2024年诺贝尔化学奖揭晓，该奖项被授予美国华盛顿大学教授大卫·贝克及谷歌Deepmind公司的德米斯·哈萨比斯与约翰·江珀，以表彰他们在破解蛋白质结构之谜方面所做出的卓越贡献。这一殊荣不仅彰显了他们在科学领域的突破，也凸显了计算机和人工智能方法在蛋白质结构预测和设计方面的革命性进展。
蛋白质，作为生命的基石，其结构决定了功能。然而，尽管组成蛋白质的氨基酸仅有20种，但它们在三维空间中的组合方式近乎无限，这使得对蛋白质结构的精准描绘成为科学家们长期面临的难题。
传统方法依赖于观测已有的蛋白质结构，这不仅需要大型精密仪器，而且过程缓慢且成本高昂。因此，尽管全球蛋白质数据银行在过去数十年间收集了大量结构数据，但相比总数而言仍只是冰山一角。
面对这一挑战，科学家们开始尝试从观测转向预测，并借助不断发展的计算机算力来寻找更多的蛋白质结构。贝克教授团队在1998年发布了重要的计算平台罗塞塔，它能够进行蛋白质的预测乃至设计。然而，计算机虽然擅长运算，但缺乏人类的空间想象能力，这使得进展相对缓慢。
为了加速这一过程，贝克团队发现蛋白质折叠这项工作具有明确的目标、规则和打分机制，这恰好构成了一项游戏的全部要素。于是，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，它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。这一富有趣味且简洁易懂的游戏很快吸引了全球数十万没有科学背景的普通用户参与。
其中，一位名叫哈萨比斯的“超级玩家”尤为引人注目。他是一名不折不扣的游戏和人工智能专家，曾在棋类游戏中取得卓越成就，并编写了自己的第一个人工智能下棋程序。在接触到Foldit后，他惊讶于人类直觉在游戏中发现新模式的巨大潜力，这为他后来创立Deepmind并致力于通用智能的研究奠定了重要基础。
Deepmind团队开始着手设计AI蛋白质折叠算法AlphaFold，他们基于蛋白质银行中已有的结构数据进行分析和训练，以提高预测的准确性。在2018年的蛋白质结构预测领域的“奥运会”CASP上，AlphaFold首次亮相并取得了优异成绩。然而，这距离准确预测还远远不够。随后，约翰·江珀加入Deepmind团队并牵头设计了新的transformer架构和许多革新。2022年发布的AlphaFold2真正改变了这一领域，大部分预测结果超过了百分制的90分。此后，Deepmind一举公布了2.18亿个人类已知的蛋白质结构，宣告了50年来蛋白质三维结构预测问题的解决。
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也逐步深入人心。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。
与此同时，Foldit游戏仍在不断迭代，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并收集玩家的高分解答，还鼓励用户间对解题策略的讨论。更多科研项目也采用了类似的众包机制，科学家们搭建了专门的公众科学游戏发布平台以供发布游戏并招募志愿玩家。
游戏AI也在复杂游戏中获得更全面的能力后助力解决现实问题，更有望让AI进一步理解我们所处的真实世界并获得空间智能。腾讯等科技公司也在这一领域积极布局，依托其在算法、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提供资源及工具。
