛋白不能正常执行生理功能。具体到阮病毒就是一个更加低的热力学热力学稳定点，但是正常蛋白PrP的折叠途径不会让自己落入这个能量陷阱，除非被之前已经落入这个能量陷阱的“错误折叠蛋白”催化其折叠过程。
@@hahabcdzzz123-df5en 固定環境下不一定只有唯一的折疊形狀 folding funnel的模型也不一定准确，我们教授说也会存在类似两个独立的funnel的可能。我不知道是哪篇paper的实验证明，不过单纯chaperone的研究就能证明环境和一级结构相同肯定不是决定三级结构的绝对因素。
一. 什么是自注意力机制(self-attention Mechanism)？自注意力机制的核心思想是：每个输入元素（如单词、氨基酸）都可以通过与序列中所有其他元素的相关性进行“加权求和”，从而获得一个上下文丰富的表示。这样，模型能够更好地理解输入数据中长距离的依赖关系。二. 自注意力机制具体步骤：(1) 输入嵌入（Embedding）： 输入序列中的每个元素（如字或氨基酸残基）首先通过嵌入层转换为向量表示。(2) 生成查询（Q）、键（K）和值（V）矩阵： 对输入嵌入进行线性变换，分别生成 Query（查询）、Key（键）、Value（值）三个矩阵。(3) 计算注意力得分： 通过 Query 和 Key 之间的点积来计算不同元素之间的相似度（即注意力得分）。然后将注意力得分进行归一化（通常使用 Softmax 函数），以确保所有得分加起来为 1。(4) 加权求和： 最后，将每个元素的 Value 向量按照注意力得分进行加权求和，得到该元素的最终表示。三. Transformer 中的自注意力机制Transformer 中的自注意力机制用于自然语言处理任务。它通过捕捉句子中单词之间的长距离依赖关系，改进了机器翻译、文本生成等任务。(1) 多头注意力（Multi-Head Attention）： Transformer 通过将自注意力机制复制多次（每次使用不同的线性变换）来捕捉不同类型的关系，最终将这些结果进行拼接。(1) 位置编码（Positional Encoding）： 因为自注意力机制不保留序列位置信息，Transformer 通过位置编码添加序列的位置信息，使模型能够区分输入元素的顺序。四. AlphaFold 2 中的自注意力机制在 AlphaFold 2 中，自注意力机制被用于理解蛋白质的氨基酸序列和三维结构之间的复杂依赖关系。(1) 序列间注意力（Inter-Sequence Attention）： AlphaFold 2 使用自注意力机制来分析蛋白质序列中不同氨基酸残基之间的关系。与语言处理中的单词相似，氨基酸序列中的残基也具有复杂的相互依赖性。(1) 结构信息的融合： 除了处理线性序列的注意力，AlphaFold 2 还结合了蛋白质的空间结构信息，以更好地预测其折叠形态。这种对序列和结构信息的整合，使得自注意力机制在 AlphaFold 2 中能够更精准地预测残基之间的三维关系。
这种拿各种模型搭模型的AI的文章，可以说一大把，看看GNN的文章吧。这种文章跟 之前Nobel 奖的独创性，怎么比？
用ＡＩ解决化学问题而得化学奖听上去合理，但如果说因为某ＡＩ成果是受到物理学的启发而让ＡＩ得物理奖听上去就很牵强。。。假如哪天ＡＩ科学家说他的重大贡献是因为某本文学作品的启发和鼓舞，是不是也要将诺贝尔文学奖也发给ＡＩ呢？
反了吧，物理学奖是奖励发现“智能”这一物理现象的物理原理。无数无意识神经元可以涌现智能，就像无数的按概率分布运行的量子可以涌现确定性的宏观力学一样是伟大的物理发现。
AI只是研究工具，用來加速研究的進程為啥你會覺得不能頒獎給發明劃時代科研方法或工具的人？民間傳說牛頓被蘋果砸了發現萬有引力，用你的邏輯就是應該認為蘋果才是發現萬有引力的？
