人工智能20年，只能绘画和下棋？(3)

在近15年到20年的时间内，基于我们的深度学习或者深度神经网络这类统计模型，取得了非常大的进步。一方面得益于半导体技术以及计算机体系结构不断的迭代，算力得到极大的增强。另一方面是从上个世纪90年代末期开始，互联网帮助我们将世界很大程度进行数字化，我们得到大量的数据以后，数据本身变成AI的燃料，变成人工智能的燃料，去推动人工智能技术的发展。

最后一方面，在人工智能的理论化和工程化，人类也取得了很大的突破，最早可能是从语音识别开始以及搜索引擎上的内容排序，之后慢慢就到自然语言理解，甚至一些深度的内容理解。过去计算机视觉在面对不确定环境的情况下，决策最后往往是人工决定，现在智能方面，很大程度上已经能够用计算机自主得出比较精准的结果，这也是为什么最近几年，人工智能话题在进入公众的视野后也变得特别火。 02 人工智能未来30年-50年，有望变革生命科学 刘兴亮:人工智能如何突破科学课题，实际应用层面，它的意义有哪些表现？ 沈徽: 人工智能的历史至少与计算机的历史一样长，甚至更长。在上百年的历史过程中，是在不断的开花结果，只不过有的效果可能看得比较清楚，有的可能是一个潜在长期的过程。

我们知道医学虽然历史很长，但现代医学其实很短的。真正有理论支撑、有实验支撑的医学可能只有两三百年，其中真正有效的、能为普罗大众带来好处的药物品种相对比较少，但是这个问题会随着蛋白质测序的发展而得到改变。

每个人都有自己的遗传基因DNA，蛋白质是从DNA当中产生出来的，DNA只能决定蛋白质的组成成分是什么，不能决定构成什么样的形状。

蛋白质的形态实际上是粒子之间的相互作用力，但因为蛋白质是非常大的分子，是由几千个几万个甚至更大的粒子构成，当你去预测它的结构形态，可以想想它的搜索空间是极大的。

Google下属的Deepmind部门研制出了AlphaFold系统，用来预测蛋白质的折叠方式。 AlphaFold系统实际上是用一种深度学习的方法能够比较精准的去预测蛋白质的结果，这与我们又有什么关系？

Alpha Fold预测蛋白质模拟图，图源：新智元 很多的疾病，尤其是一些比较个性化的疾病，由于身体里面的某些蛋白质缺失或者蛋白质改变导致，近几十年出现了靶向药的概念，尤其是针对癌症治疗靶向药的患者，可能基因里出现问题，这类问题的修复，其实是针对它产生的蛋白质去做修复，就能够防止某一类疾病的发生。但是靶向药的开发投入巨大，耗时耗力。