DeepMind Kohli 对谈:AlphaFold 为何没真正解决蛋白质折叠
Latent Space · youtube · 2026-10-10
Latent Space 播出 DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 的对谈,核心观点是 AlphaFold 只是起点,单纯堆算力和数据解决不了生物学问题。
- Bitter Lesson 在生物学中的局限:比起盲目扩大模型,找到生物数据里正确的 scaling law 更重要;AI 研究者常常只为「可获得的数据」优化,而不是最重要的科学问题。
- AlphaFold 未解之谜:静态结构预测无法覆盖蛋白动态与无序区域;AlphaFold 的架构其实带大量手工设计与科学直觉,并非纯 scaling 产物。
- 蛋白质语言模型藏着未被解锁的知识:低质量的宏基因组数据反而能提升蛋白语言模型;模型可信度与不确定性校准比完全可解释性更实际。
- 从单个蛋白走向虚拟细胞:建模整个生物系统需要本质上不同的数据集,如冷冻电镜显微图像可能带来更丰富的生物表征。
- 未来展望:Candido 主张以 10 倍级突破而非 10% 改进来思考治愈所有疾病;AI 在药物发现中可能带来 10–100 倍加速;两人还讨论了前沿模型未来是否比人类更懂其他 AI 系统。
「漫话AGI」频道最新
- AI 让数学家热度飙升：两月曝光超二战以来任何时候 — haider1 · 2026-10-10
- 开发者观察：让 agent 修你不懂的 bug，就是现实版连续回形针最大化 — brandon_xyzw · 2026-10-10
- 递归自我改进或让当代 GPU 迅速过时,少被提及的推论 — IridiumEagle · 2026-10-10
- 生育率下降实为无子女者增多,已育女性平均仍生超2.1个 — Pascallisch · 2026-10-10
- AI safety 领域该把传播、翻译等活外包出去吗 — DavidSKrueger · 2026-10-10
- Google 研究院士演讲:AI 时代工程师为何不可或缺 — docmilanfar · 2026-10-10