从诺贝尔化学奖看AI与游戏的无限可能

2024年的诺贝尔化学奖被授予三名科学家，美国华盛顿大学教授大卫·贝克（David Baker）及谷歌Deepmind公司的德米斯·哈萨比斯（Demis Hassabis）与约翰·江珀（John Jumper），以表彰他们对破解蛋白质结构之谜的卓越贡献。

蛋白质结构问题一直是诺贝尔化学奖的热门领域，1958年来共有十余次奖项与之相关，既包括重要结构的发现，也包括工具和方法的改进，如晶体电子显微镜和冷冻电镜的发展。计算机和人工智能方法的成功引入，不仅预测了几乎全部人类已知的蛋白质结构，更能创造全新的蛋白质分子，为生物医药打开更多可能。

三名获奖者中，贝克教授是以计算预测蛋白质结构这一工作的领军者，而吸引Deepmind两名AI专家加入的“接力棒”，则是一款叫做Foldit的游戏。

一、Foldit游戏：聚合“人工的智能”

蛋白质是生命的基石，其结构决定了功能。虽然组成蛋白质的氨基酸只有20种，但它们在三维空间中的组合方式却近乎无限。因此，对蛋白质结构的精准描绘困扰了科学家们数十年。传统方法是观测已有的蛋白质，准确但需要借助大型精密仪器，因此又慢又贵。从1971到2006的40年间，全球蛋白质数据银行（Protein Data Bank）也仅收集了4万个结构数据，相比上亿的总数可谓九牛一毛。

《环球科学》2024年10月刊中“AI重塑结构生物学”专题配图

于是科学家们逆转思路，从观测变为预测，并希望借助性能不断进化的计算机，准确找到更多的蛋白质结构。蛋白质通常会折叠到能量最低的状态，而科学家也知道如何去计算它的能量。基于此，贝克教授团队在1998年发布了重要的计算平台罗塞塔（RoseTTA），它能进行蛋白质的预测乃至设计。计算机虽然擅长运算，但缺乏人类的空间想象能力，加上单台设备算力有限，因此进展不算迅速。

贝克团队发现，蛋白质折叠这项工作具有明确的目标、规则和打分，恰好构成了一项游戏的全部要素。那为什么不用这一点吸引更多人参与进来呢？他们进行了一项大胆尝试——游戏化科学众包。2008年，基于罗塞塔构建的功能游戏Foldit应运而生，允许用户以闯关形式，将氨基酸的“链”折叠成适当的三维形状，再由科学家检验结果。它富有趣味，简洁易懂，很快吸引了全球几十万没有科学背景的普通用户加入。

Foldit通过在线平台将科学问题和普通人连接起来并聚合智慧

很快，人类在模式识别上的优势就显现出来，不仅准确度超过了计算机，也在多个科研难点中发力。比如玩家曾在10天内破解了艾滋病逆转录酶的晶体结构，一个存在了15年的科学难题。2010年，57000名“Foldit players”作为论文作者登上《Nature》，这是“人工的智能”在蛋白质结构预测中的里程碑。新冠疫情爆发后，20万人共同寻找阻止新冠病毒传播的蛋白质结构。这些公民科学家们还为包括癌症、阿尔茨海默病和埃博拉病毒在内的广泛医疗挑战的研究做出了贡献。

二、“超级玩家”哈萨比斯接棒，AI通关蛋白质折叠游戏

Foldit这颗子弹，将在多年后击中Deepmind创始人、游戏人工智能专家哈萨比斯的眉心。

他是一名不折不扣的“超级玩家”，棋类和Foldit点亮了他对游戏和智能的关系的思考：12岁成为国际象棋世界亚军，编写了自己的第一个人工智能下棋程序；15岁和毕业后设计的《主题公园》《黑与白》等作品“都以AI为核心”。在MIT做博后时，他接触到了Foldit，惊讶于人类直觉在游戏中发现新模式的巨大潜力。

成立Deepmind，是他从游戏智能出发、追寻通用智能的重要一步。他在接受采访时说到：“从一开始，我们就将游戏作为证明和开放AI算法的试验场。因为游戏非常高效，也很容易有指标来查看AI系统如何思考和改进。”同时，“最终目标是使用游戏中训练的智能来引导通用学习系统，并应对现实世界的挑战”。围棋智能AlphaGo和AlphaZero获得巨大成功，后者甚至仅靠自学就在数天内获得人类数千年的知识，开发出全新的策略，击败人类冠军。这证实了深度学习算法在处理复杂问题上的强大能力。

