Alphafold-3? 算蛋白質的技術,早就因為有了AI而得到很大的突破,甚至得到諾貝爾獎 (AI 主題大樓)

冰的啦魔王大人

Senior Member

加入日期: Apr 2017

您的住址: (╯-_-)╯ ~ ╩╩

文章: 1,352

Alphafold-3? 算蛋白質的技術,早就因為有了AI而得到很大的突破,甚至得到諾貝爾獎 (AI 主題大樓)

PanSci 泛科學影片:
AI 已掌握生命秘密？甚至受諾貝爾獎肯定！Google DeepMind 推出 Alphafold-3，
人類預測蛋白質結構數量暴增200倍！還能用來開發藥物！

結果隔壁大樓還在用窮舉法算蛋白質?? 這早就證實算到宇宙毀滅都算不完阿.

這棟樓就讓所有的AI 主題來蓋大樓好了.

我就拋磚引玉一下, 提供最近的經驗:
現在AI的智力已經超過普通人很多, 若拿考題來考, 每一科都能達到碩士程度.
最大的模型只能在伺服器端執行, 小一號的能在昂貴的工作站執行.
更小的,只能試玩, 最小的還不如不要用 , 因為大小直接影響智力.
放不進去? 速度會降低上百倍或者不給執行.

免費資源:
各大服務器營運廠商都有提供試用, 都是完全體, 要想自由用都要繳錢.
如果要免費用對面的服務器.都要實名認證帳號(要有對面手機號)

本地佈屬: 想要支援本地電腦操作與無限使用就得砸錢,
要買N家顯卡硬體, 頂級貨都被炒得老高了,

如果你要算圖算影片(視覺模型), 業務用就砸4090/5090以上的機器
錢的數量直接影響速度與品質, 另外,算圖的,會比較吃記憶體(比起語言模型)
同樣7b的模型,視覺模型對vram要求較大,也是合理.

如果你要解問題, 大VRAM的卡關係到智商, 智商不夠的你也不想用.
不過, 效能( Token per second) 這方面 , 顯卡的代差就沒那麼大,
簡單說 rtx20xx 與 rtx50xx 如果算圖可以差十倍以上, 如果回答問題也許只有差一倍.

本地佈署:
github llama3 或 https://www.llama.com/llama-downloads/
, Alphafold-3 https://github.com/google-deepmind/alphafold3
馬斯克的 Grok3, https://grok.com/?referrer=website
DeepSeek R1, Qwen 2.5VL ? 請直接服用零度解說

以上.

泛科學講得很冗長, 按這裡直接跳轉重點!

其實我是在測試, 到底有多少是先天眼瞎, 還是後天眼瞎的多.

__________________
------------------------------------------------------
這就是 Elon Musk 關停USAID的真相:

COVID-19是美國USAID造的生物武器 !!!

ＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸ
(Youtube影片)完蛋了沒搞頭了都該怪佛奇多話
---佛奇的影片竟然被拔掉? 了補上鋼鐵人的 "DOGE" 不錯看!

1

2

3

此文章於 2025-03-03 01:42 PM 被冰的啦魔王大人編輯.

2025-02-27, 03:26 PM #1

ericshliao

Major Member

加入日期: Aug 2004

文章: 225

很多碼農會失業, 用AI輔助來寫程式會比純用人腦寫來得有效率.
大學也會面臨改革壓力. 當AI能提供專業的知識時, 大學裡還能教什麼? 教如何使用AI?
總之, 以後二流的腦力工作者在AI面前只會面臨龐大的挫敗感.

這裡有幾支很有趣的YT影片, 推薦觀看.
https://www.youtube.com/watch?v=B7bYZ5ZFbl0

https://www.youtube.com/watch?v=jTVMxJBtmFs

https://www.youtube.com/watch?v=n_ItIpBB5zM

雖然很久以前就認知到電腦的強大運算能力會大幅改變人類的生活, 但沒想到來得這麼快. 而且, 這個趨勢只會以倍數或指數來成長, 除非出現全球的大災難, 把人類文明摧毀.

此文章於 2025-02-27 07:22 PM 被 ericshliao 編輯.

2025-02-27, 05:42 PM #2

ericshliao

Major Member

加入日期: Aug 2004

文章: 225

稍微說明一下上面的三支影片.
1. 用AI訓練程式去玩街機Street Fighter 2, 打敗高級模式的最後BOSS.
2. 用AI訓練程式去玩貪吃蛇.
3. 設計一個遊戲, 遊戲中有六個主角, 生活在同一個公寓裡, 每個主角各由一個AI控制, 主角之間會對話, 互動, 培養感情.