确实是解决了效率问题，而带来的意义个人觉得还是很大的。好多生物学家每天做的工作就是某种蛋白质的提纯，测序，和测结构，完成了就是成就
@@awesomegmg956现在的AI 哪有智能？ 只不过在扒数据 罢了。没劲，一堆AGI骗子。
你说对了，应该把物理学奖发给文学作品，比如西游记，红楼梦
创造性的知识必须人类来完成。
蛋白质折叠确实可以拿诺奖，但是不应该是这几个人。David Baker 没有什么理论贡献，堆资源而已。 Deepmind 在他们发表的论文中故意去掉了他们参考的最重要的文献。也就是google财大气粗，才可以这么无耻。初稿是有这个文献引用的，被人challenge 了以后干脆不提了。宣布获奖名单的时候，CASP 的负责人估计眼珠子都掉了。他最清楚这么多年的发展谁做出了开创性的贡献
所以谁是在David Baker之前做出的开创性研究呢 我知道他之前确实有很多人 但是不清楚具体是谁 会不会是太老了已经去世了
獎勵買到彩卷號碼的人，很合理，獎勵制度就是成果論。
@@tangtienji 非常幼稚的观点。不值一驳
@@lumanliu8457 这个领域很新。人都还在。
扯什么鸟淡。Baker只是堆资源？他当时一个刚入门的新人，谁会给他资源？ 不懂就闭上你的鸟嘴
對深度渴望了解的小白，期待你有一個有很多圖的影片。
获益匪浅 谢谢
解釋的很精彩
我刚出国那会儿生物还是天坑专业，随着工具的进步AI, 量子计算机可以大大加速生物科学了。
应该介绍 AlphaFold 3 吧？
谷歌的AI主要研究在人類的生產力上，在娛樂方面比較少，所以知名度反而沒有ChatGPT大。
前面的高山还很多，比如不同蛋白质分子是如何彼此相互作用从而形成某种特定生理功能的？
从最基本的物理化学机制到生物学机制甚至是意识机制，这是人类的终极目标
现在的生物学都错了，人类永远不会懂这个问题的
AI就是一个工具！大刘还是一个工科生，还是应该多看看哲学方面的书。
你说得没错，科学成果和技术工具都是学哲学的文科生搞出来的
谢谢大刘，可以讲的如此简单，台下一定下了功夫，先赞后看
最近我在思考AI可以與人類語言溝通，但是人類語言如何轉換成機器手臂聽得懂的語言呢？與chatgpt問答之後竟發現英文語法規則，就是現成的機器手臂聽得懂的語言。我將製作一個視頻，闡述與與chatgpt問答的過程，最後寫程式，讓人類與機器手臂溝 。我的頻道是 grammarai。對了，英文語法規則也必須透過AI轉換成 dependency tree structure，當然也是經由transformer訓練來的，如Spacy庫。
Very nice!!!
虽然听不懂，还是给你点赞留言，
原来显得神秘的东西，在阿尔法折叠面前成了简单的日常操作了，所以有人“肉身回国”了。
十一公+颜宁？
之所以可以预测出折叠出的蛋白质结构，说明一切都是相关的
蛋白质就像乐高，DNA就像图纸，生命就像拼乐高😂
生得太早，答案太少系列。
敲碗「硅基生物」！
總算搞懂為什麼這次諾貝爾化學獎跟AI有關係。AI 真的幫人類省了一大段的彎路與時間。類比的話大概就是上個世紀電腦計算機出現解放了人類算力吧~
曾经说过，同样水平的科学家，一个有好的AI工具，一个没有，那么他们的成果会相差N倍。AI暂时还不能代替人，但是作为工具，作用相当大。效率的提高太惊人了。不知道，星舰的研制过程，有没有AI的帮助。
其实AI已经发现了可以灭绝人类的病毒蛋白质的折叠方法
预测的对错谁来证明？
一般而言，目前是使用統計交叉結果反推驗證可重複之可靠性。亦即用大樣本反覆推導，得知結果的正確性，會趨近於99.999%。但這就表明，我們可以幾乎相信結果是正確的，但我們無從得知中間的過程。這也是現代計算機輔助必須克服的神山。
这很简单，通过试验方法可以测定结构
