上個月DeepMind執行長Demis Hassabis與團隊領導者John Jumper，因開發AlphaFold 2 AI模型的突破性貢獻，榮獲2024年諾貝爾化學獎。昨(11)日，Google DeepMind也宣布開放AlphaFold3軟體程式碼，供科學家非商業用途下載。
 
AlphaFold3與前身AlphaFold2不同，能進一步預測蛋白質與其他分子間的相互作用，不過DeepMind先前並未將其像AlphaFold2一樣，開放底層程式碼供外界存取。
 
DeepMind自2021年發布強大的AI工具——AlphaFold2以來，科學家已能透過該工具來預測蛋白質結構，並繪製各種蛋白質的輿圖以開發藥物。
 
但儘管取得這些成功，Google DeepMind負責AlphaFold開發的資深研究科學家John Jumper，仍經常被問到該工具是否可以做得更多，包括：預測被修飾的蛋白質結構，或是預測蛋白質與DNA、RNA或其他化學物質交互作用的結構等。
 
今年5月，DeepMind對AlphaFold2進行重大改版後推出AlphaFold3，最新版AlphaFold3可使用更少的目標序列，就能預測蛋白質結構，另外，AlphaFold3還使用一種稱為擴散模型(diffusion model)的機器學習網路進行圖像生成，例如Midjourney。
 
同樣獲得2024年諾貝爾化學獎的蛋白質設計大師、西雅圖華盛頓大學運算生物物理學家David Baker，當時使用過AlphaFold3後也表示，AlphaFold3的結構預測表現非常令人印象深刻，其還比自己團隊開發的RoseTTAFold All-Atom更好。
 
雖然開源性質的模型有助於其它科學家創新，不過事實上，DeepMind從5月發布未公開開源版本AlphaFold3，至今已有幾家公司爭相破解並開發自己的AlphaFold3開源版本，例如中國科技巨頭百度、TikTok，以及加州一家名為Chai Discovery的新創公司等，但他們同樣也是無法用於商業用途，或是功能不夠齊全。
 
DeepMind人工智慧主管Pushmeet Kohli表示，即便DeepMind 未開放AlphaFold3開源程式碼，仍有多個複製品出現，顯示該模型是可被複製的，他也強調，希望未來無論是學術界還是企業研究人員，能就開源模型使用規範展開更多討論。
 
資料來源：https://www.nature.com/articles/d41586-024-03708-4