第3支影片是由參考史丹福大學和GOOGLE的研究者發表的論文來做的.
關於那篇論文的介紹, 下面的影片有專門的介紹.
https://www.youtube.com/watch?v=9VK-oeobdX4

https://www.youtube.com/watch?v=G44Lkj7XDsA

此文章於 2025-02-27 11:14 PM 被 ericshliao 編輯.

2025-02-27, 11:02 PM #3

kiki-yuan

Master Member

加入日期: Nov 2000

您的住址: Taiwan-Taipei

文章: 1,811

引用:

作者冰的啦魔王大人

PanSci 泛科學影片:
AI 已掌握生命秘密？甚至受諾貝爾獎肯定！Google DeepMind 推出 Alphafold-3，
人類預測蛋白質結構數量暴增200倍！還能用來開發藥物！ (https://www.youtube.com/watch?v=rWOUNYUPXO8&start=636)

結果隔壁大樓還在用窮舉法算蛋白質?? 這早就證實算到宇宙毀滅都算不完阿.

這棟樓就讓所有的AI 主題來蓋大樓好了.

我就拋磚引玉一下, 提供最近的經驗:
現在AI的智力已經超過普通人很多, 若拿考題來考, 每一科都能達到碩士程度.
最大的模型只能在伺服器端執行, 小一號的能在昂貴的工作站執行.
更小的,只能試玩, 最小的還不如不要用 , 因為大小直接影響智力.
放不進去? 速度會降低上百倍或者不給執行.

免費資源:
各大服務器營運廠商都有提供試用, 都是完全體, 要想自由用都要繳錢.
如果要免費用對面的服務器.都要實名認證帳號(要有對面手機號)

本地佈...

您的意思是一般玩家不需要再把顯示卡的算力投入 F@H 摺疊蛋白的計算?
AI 運算能力比這些玩家聚合的算力還要強大,因此不需要再浪費顯卡浪費電力來做f@h這計畫?

__________________
石頭也要榨出油來......

2025-02-28, 11:39 PM #4

冰的啦魔王大人

Senior Member

加入日期: Apr 2017

您的住址: (╯-_-)╯ ~ ╩╩

文章: 1,352

引用:

作者kiki-yuan

AI 運算能力比這些玩家聚合的算力還要強大,因此不需要再浪費顯卡浪費電力來做f@h這計畫?

堆算力這條路是行不通的.
想愚公移山? 那是作夢, 隨便區區一百個蛋白質的結構都能讓愚公們算到宇宙毀滅都算不完.
光是摺疊, 那可是複雜度O(3^2n)阿, 知道甚麼是演算法麼? 這還不含環境變數,一般宇宙壽命它們估計約10^17 秒.

AI 加入後直接排除很多不可能不合理的折疊, 預測出最可能的結構.
早在AlphaFold-2出現時我就想貼文, 可是阿那時一堆人在吵東吵西反智, 於是就放棄了.

當時他們要是一開始就去挖礦就好了, 現在就很有錢幹大事了.

__________________
------------------------------------------------------
這就是 Elon Musk 關停USAID的真相:

此文章於 2025-03-03 06:06 PM 被冰的啦魔王大人編輯.

2025-03-01, 12:40 AM #5

冰的啦魔王大人

Senior Member

加入日期: Apr 2017

您的住址: (╯-_-)╯ ~ ╩╩

文章: 1,352

說到自動開賽車"遊戲", 幾年前我有用過"按鍵精靈", 使用LUA語言寫作,
寫腳本讓它自動下去跑跑道賺金幣, 只是那時的判斷全部靠人力去寫"例外處理程序",非常麻煩,

也用過LUA寫去控制安卓手機操作單純的點擊操作.

但這些都只與"按那裡, 檢查畫面,例外處理"有關, 與真正的AI無關,
純燒自己的腦細胞與時間.

__________________
------------------------------------------------------
這就是 Elon Musk 關停USAID的真相:

此文章於 2025-03-03 05:46 PM 被冰的啦魔王大人編輯.