在蛋白质结构预测领域，AlphaFold 2 是一个革命性的人工智能模型，它通过深度学习和先进的注意力机制，能够准确预测蛋白质的三维结构。以下是 AlphaFold 2 在这一领域的应用细节：1. 输入类型：AlphaFold 2 接受氨基酸序列和结构信息作为输入，这些信息是蛋白质结构预测的基础。2. 关注的依赖关系：模型特别关注蛋白质中不同氨基酸残基之间的依赖关系，这些关系对于理解蛋白质的三维结构至关重要。3. 注意力类型：(A)序列间注意力（Inter-Sequence Attention）：AlphaFold 2 使用自注意力机制来分析蛋白质序列中不同氨基酸残基之间的关系，类似于语言处理中的单词相互依赖性。(B)结构信息的融合：AlphaFold 2 结合了蛋白质的空间结构信息，以更准确地预测其折叠形态。4. 位置信息处理：AlphaFold 2 利用蛋白质的空间结构信息，这包括氨基酸残基在三维空间中的位置。5. 多头注意力的应用：AlphaFold 2 不仅使用自注意力机制来处理序列，还将其应用于残基的空间位置，这有助于理解蛋白质的复杂结构。6. 模型优化目标：AlphaFold 2 的主要目标是预测蛋白质的三维结构，这是生物学和药物设计中的关键步骤。7. 计算复杂性：处理氨基酸序列及其三维结构的计算复杂性较高，但 AlphaFold 2 通过其先进的算法有效地处理了这一挑战。8. 输入序列长度：蛋白质序列通常较长，可能涉及数百到上千个氨基酸残基，AlphaFold 2 能够处理这些长序列。9. 实际效果：AlphaFold 2 提升了蛋白质折叠预测的准确性，为生物领域带来了革命性的进展。10. 相互关系：AlphaFold 2 将自注意力机制应用到氨基酸序列中，并通过结合蛋白质的三维结构信息，在生物信息学领域实现了突破性进展。11. 总的来说，AlphaFold 2 通过其创新的深度学习架构和注意力机制，为蛋白质结构预测领域提供了一个强大的工具，这对于理解蛋白质功能和开发新药具有重要意义。
没看出来AlphaFold2哪里是大家之前不知道的。。。这是工程类的贡献，不是科学类的贡献。
❤❤❤❤❤
太硬核了
人的灵魂能不能存储在DNA上
灵魂? What is that? can you materialize it? bodily formed?
有些鸟类一出生就知道生存技能。鸟是卵生动物，信息是怎样传导的到蛋里的。会不会，直接就是在DNA上传导。因为DNA可以存大量信息。
诺贝尔奖评委会充满了LGBT思想啊，科学奖也搞大串门。
这个诺奖没问题，有很大的帮助。但是从蛋白序列到高精度的三维结构还很遥远，现有预测精度不足以指导蛋白药物相互作用或者蛋白蛋白相互作用，依然需要结晶数据作为设计起点。
AI只有文本预测，没有跳跃逻辑
大牛，你怎么知道这么多？
估计AlphaFold3/4/5也是可以应用在室温超导 🤨
如此复杂的过程绝不是上帝能干得出来的
生物就是由蛋白质构成的一个晶体。原理就好象氯化钠构成的晶体一样。
是你能干的？
诺贝尔虽然权威，但是我国不应该跟着诺贝尔走，不应该与西方的标准，主席应该新成立一个奖项，和诺贝尔竞争，让我们国家的科学家在主席的周围能够获取此奖项，并且媲美诺贝尔奖，这样中国的科学才能真正的进步，而不被西方资本主义跑偏
就叫习近平思想
是啊 我们应该抵制西方的半导体、原子弹、工业标准什么的，如同习主席那样强调两百斤不换肩的强健身体和与天斗的太平天国肉体不死的精神😂
是的，我们应该建立自己的科学体系，从基础开始，包括但不限于1+1=8.5，让现代文明无所适从
不知道，我们今年能不能获奖。我特别关注的是物理学奖，中国如果哪天得到了，就真的是牛。而不是只在生物和文学奖上偶尔得过。反观日本人拿物理学奖，就象玩似的，几乎届届得。
蛋白质折叠这个课题，我在四年前就知道了，只是没有想到，最近几年竟有人用ai让这研发技术进行了大进展，真了不起。
