DeepMind又有AI新突破,攻克50年未解「蛋白質折疊」難題!可望加速藥物研究
DeepMind又有AI新突破,攻克50年未解「蛋白質折疊」難題!可望加速藥物研究

還記得以AlphaGo聲名大噪的DeepMind嗎?現在這間頂尖的AI公司又再立下一個新里程碑,成功開發出一款AI軟體,攻克存在50年以上的科學難題,能夠準確預測蛋白質的折疊結構,無論對製藥、疾病學等領域都是非常大的進展。

DeepMind開發出的最新版本AlphaFold,成功獲得每兩年一度「蛋白質結構預測關鍵評量(CASP)」認可,能夠在短時間之內,準確預測出蛋白質折疊結構,誤差範圍達到0.16奈米內。若按照以往的作法,要確認蛋白質折疊結構往往得花上數個月、甚至數年時間。

CASP是於1994年首度舉辦的一項活動,希望找出預測蛋白質結構的方法,但直到AlphaFold出現以前,沒有挑戰者能夠提出獲得認可的解決方案。

花數週訓練AI,攻克難倒全球科學家50年問題

蛋白質是生物運轉的重要齒輪,而蛋白質折疊是指蛋白質獲得功能性結構的過程,依照結構的不同,蛋白質的功能也迥然不同,若能預測蛋白質折疊的結構,就能對其運作有更深度的理解,有助於開發疾病解藥,或者找出分解特定工業污染的酶。

1972諾貝爾化學獎得主克里斯蒂安.安芬生(Christian Anfinsen)曾在一項假設中估計,若要從胺基酸序列預測蛋白質架構,可能的折疊方式多如天文數字。而另一位生物學家塞瑞斯.列文塔爾(Cyrus Levinthal)則指出,蛋白質折疊存在10的300次方種可能性,若想暴力破解(brute force calculation),花費時間可能比宇宙的年歲還長,

AlphaFold曾在2018年首度參與挑戰,當年雖繳出所有挑戰者中最好的成果,依舊沒有達到過關標準,經過兩年時間調整,這次活動上才正式獲得評審認可,成為世上第一個能夠準確預測蛋白質折疊的解決方案。

DeepMind AlphaFold
「如何準確預測蛋白質折疊」是個困擾全球科學家50年的難題,DeepMind利用AlphaFold首度為這個難題找到答案。
圖/ YouTube

DeepMind的技術是利用資料庫中約17萬種蛋白質訓練AlphaFold,使其比較各個結構與胺基酸序列,使用了約100個至200個GPU的運算能力,並花費數個禮拜的時間進行訓練。

「我一直希望能夠活著看到這一天。」共同創辦CASP的馬里蘭大學教授約翰.摩爾特(John Moult)表示,「先前我對此不是很有把握。」

Google執行長桑德爾.皮蔡也在推特上祝賀,「DeepMind驚人的蛋白質折疊技術突破,能夠幫助我們更好地理解構成生命的基本元素,對於科學家研究疾病、環境永續等難題都有助益。」

遊戲得第一還不夠,DeepMind也想對世界有實質貢獻

2014年被Google收購的DeepMind,最著名的事蹟莫過於開發出擊敗李世乭、柯潔等頂尖圍棋高手的AlphaGo。其後又與遊戲公司暴雪合作,利用即時戰略遊戲《星海爭霸II》訓練AI挑戰人類玩家。

AlphaGo
DeepMind研發的AlphaGo曾擊敗李世乭、柯潔等世界棋王,但這間AI公司希望他們的技術能夠實質地對世界帶來貢獻。

縱使DeepMind的AI在各種遊戲叱吒風雲,這間英國AI公司的終極願景依舊是透過人工智慧技術,攻克現實世界中的各種待解問題。先前也曾與Google在印度測試能夠篩檢眼疾的AI技術,甚至協助控制Google資料中心的冷卻系統,進而節省40%用電。

「DeepMind的終極目標一直是打造通用人工智慧,加快科學發展的腳步,幫助我們進一步認識世界。」DeepMind執行長德米斯.哈薩比斯(Demis Hassabis)表示,經過4年發展,他們的系統已經足夠準確,現在演算法有能力應用於科學問題。

對於下一步,《MIT科技評論》指出,DeepMind計畫將AlphaFold使用在疾病研究上,如瘧疾、嗜睡病、利什曼病等,這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構。

DeepMind首席科學家約翰.強波(John Jumper)強調,他們不想成為徒有虛名的公司,希望能在生物學上做出一些貢獻。

資料來源:紐約時報、MIT科技評論、DeepMind
責任編輯:錢玉紘

關鍵字: #DeepMind
往下滑看下一篇文章
青年如何跨出改變社會的第一步?Impact Star 3 組首獎團隊從教育到減塑,把想法帶進真實現場
青年如何跨出改變社會的第一步?Impact Star 3 組首獎團隊從教育到減塑,把想法帶進真實現場

許多年輕人懷抱熱忱,期盼透過行動讓社會變得更好,卻在起步時感到茫然,不知道該從何著手,也難以確認自己的想法是否回應真實需求。為了接住這份想要改變社會的熱情,「2026 Impact Star 青年影響力啟動賽」為青年搭起一個動手實作的舞台。

Impact Star 由新北市政府青年局主辦、社企流共同推動,邀請 5 個社會創新組織提出第一線問題,並安排專業導師陪伴 10 組青年團隊展開兩個月的實作,從訪談、理解需求開始,把點子一步步做成能進入現場測試的方案。

