神經(jīng)網(wǎng)絡(luò)和蛋白質(zhì)預(yù)測領(lǐng)域基于 GPU 所實(shí)現(xiàn)的重大突破榮獲諾貝爾獎(jiǎng)，預(yù)示著科學(xué)與各行各業(yè)進(jìn)入了一個(gè)新時(shí)代。

AI 曾經(jīng)只存在于科幻小說中。但近日，AI 在瑞典登上了科學(xué)成就的頂峰。

在斯德哥爾摩地標(biāo)性建筑——斯德哥爾摩音樂廳（Konserthuset）舉行的這場具有歷史意義的頒獎(jiǎng)典禮上，John Hopfield 和 Geoffrey Hinton 憑借在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的開創(chuàng)性成就榮獲諾貝爾物理學(xué)獎(jiǎng)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)模仿大腦結(jié)構(gòu)，構(gòu)成了現(xiàn)代 AI 的基石。

同時(shí)，Demis Hassabis 和 John Jumper 憑借 Google DeepMind 的 AlphaFold 系統(tǒng)榮獲諾貝爾化學(xué)獎(jiǎng)。該系統(tǒng)解決了生物學(xué)中一個(gè)曾經(jīng)“不可能”解決的問題，即預(yù)測蛋白質(zhì)結(jié)構(gòu)。這一成就對(duì)醫(yī)學(xué)和生物技術(shù)具有深遠(yuǎn)的影響。

這些成就不僅僅意味著學(xué)術(shù)聲望，更標(biāo)志著一個(gè)時(shí)代的開始，即由 GPU 驅(qū)動(dòng)的 AI 系統(tǒng)解決了曾經(jīng)被認(rèn)為無法解決的問題，正在為醫(yī)療健康、金融等數(shù)萬億美元規(guī)模的行業(yè)帶來變革。

Hopfield 的研究成果與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)

在 20 世紀(jì) 80 年代，擅長提出重大問題的物理學(xué)家 Hopfield 為神經(jīng)網(wǎng)絡(luò)領(lǐng)域帶來了新的視角。

他借用物理學(xué)中的能量景貌，解釋了神經(jīng)網(wǎng)絡(luò)如何通過尋找穩(wěn)定的低能量狀態(tài)來解決問題。他的想法抽象而巧妙，通過展示復(fù)雜的系統(tǒng)如何自我優(yōu)化，為 AI 奠定了基礎(chǔ)。

到本世紀(jì)初，英國認(rèn)知心理學(xué)家 Geoffrey Hinton 接過這一重任。Hinton 相信神經(jīng)網(wǎng)絡(luò)可以給 AI 技術(shù)帶來變革，但訓(xùn)練這些系統(tǒng)需要巨大的算力。

1983 年，Hinton 和 Sejnowski 在 Hopfield 的研究基礎(chǔ)上發(fā)明了玻爾茲曼機(jī)，該機(jī)器利用隨機(jī)二值神經(jīng)元跳出局部最小值。他們發(fā)現(xiàn)了一種巧妙且非常簡單的學(xué)習(xí)程序，該學(xué)習(xí)程序基于統(tǒng)計(jì)力學(xué)，可替代反向傳播。

2006 年，該學(xué)習(xí)程序的簡化版被證明在使用反向傳播訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)之前，能夠非常有效地初始化深度神經(jīng)網(wǎng)絡(luò)。然而，訓(xùn)練這些系統(tǒng)仍然對(duì)算力有嚴(yán)苛要求。

AlphaFold：生物學(xué)領(lǐng)域的 AI 變革

AlexNet 推出十年后，AI 進(jìn)入了生物學(xué)領(lǐng)域。Hassabis 和 Jumper 主導(dǎo)開發(fā)了 AlphaFold，解決了預(yù)測蛋白質(zhì)的形狀這一困擾科學(xué)家多年的難題。

蛋白質(zhì)是生命的基石，其形狀決定了功能。了解蛋白質(zhì)的形狀是對(duì)抗疾病和研發(fā)新藥的關(guān)鍵。但尋找它們的過程緩慢、成本高昂且結(jié)果難以預(yù)料。

AlphaFold 改變了這一切。它根據(jù) Hopfield 的想法，使用 Hinton 的網(wǎng)絡(luò)以驚人的精確度預(yù)測蛋白質(zhì)的形狀。在 GPU 的支持下，它繪制了幾乎所有已知蛋白質(zhì)的圖譜。如今，科學(xué)家利用 AlphaFold 來對(duì)抗耐藥性、研發(fā)更優(yōu)質(zhì)的抗生素，以及治療曾經(jīng)被認(rèn)為是不治之癥的疾病。

曾經(jīng)困擾生物學(xué)的棘手難題，如今通過 AI 獲得了解法。

GPU 的作用：發(fā)揮 AI 的潛力

GPU 作為現(xiàn)代 AI 不可或缺的引擎，是取得這些成就的關(guān)鍵。GPU 最初是為了讓電子游戲的畫面變得更好，它非常適合滿足神經(jīng)網(wǎng)絡(luò)的大規(guī)模并行處理的需求。

尤其是 NVIDIA GPU 成為了推動(dòng) AlexNet 和 AlphaFold 等突破的引擎。NVIDIA GPU 能夠以超乎尋常的速度處理龐大的數(shù)據(jù)集，使 AI 得以解決規(guī)模和難度空前的問題。

重新定義科學(xué)與各行各業(yè)

這些獲得 2024 年諾貝爾獎(jiǎng)的巨大突破不僅改寫了教科書，還優(yōu)化了全球供應(yīng)鏈、加速了藥物研發(fā)，并幫助農(nóng)民適應(yīng)不斷變化的氣候。

如今，Hopfield 基于能量的優(yōu)化原理為 AI 驅(qū)動(dòng)的物流系統(tǒng)提供了思路；Hinton 的架構(gòu)已成為自動(dòng)駕駛汽車以及 ChatGPT 等語言模型的基礎(chǔ)。AlphaFold 的成功啟發(fā)了 AI 驅(qū)動(dòng)的方法在氣候建模、可持續(xù)農(nóng)業(yè)乃至材料科學(xué)領(lǐng)域的應(yīng)用。

物理學(xué)和化學(xué)領(lǐng)域?qū)?AI 的認(rèn)可標(biāo)志著我們對(duì)科學(xué)的思考方式發(fā)生了轉(zhuǎn)變。這些工具不再局限于數(shù)字領(lǐng)域，它們正在重塑物理和生物世界。