完全就是在走大英帝国当年倒下的道路。大英上世纪初也是这样的。似乎科技还很领先，飞机比赛，发动机，战列巡洋舰，都 很领先。有点全局观历史观。
@@oreo6242 不知道你是什么意思？！
@@oreo6242 我认为诺奖，含金量最高的就是物理奖，其次是化学奖，很可惜，中国到现在，这两奖都没有人得到。而日本几乎届届都有人得，这就是中日美之间的技术差距。日本只把一个激光反复折腾，就获得了好几次诺奖。
@@sass2023为什么你认为的就一定是合理的？
人类制造杀人病毒的技术又增强了
是很危险。闹不好人类就这样完蛋了。
👍👍👍🙏🙏🙏
已经成为了屎屁尿奖了。😢
石正丽掌握了基因编辑，可以编辑出武汉肺炎病毒。让这类人掌握AI就更危险了‼️
太好了，又可以搞动态清零了
放你妈屁，这是美国人搞的
感謝大劉精闢的解釋！從這隻影片中得到的最大啟示是，如果要從AI中獲得有用的產出，人類早期大量高品質的鑽研成果十分重要。如果沒有大量高品質的訓練資料，AlphaFold可能也無法如此成功。可以預測AI的下一個引爆點，也會發生在擁有大量大量高品質資料的地方。
大刘和团队确实对新技术动态有跟踪，而且可以在短时间内了解掌握相关技术并达到一定的深度，这是比较难得的技术型主播，能与大刘竞争的主播也比较少。
解釋得簡潔清晰易懂! 讚一個!
文案写的相当棒
補充一下，蛋白質的折疊在不同環境中(尤其是ph值)會有不同的折疊形狀
生物就是利用這項機制在身理環境發生改變時啟動不同生理機制
例如運動會產生乳酸，讓細胞內ph值降低，進而讓原本沒在作用的蛋白質改變形狀開始參予一系列化學反應
而部分遺傳性疾病則是dna製造出形狀不正確的蛋白質(常是因為其中幾個氨基酸不對)，讓這些蛋白質沒辦法正常發揮作用甚至完全無用
所以蛋白質不會有什麼"錯誤"的折疊形狀，而是環境不同改變了它的折疊形狀
蛋白質在固定環境下有且只有唯一的折疊形狀
我沒有學生物
可是 Prion 不是就是錯誤折疊的蛋白質嗎？
@@joshuachan6317是
但對我而言與其說錯誤不錯誤唯一不唯一的摺疊，我會說就是熱力學上系統演變的結果，在這情況下就是物理化學統計上的結果，所以會有極端的存在也就是錯誤，多或少而已。但生物本身有機制在移除這些錯誤蛋白，所以我們才沒那麼脆弱。
既然只是熱力學上的結果，那很遺憾的存在熱力學上很穩定的結構但對人類是有害的，而 prion 就是這樣的 case，而 prion 把正常的 protein 也轉為 prion 就是因為他們差異不大，轉換成的 prion 甚至可能比 正常protein還穩定
@@joshuachan6317基本上就是影片10分鍾開始的內容
@@zohar6006 这个说法不确切，存在蛋白misfolding是普遍接受的观点。大刘也提到了folding funnel的概念，但是没讲清，依照该假说，蛋白总是自发的落入一个能量的相对低点，一个能量陷阱中，并且动力学上无法逃脱。misfolding是落入了不正确的能量陷阱当中，蛋白不能正常执行生理功能。具体到阮病毒就是一个更加低的热力学热力学稳定点，但是正常蛋白PrP的折叠途径不会让自己落入这个能量陷阱，除非被之前已经落入这个能量陷阱的“错误折叠蛋白”催化其折叠过程。
@@hahabcdzzz123-df5en 固定環境下不一定只有唯一的折疊形狀 folding funnel的模型也不一定准确，我们教授说也会存在类似两个独立的funnel的可能。我不知道是哪篇paper的实验证明，不过单纯chaperone的研究就能证明环境和一级结构相同肯定不是决定三级结构的绝对因素。
一. 什么是自注意力机制(self-attention Mechanism)？
自注意力机制的核心思想是：每个输入元素（如单词、氨基酸）都可以通过与序列中所有其他元素的相关性进行“加权求和”，从而获得一个上下文丰富的表示。这样，模型能够更好地理解输入数据中长距离的依赖关系。
