谷歌DeepMind主管、新获得诺贝尔化学奖的约翰·贾普（John Jumper）曾表示，像AlphaFold这样的蛋白质预测程序只是生物学及其他领域人工智能的开始。
因在蛋白质结构预测方面的工作而获得今年诺贝尔化学奖的约翰·贾普（John Jumper）希望，许多其他人工智能对科学的重要性将与AlphaFold一样
在瑞典驻华盛顿大使馆与美国国家科学院（NAS）合作举办的纪念今年诺贝尔奖得主的研讨会上，跳普说：“我真的希望，随着时间的推移，我们能看到AlphaFold成为首批对生物学产生深远影响的人工智能系统之一，但这只是众多人工智能系统中的一个。”
AlphaFold 2在经过大量结构训练后，可以根据蛋白质的氨基酸序列预测蛋白质的三维结构。“AlphaFold是一个人工智能系统，它可以做人类做不到的事情，”跳普解释说。“如果我们需要蛋白质的结构，我们必须沿着这条可能长达数年的实验道路走下去。”因此，我们能够在机器学习方面进行一系列创新，基本上是开发正确类型的构建模块和工具，用于蛋白质上的机器学习，以便非常准确，具有竞争力，虽然不太好，但非常接近实验精度。我们可以在5到10分钟内完成这项工作，而不是一年。”
跳普说，Alphafold在预测细胞内的酶结构方面取得了进展。他指出，AlphaFold的最新版本——AlphaFold 3，于5月发布——可以准确预测蛋白质和小分子之间的结合。
“当然，这种蛋白质与小分子的相互作用是理解酶的机制功能的关键，”跳普解释说。他还说，我们到底能在这个问题上走多远，还有待观察。“AlphaFold只会告诉我们一些关于生物学的事情，还有很多关于细胞，关于相互作用，关于介结构，关于调节，这些都是AlphaFold框架无法直接问到的，所以我们必须考虑我们将如何进入细胞-细胞相互作用。”
目前，跳普说，AlphaFold的进展取决于“非常聪明的科学家”对预测结构的研究，并考虑更广泛的细胞过程。“我们如何开始将其引入人工智能和机器学习领域，这些问题将会是什么样子？”这些都是基于什么数据呢？他问。“我非常兴奋地看到它是如何向外扩展的，希望能让我们越来越接近表现型。”
在这次活动中，美国国家科学院院长玛西娅·麦克纳特表达了对美国科学未来的担忧。她指出，今年有8位美国人获得诺贝尔奖，她回忆说，自二战以来，美国一直主导着诺贝尔奖。她说：“我们是世界领先的。”她估计，迄今为止诺贝尔科学奖的一半以上都是由美国获得的。
然而，麦克纳特指出，在第二次世界大战之前，德国获得的诺贝尔科学奖最多。德国到底做了什么才失去了第一名的位置？她问。“这是它自己做到的——它在其他地方并不完全是竞争对手，但想想那些在第二次世界大战前夕离开德国的德国科学家——其中大多数是犹太研究人员，顶尖的知识分子，他们意识到，如果他们留在德国，他们的生命将处于危险之中。”
然而，McNutt警告说，诺贝尔奖是一个国家研究和技术环境的滞后指标，因为导致关键发现的工作往往是在十年或更早之前完成的。她警告说：“我担心，当我们开始看到美国获得的诺贝尔奖越来越少的时候，我们可能已经失去了我们的优势，可能就像十年前一样。”
麦克纳特说，移民对美国的成功至关重要，必须得到政府的持续支持。他指出，美国近30%的诺贝尔奖得主都是第一代移民。她认为，对美国来说，继续吸引最优秀、最聪明的人来赢得这些奖项至关重要。
麦克纳特还强调，强有力的国际伙伴关系对于使一个国家成为诺贝尔奖强有力的竞争者至关重要。她说：“过去，当我还是一名学生的时候，一所大学会有一个高能物理设备，比如斯坦福大学的直线加速器，但现在，一个单独的机构无法创造出领先的能力来进行新的科学研究。”事实上，这已经超出了一个国家的能力范围，我们必须在国际上开展这些项目，美国必须成为一个更好的国际合作伙伴。”
McNutt补充说，确保美国科学优势的第三个重要组成部分是政府对研究和技术开发的投资。“我非常担心美国的未来……因为减税通常会导致国家投资减少，当然，我们确实有赤字问题，但科学和技术是我们解决赤字的解药，”她继续说道，显然是指当选总统唐纳德·特朗普（Donald Trump）承诺延长和实施一系列减税措施。麦克纳特说：“通过投资新技术、创造工具的新方法和新的进步，我们实际上建立了我们的税基。”
但是她指出，对科学信任的侵蚀是世界各地都存在的问题，尤其是在美国，而且可能是最需要解决的问题。麦克纳特对听众说：“我们必须成为一个值得信赖的企业，我们必须更好地与公众沟通，告诉他们为什么应该相信科学。”因为没有公众的信任，我们就无法进行投资，我们就无法吸引世界各地最优秀、最聪明的人才。
丽贝卡成为了美国通讯员
《化学世界》2014年9月版，文学学士
自2007年以来，他一直以自由撰稿人的身份为该杂志撰稿。查看完整档案