AlphaGo和AlphaZero寻找最优策略并获得胜利

继续挑战更复杂、更综合的游戏，比如《星际争霸》《我的世界》，自然是一种路径。那有没有一个规模和条件都合适的现实问题，能够快速迁移团队在围棋上的成果呢？

游玩Foldit的经历在哈萨比斯脑海中闪现。他在目睹AlphaGo战胜围棋世界冠军李世石的那一刻想到：如果人工智能可以从0知识开始训练，并击败人类顶尖选手；那同样可以像Foldit的玩家那样，不具备生物化学知识却完成科学家的工作。游戏固定的规则和无穷的可能性之间，形成了极大的张力；找到通向胜利的路径和解法，就是智能的体现。

于是，蛋白质折叠问题，成为Deepmind团队从游戏智能迈向解决现实问题的关键一步。他们着手设计AI蛋白质折叠算法AlphaFold，基于蛋白质银行中已有的14万条结构数据，像游戏中找最优解一样分析数据、寻找规律，反复训练提高预测准确性。AlphaFold于2018年在蛋白质结构预测领域的“奥运会”CASP上首次亮相，取得了2.5倍于第二名的好成绩。但这距离准确预测还远远不够。

第三位主角约翰·江珀在此时加入Deepmind，牵头设计了新的transformer架构和许多革新。2022年发布的AlphaFold2真正改变了这一领域，大部分预测超过了百分制的90分。随后，Deepmind一举公布了2.18亿个人类已知的蛋白质结构，宣告50年来蛋白质三维结构预测问题的解决。

AlphaFold基于数据库训练和改进预测结果

自此，不仅蛋白质折叠问题得到突破，用AI解决科学问题的方法更逐步深入人心。新版本AlphaFold3在2024年5月上线，引领生物学预测技术进入下一阶段：构建蛋白质与其他分子（如DNA或者RNA）结合的复合体结构。AlphaFold已被来自190个国家的200多万研究人员用于推进关键工作，包括了解抗生素耐药性和开发可分解塑料的酶等重要应用。META也跟进发布了ESMFold的研究成果：由机器学习创建的6.17亿个宏基因组蛋白质结构的数据库，包括土壤、海洋和人体中的微生物。

三、下半场：科学众包和游戏人工智能加速前进

Foldit仍在不断迭代，逐步成为了科研人员和普通公众互动的社区。游戏不仅持续将前沿问题转化为游戏关卡，收集玩家的高分解答并吸收到成果中，也鼓励用户间对解题策略的讨论。游戏功能同样与时俱进，2019年时加入了蛋白质设计模块，后续更引入了AlphaFold帮忙给玩家的作业打分。

更多科研项目采用了类似的众包机制，科学家们甚至搭建了专门的公众科学游戏发布平台，如Kaggle和Zooniverse，以供科研人员和机构发布游戏并招募志愿玩家。从生物学、神经科学、天文学、高能物理学到语言学、艺术史学，都已有成千上万的普通玩家的参与。例如，在Eye Wire中，玩家通过简单有趣的操作即可映射神经视网膜通路；在《星系挑战》（Galaxy Challenge）中，玩家能够给星系形态分类；Metropolitana和ARTigo则允许玩家为社会语言、艺术作品打标签。

同时，游戏AI也在《星际争霸》《王者荣耀》等复杂游戏中获得更全面的能力后，助力解决机器人训练，能源和交通调度等现实问题；更有望让AI进一步理解我们所处的真实世界，获得空间智能。微软、Deepmind、Meta、腾讯等科技公司都是参与者。腾讯开悟游戏AI研究开放平台依托腾讯在算法、算力、实验场景方面的核心优势，为学术研究人员和算法开发者开放研究与应用探索的资源及工具。

国内的游戏人工智能人才培养，在产学研各界合力下加速前行。2024年，川渝政府联合腾讯，共同发起川渝大学生人工智能大赛暨腾讯开悟人工智能全球公开赛，吸引国内及17个海外国家超过5200名学生参赛，并协同燧原、Intel、Vivo、成都智慧交通集团，联合开发芯片算子开发、交通应用场景、算法与工程等产业赛道。2023世界人工智能大会期间，厦门大学联合中国传媒大学、北京理工大学、上海交通大学等多所高校，筹备成立“游戏人工智能高校联合研究中心”，持续深化游戏人工智能的研究。

未来的科研新星和下一个Deepmind，会不会从这些创新青年中诞生？

四、AI&Game for Science的更多想象力

尽管今年的诺贝尔物理与化学奖被调侃为“理科综合”“图灵奖”，但这恰恰反映出学科间的交叉融合越来越广泛深刻。一方面，物理、化学等基础学科受到人工智能等新的研究方法影响，发展出全新的、数据驱动的研究范式。另一方面，人工智能本身也是计算机和数学、神经科学等领域交叉的产物，神经网络、贝叶斯都极大推动了人工智能的演进。