新北市政府青年局
圖說:新北市青年局 邱兆梅 局長分享「Impact Star 青年影響力啟動賽」的辦理初衷
圖/ 新北市政府青年局

把科學教材放進 LINE,協助老師更快完成備課

「LIS 情境科學教材」長期製作國中小科學影片與教學資源,這次競賽以「跨科教學減壓」為題,希望青年找出方法,協助非自然科背景的老師更容易使用這些教材準備科學課程。

本次獲獎團隊「EDU」成員劉子瑤、梁秭萁訪談一名剛進入教育現場的老師後,發現對方同時教授近 9 個科目,還要兼顧行政工作與班級經營,備課時間格外珍貴。因此決定把解決方案聚焦在備課流程最佳化,協助教師更快找到適合的教材。

「EDU」 決定利用教師們最熟悉的 LINE 官方帳號,整合 LIS 影片、投影片與教案,再把教材內容製作成視覺化備課卡。使用者只要透過手機,就能簡單掌握教學重點、課程流程及所需材料,直接放進既有的備課流程。

透過吸收教師的回饋,「EDU」 在競賽過程中持續調整,讓操作方式更貼近實際使用情境。最終作品在 3 名教師參與的初步測試中,於系統易用性方面獲得 82.5 分,反映受測教師對操作體驗的正面評價。

新北市政府青年局
圖說:劉子瑤、梁秭萁分享,未來也期待相同架構能延伸至其他科目,讓更多教學資源被帶進課堂。
圖/ 新北市政府青年局

把教育平權做成手機遊戲,讓青年找到參與方式

「TFT 為台灣而教」長期關注教育不平等,這次活動希望促進青年思考,如何讓高中生與大學生理解教育平權,並找到適合自己的參與方式。本次獲獎團隊「星築美少女」因此決定製作手機沉浸式遊戲《鐘響以前》,並將這些因素融入故事中。遊戲以一場為期 3 天的營隊為背景,玩家能在 15 至 30 分鐘內探索場景、與角色對話並蒐集線索。

遊玩過程中,玩家會發現一名叫做阿龍的孩子沒有出現在正式名單上;而阿龍未能參加營隊,背後牽涉交通、家庭照顧責任與行政程序等因素。玩家必須在有限的人力、時間與預算中作出選擇,透過安排阿龍的行程,切身理解教育不平等如何出現在孩子的日常生活中。

遊戲結束後,系統會依照過程中的選擇提供「行動者分類」,協助玩家了解自己適合投入陪伴、資訊整理或跨域解題,並附上 TFT 相關計畫與參與連結。在 67 名完成前後測的玩家中,認為自身專業難以對教育平權發揮作用的比例,由約 4 成降至約 2 成,顯示更多玩家在體驗後,看見參與教育平權的可能。

新北市政府青年局
圖說:星築美少女成員分享,自己曾在教育社會學課程中接觸相關議題,理解家庭、交通與經濟條件都可能影響一名孩子的求學歷程。
圖/ 新北市政府青年局

減塑求籤機走進飲料店,環保成為日常選擇

「海湧工作室」長期投入環境教育與廢棄物源頭減量,這次競賽希望讓民眾理解海洋廢棄物治理,並在日常生活中實際參與減塑。本次獲獎團隊「塑 per NOVA」從淨灘資料中注意到塑膠吸管造成的海洋廢棄物問題,也觀察到消費者即使知道減塑的重要,仍習慣於購買飲料時拿取塑膠吸管。

「塑 per NOVA」成員王姸儒、郭書睿,因此把實作場域選在手搖飲店,設計「減塑求籤機」。裝置設在消費者購買飲料的動線上,當消費者準備拿取吸管時,即提供可替代選項,讓減塑融入消費流程。

顧客投入 1 元後,可取得一支可自然分解的蒲草吸管,透過掃描 QR Code,可抽取線上環保籤詩。此求籤的趣味設計有效提升消費者嘗試意願,透過線上籤詩更進一步提供日常減塑方法介紹。

「塑 per NOVA」在 3 間飲料店測試兩週,累積約 150 次蒲草吸管取用。這段經驗讓他們直接觀察顧客如何操作裝置,也了解方案能否融入店家的營運流程,為後續拓展更多場域累積經驗。

新北市政府青年局
圖說:成員王姸儒、郭書睿設計「減塑求籤機」,讓減塑融入原本的消費過程。
圖/ 新北市政府青年局

前進新加坡,青年行動的下一步

獲得首獎的 3 組團隊,預計於 9 月底前往新加坡和南洋理工大學,與當地社會創新組織交流。團隊將延續這次實作累積的經驗,觀察新加坡如何回應相近議題,再思考哪些做法適合帶回台灣。

「EDU」希望了解新加坡如何支持非本科教師授課,以及當地社創組織有哪些能夠立即實踐的做法;「星築美少女」則將觀察教育政策的實際運作,及新加坡如何理解與推動教育平權。「塑 per NOVA」關注當地如何讓環保意識融入民眾生活,並希望從永續措施中找到減塑求籤機後續發展的方向。

頒獎典禮上,「星築美少女」成員王品然坦言:「一開始覺得社會影響力很遙遠,自己做不了什麼東西。」但參加完比賽後發現,踏出第一步就可能帶來改變,她說:「其實做一小步,你就可以改變一些東西。」

從起步時不知道該從何著手,到把方案帶進真實場域,3 組團隊在兩個月的實作中找到答案:青年不必等到有完整的解法才開始,只要先走近一個真實需求,並根據回饋持續調整,對社會的關心就能逐漸成為具體行動。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