二. 自注意力机制具体步骤：
(1) 输入嵌入（Embedding）： 输入序列中的每个元素（如字或氨基酸残基）首先通过嵌入层转换为向量表示。
(2) 生成查询（Q）、键（K）和值（V）矩阵： 对输入嵌入进行线性变换，分别生成 Query（查询）、Key（键）、Value（值）三个矩阵。
(3) 计算注意力得分： 通过 Query 和 Key 之间的点积来计算不同元素之间的相似度（即注意力得分）。然后将注意力得分进行归一化（通常使用 Softmax 函数），以确保所有得分加起来为 1。
(4) 加权求和： 最后，将每个元素的 Value 向量按照注意力得分进行加权求和，得到该元素的最终表示。
三. Transformer 中的自注意力机制
Transformer 中的自注意力机制用于自然语言处理任务。它通过捕捉句子中单词之间的长距离依赖关系，改进了机器翻译、文本生成等任务。
(1) 多头注意力（Multi-Head Attention）： Transformer 通过将自注意力机制复制多次（每次使用不同的线性变换）来捕捉不同类型的关系，最终将这些结果进行拼接。
(1) 位置编码（Positional Encoding）： 因为自注意力机制不保留序列位置信息，Transformer 通过位置编码添加序列的位置信息，使模型能够区分输入元素的顺序。
四. AlphaFold 2 中的自注意力机制
在 AlphaFold 2 中，自注意力机制被用于理解蛋白质的氨基酸序列和三维结构之间的复杂依赖关系。
(1) 序列间注意力（Inter-Sequence Attention）： AlphaFold 2 使用自注意力机制来分析蛋白质序列中不同氨基酸残基之间的关系。与语言处理中的单词相似，氨基酸序列中的残基也具有复杂的相互依赖性。
(1) 结构信息的融合： 除了处理线性序列的注意力，AlphaFold 2 还结合了蛋白质的空间结构信息，以更好地预测其折叠形态。这种对序列和结构信息的整合，使得自注意力机制在 AlphaFold 2 中能够更精准地预测残基之间的三维关系。
这种拿各种模型搭模型的AI的文章，可以说一大把，看看GNN的文章吧。这种文章跟 之前Nobel 奖的独创性，怎么比？
用ＡＩ解决化学问题而得化学奖听上去合理，但如果说因为某ＡＩ成果是受到物理学的启发而让ＡＩ得物理奖听上去就很牵强。。。假如哪天ＡＩ科学家说他的重大贡献是因为某本文学作品的启发和鼓舞，是不是也要将诺贝尔文学奖也发给ＡＩ呢？
反了吧，物理学奖是奖励发现“智能”这一物理现象的物理原理。无数无意识神经元可以涌现智能，就像无数的按概率分布运行的量子可以涌现确定性的宏观力学一样是伟大的物理发现。
AI只是研究工具，用來加速研究的進程
為啥你會覺得不能頒獎給發明劃時代科研方法或工具的人？
民間傳說牛頓被蘋果砸了發現萬有引力，用你的邏輯就是應該認為蘋果才是發現萬有引力的？
确实是解决了效率问题，而带来的意义个人觉得还是很大的。好多生物学家每天做的工作就是某种蛋白质的提纯，测序，和测结构，完成了就是成就
@@awesomegmg956现在的AI 哪有智能？ 只不过在扒数据 罢了。没劲，一堆AGI骗子。
你说对了，应该把物理学奖发给文学作品，比如西游记，红楼梦
创造性的知识必须人类来完成。
蛋白质折叠确实可以拿诺奖，但是不应该是这几个人。David Baker 没有什么理论贡献，堆资源而已。 Deepmind 在他们发表的论文中故意去掉了他们参考的最重要的文献。也就是google财大气粗，才可以这么无耻。初稿是有这个文献引用的，被人challenge 了以后干脆不提了。宣布获奖名单的时候，CASP 的负责人估计眼珠子都掉了。他最清楚这么多年的发展谁做出了开创性的贡献