袁越等学者指出，科学研究和创新正从因果关系走向“复杂系统”。例如，获得医学或生理学奖的microRNA背后所代表的基因调控就是一个庞杂到无以复加的复杂系统，难以用简单的因果链条加以解释。神经网络也是复杂系统的计算机模拟，呈现出“黑箱”状态。

在大融合、大系统的背景下，AI for Science已带来科学界的新潮流，此次诺贝尔奖的“风向”指引性也很明显。2024年5月，英国皇家学会发布了《人工智能时代的科学：人工智能如何改变科学研究的性质和方法》报告。科学家们正扮演着导师、同伴或助手的角色，利用人工智能以史无前例的速度和规模执行任务；AI则帮助识别大型数据集中的新模式和关系，预测新内容。除了AlphaFold等标志性案例外，AI应用可见于所有STEM领域，包括医学、材料科学、机器人技术、农业、遗传学和计算机科学等。过去十年，与科学相关的人工智能专利申请激增，中国、美国、日本和韩国提交的专利数量占据主导地位，其中中国贡献了约62%的专利。

英国皇家学会2024年《人工智能时代的科学》报告插图

正如哈萨比斯在获奖后表示，“AlphaFold应该被视为人工智能加速科学发现和造福社会潜力的证据”。《知识分子》总结，应用人工智能方法分析数据、构建复杂生物现象的强大模型用例包括：用AI识别新的抗生素、揭示希格斯玻色子，建模和分析星系形成，筛选粒子对撞机或机器人望远镜产生的大量数据、寻找其中的规律，识别具有电池或太阳能电池所需特性的材料等等。

Game for science同样值得期待。科学研究过程呈现出复杂性和不确定性。不同领域间的相互启发有如“蝴蝶效应”，而游戏正扮演那只扇动翅膀的蝴蝶。游戏是科技的产物，同时推动科技发展。如果没有3D游戏，或许先进GPU开启的人工智能时代不会这么快到来。游戏更与智能有着非常紧密的连接，也是科技人才的摇篮，马斯克、乔布斯、林纳斯，许多领军人物都受游戏启发而走进编程世界，探索创新边界。

AI、游戏与科学的故事，未完待续。

参考资料：

2024化学诺奖接力青睐AI，蛋白质结构预测新工具获一半奖项，郭贝一、郭晓强https://mp.weixin.qq.com/s/4ISr4rJRw_60O63ipvGWPQ

AlphaFold开发者获2024诺贝尔化学奖，AI抢夺科学家的最重要荣誉，知识分子

https://mp.weixin.qq.com/s/BqO1-UN3hQ4Bagcp206_uw

今年的诺贝尔化学奖，意味着我们从此不需要科学家了？

https://mp.weixin.qq.com/s/ny4kbYctjBW7dzIKBAMu2g

DeepMind创始人Demis Hassabis：AI的强大，超乎我们的想象，经纬创投

https://mp.weixin.qq.com/s/SaNX-zE7NG9jlHuPifv6Zw

腾讯游戏年度发布会上提到的这款游戏，你听过吗？，腾讯互娱社会价值探索

https://mp.weixin.qq.com/s/OXiZTnVDxu23iezObLTWxw

玩游戏玩出来的Nature？，果壳-未来光锥

https://mp.weixin.qq.com/s/q8_oxouEUrTM2ijrqjTuzg

The challenge of designing scientific discovery games

https://grail.cs.washington.edu/projects/protein-game/foldit-fdg10.pdf

Demis Hassabis：from video game designer to Nobel Prize winner

https://www.theguardian.com/science/2024/oct/09/demis-hassabis-from-video-game-designer-to-nobel-prize-winner-google-deepmind-ai-

AlphaFold 2:Why It Works and Its Implications for Understanding the Relationships of Protein Sequence，Structure，and Function

https://pubs.acs.org/doi/10.1021/acs.jcim.1c01114?__cf_chl_tk=IzRdl._BLUB6TWJy7OjISGlkHoME4f_PgabMM3z2Ya0-1728619960-1.0.1.1-CRrp5_YPKHQtjlQo6ffFZwmGx8PpCyrFenJw2rM9go4

Science in the age of AI:How artificial intelligence is changing the nature and method of scientific research

https://royalsociety.org/-/media/policy/projects/science-in-the-age-of-ai/science-in-the-age-of-ai-report.pdf

本文来自微信公众号：腾讯研究院 （ID：cyberlawrc），作者：胡璇、黄诗宜、宋巧玲