2025-03-01, 10:56 PM #7

kaoh08

Regular Member

加入日期: Sep 2005

文章: 66

這是 F@H 官方部落格對於 AlphaFold 的觀點
https://foldingathome.org/2024/05/0...or-foldinghome/

以下 GPT 翻譯:

引用:

**AlphaFold 為 Folding@home 開啟全新機會**
2024 年 5 月 2 日

**作者：Greg Bowman**

Folding@home 長期以來致力於理解蛋白質如何自我組裝（即折疊）成其功能性結構，以及在折疊狀態下的動態變化對其功能的影響。因此，當人們聽說一款名為 AlphaFold 的新型軟體演算法已經「解決」了蛋白質折疊問題時，可能會好奇這對 Folding@home 這個計畫意味著什麼。

首先，讓我們來看看 AlphaFold 的背景。AlphaFold 是一款機器學習演算法，經過訓練可以根據蛋白質的化學序列（即由胺基酸組成的序列）來預測蛋白質的結構。該演算法的訓練數據來自蛋白質資料庫（Protein Data Bank, PDB）(7)，這是一個公開的資料庫，收錄了超過 20 萬個蛋白質結構。這些結構是結構生物學家在其研究成果進行同行評審時，被要求提交的數據，經過數十年的積累而形成的。

在 AlphaFold 之前，已有許多其他演算法試圖透過物理計算與機器學習相結合的方法來預測蛋白質結構，而這些方法的表現也一直透過「蛋白質結構預測關鍵評估」（CASP）競賽的盲測來檢驗。雖然這個領域在過去幾十年間取得了巨大進展，但近年來似乎遇到了瓶頸。而 AlphaFold 的出現打破了這一趨勢，在準確度方面取得了重大突破。它的預測能力可謂是計算方法在生物醫學研究領域展現強大潛力的一個最佳範例。

然而，儘管 AlphaFold 是一項令人驚嘆的技術進步，但它並未解決 Folding@home 所關注的問題。我們在 Folding@home 的核心理念之一是，單一的蛋白質結構雖然極為重要，但這只是冰山一角。一個靜態結構無法告訴我們蛋白質如何折疊成該結構，也無法揭示蛋白質內部哪些部分會移動來發揮功能。

因此，AlphaFold 的發展實際上為 Folding@home 創造了許多新機會。我們對折疊後蛋白質動態性的研究通常需要至少一個來自實驗的高解析度結構。然而，對於許多蛋白質而言，這樣的結構並不存在，這使得我們過去無法為這類蛋白質的研究提供太多貢獻。然而，現在 AlphaFold 預測的結構已經足夠準確，即便缺乏實驗數據，我們也可以將其作為研究的起點。例如，在最近的一項研究中，我們利用 AlphaFold 預測的 PPM1D（一種重要藥物靶點）結構來理解某些神秘的抑制劑可能是如何作用於該蛋白質的。

如果你對此主題感興趣，我最近撰寫了一篇相關的觀點文章，你可以在這裡閱讀更多內容。

__________________
歡迎加入Folding@home分散式運算Taiwan Team (31403) 幫助研究解決蛋白質誤摺疾病

此文章於 2025-03-03 07:10 PM 被 kaoh08 編輯.

2025-03-03, 06:58 PM #10

ericshliao Major Member 加入日期: Aug 2004 文章: 225	這支YT影片介紹如何訓練AI玩GameBoy的寶可夢. 重點是訓練的過程, 對於AI新手很有啟發性. https://www.youtube.com/watch?v=mP_o2pWzf9k 這支YT影片先介紹神經網路的醫學理論起源, 以及後來在計算機領域的發展, 然後是訓練AI開賽車. https://www.youtube.com/watch?v=AJ1TR28KNqY 此文章於 2025-03-01 10:31 PM 被 ericshliao 編輯.
2025-03-01, 10:18 PM #6

ericshliao Major Member 加入日期: Aug 2004 文章: 225	訓練AI玩寶可夢的原版英文影片: https://www.youtube.com/watch?v=DcYLT37ImBY 有人做了中文翻譯, 分兩集: https://www.youtube.com/watch?v=5MWdUkudsmE https://www.youtube.com/watch?v=p02wYy6ogR4 應該是用電腦翻譯的, Version sixty-five 被翻成處女65... 此文章於 2025-03-01 11:52 PM 被 ericshliao 編輯.
2025-03-01, 11:46 PM #8

kaoh08 Regular Member 加入日期: Sep 2005 文章: 66	這是去年 nvidia GTC 講 BioNeMo NIM 的片段，可以看到 AlphaFold 跟他的基礎設施。 https://youtube.com/watch?v=Y2F8yisiS6E&t=4379 __________________ 歡迎加入Folding@home分散式運算Taiwan Team (31403) 幫助研究解決蛋白質誤摺疾病此文章於 2025-03-03 07:16 PM 被 kaoh08 編輯.
2025-03-03, 06:56 PM #9