所以谁是在David Baker之前做出的开创性研究呢 我知道他之前确实有很多人 但是不清楚具体是谁 会不会是太老了已经去世了
獎勵買到彩卷號碼的人，很合理，獎勵制度就是成果論。
@@tangtienji 非常幼稚的观点。不值一驳
@@lumanliu8457 这个领域很新。人都还在。
扯什么鸟淡。Baker只是堆资源？他当时一个刚入门的新人，谁会给他资源？ 不懂就闭上你的鸟嘴
對深度渴望了解的小白，期待你有一個有很多圖的影片。
获益匪浅 谢谢
解釋的很精彩
我刚出国那会儿生物还是天坑专业，随着工具的进步AI, 量子计算机可以大大加速生物科学了。
应该介绍 AlphaFold 3 吧？
谷歌的AI主要研究在人類的生產力上，在娛樂方面比較少，所以知名度反而沒有ChatGPT大。
前面的高山还很多，比如不同蛋白质分子是如何彼此相互作用从而形成某种特定生理功能的？
从最基本的物理化学机制到生物学机制甚至是意识机制，这是人类的终极目标
现在的生物学都错了，人类永远不会懂这个问题的
AI就是一个工具！大刘还是一个工科生，还是应该多看看哲学方面的书。
你说得没错，科学成果和技术工具都是学哲学的文科生搞出来的
谢谢大刘，可以讲的如此简单，台下一定下了功夫，先赞后看
最近我在思考AI可以與人類語言溝通，但是人類語言如何轉換成機器手臂聽得懂的語言呢？與chatgpt問答之後竟發現英文語法規則，就是現成的機器手臂聽得懂的語言。我將製作一個視頻，闡述與與chatgpt問答的過程，最後寫程式，讓人類與機器手臂
溝 。我的頻道是 grammarai。對了，英文語法規則也必須透過AI轉換成 dependency tree structure，當然也是經由transformer訓練來的，如Spacy庫。
Very nice!!!
虽然听不懂，还是给你点赞留言，
原来显得神秘的东西，在阿尔法折叠面前成了简单的日常操作了，所以有人“肉身回国”了。
十一公+颜宁？
之所以可以预测出折叠出的蛋白质结构，说明一切都是相关的
蛋白质就像乐高，DNA就像图纸，生命就像拼乐高😂
生得太早，答案太少系列。
敲碗「硅基生物」！
總算搞懂為什麼這次諾貝爾化學獎跟AI有關係。AI 真的幫人類省了一大段的彎路與時間。類比的話大概就是上個世紀電腦計算機出現解放了人類算力吧~
曾经说过，同样水平的科学家，一个有好的AI工具，一个没有，那么他们的成果会相差N倍。
AI暂时还不能代替人，但是作为工具，作用相当大。效率的提高太惊人了。
不知道，星舰的研制过程，有没有AI的帮助。
其实AI已经发现了可以灭绝人类的病毒蛋白质的折叠方法
预测的对错谁来证明？
一般而言，目前是使用統計交叉結果反推驗證可重複之可靠性。
亦即用大樣本反覆推導，得知結果的正確性，會趨近於99.999%。
但這就表明，我們可以幾乎相信結果是正確的，但我們無從得知中間的過程。
這也是現代計算機輔助必須克服的神山。
这很简单，通过试验方法可以测定结构
在蛋白质结构预测领域，AlphaFold 2 是一个革命性的人工智能模型，它通过深度学习和先进的注意力机制，能够准确预测蛋白质的三维结构。以下是 AlphaFold 2 在这一领域的应用细节：
1. 输入类型：AlphaFold 2 接受氨基酸序列和结构信息作为输入，这些信息是蛋白质结构预测的基础。
2. 关注的依赖关系：模型特别关注蛋白质中不同氨基酸残基之间的依赖关系，这些关系对于理解蛋白质的三维结构至关重要。
3. 注意力类型：
(A)序列间注意力（Inter-Sequence Attention）：AlphaFold 2 使用自注意力机制来分析蛋白质序列中不同氨基酸残基之间的关系，类似于语言处理中的单词相互依赖性。
(B)结构信息的融合：AlphaFold 2 结合了蛋白质的空间结构信息，以更准确地预测其折叠形态。
4. 位置信息处理：AlphaFold 2 利用蛋白质的空间结构信息，这包括氨基酸残基在三维空间中的位置。
5. 多头注意力的应用：AlphaFold 2 不仅使用自注意力机制来处理序列，还将其应用于残基的空间位置，这有助于理解蛋白质的复杂结构。
6. 模型优化目标：AlphaFold 2 的主要目标是预测蛋白质的三维结构，这是生物学和药物设计中的关键步骤。
7. 计算复杂性：处理氨基酸序列及其三维结构的计算复杂性较高，但 AlphaFold 2 通过其先进的算法有效地处理了这一挑战。
8. 输入序列长度：蛋白质序列通常较长，可能涉及数百到上千个氨基酸残基，AlphaFold 2 能够处理这些长序列。
9. 实际效果：AlphaFold 2 提升了蛋白质折叠预测的准确性，为生物领域带来了革命性的进展。
10. 相互关系：AlphaFold 2 将自注意力机制应用到氨基酸序列中，并通过结合蛋白质的三维结构信息，在生物信息学领域实现了突破性进展。
11. 总的来说，AlphaFold 2 通过其创新的深度学习架构和注意力机制，为蛋白质结构预测领域提供了一个强大的工具，这对于理解蛋白质功能和开发新药具有重要意义。
没看出来AlphaFold2哪里是大家之前不知道的。。。这是工程类的贡献，不是科学类的贡献。
❤❤❤❤❤
太硬核了
人的灵魂能不能存储在DNA上
灵魂? What is that? can you materialize it? bodily formed?
有些鸟类一出生就知道生存技能。鸟是卵生动物，信息是怎样传导的到蛋里的。会不会，直接就是在DNA上传导。因为DNA可以存大量信息。
诺贝尔奖评委会充满了LGBT思想啊，科学奖也搞大串门。
这个诺奖没问题，有很大的帮助。但是从蛋白序列到高精度的三维结构还很遥远，现有预测精度不足以指导蛋白药物相互作用或者蛋白蛋白相互作用，依然需要结晶数据作为设计起点。
AI只有文本预测，没有跳跃逻辑
大牛，你怎么知道这么多？
估计AlphaFold3/4/5也是可以应用在室温超导 🤨
如此复杂的过程绝不是上帝能干得出来的
生物就是由蛋白质构成的一个晶体。原理就好象氯化钠构成的晶体一样。
是你能干的？
诺贝尔虽然权威，但是我国不应该跟着诺贝尔走，不应该与西方的标准，主席应该新成立一个奖项，和诺贝尔竞争，让我们国家的科学家在主席的周围能够获取此奖项，并且媲美诺贝尔奖，这样中国的科学才能真正的进步，而不被西方资本主义跑偏
就叫习近平思想
是啊 我们应该抵制西方的半导体、原子弹、工业标准什么的，如同习主席那样强调两百斤不换肩的强健身体和与天斗的太平天国肉体不死的精神😂
是的，我们应该建立自己的科学体系，从基础开始，包括但不限于1+1=8.5，让现代文明无所适从
不知道，我们今年能不能获奖。我特别关注的是物理学奖，中国如果哪天得到了，就真的是牛。而不是只在生物和文学奖上偶尔得过。反观日本人拿物理学奖，就象玩似的，几乎届届得。
蛋白质折叠这个课题，我在四年前就知道了，只是没有想到，最近几年竟有人用ai让这研发技术进行了大进展，真了不起。
完全就是在走大英帝国当年倒下的道路。大英上世纪初也是这样的。似乎科技还很领先，飞机比赛，发动机，战列巡洋舰，都 很领先。有点全局观历史观。
@@oreo6242 不知道你是什么意思？！
@@oreo6242 我认为诺奖，含金量最高的就是物理奖，其次是化学奖，很可惜，中国到现在，这两奖都没有人得到。而日本几乎届届都有人得，这就是中日美之间的技术差距。日本只把一个激光反复折腾，就获得了好几次诺奖。
@@sass2023为什么你认为的就一定是合理的？
人类制造杀人病毒的技术又增强了
是很危险。闹不好人类就这样完蛋了。
👍👍👍🙏🙏🙏
已经成为了屎屁尿奖了。😢
石正丽掌握了基因编辑，可以编辑出武汉肺炎病毒。让这类人掌握AI就更危险了‼️
太好了，又可以搞动态清零了
放你妈屁，这是美国人搞的