Как ИИ разгадал структуру 200 миллионов белков (Veritasium)

За предыдущие 60 лет десятки тысяч биологов со всего мира выяснили структуру 150 тысяч белков. А автоматизированная система на основе нейронных сетей, которую создала команда из 15 человек, смогла достоверно определить структуру 200 миллионов(!) белков за несколько лет работы. Такой ИИ нам нужен. Как, решая проблемы оптимизации алгоритмов автоматизированного предсказания пространственной структуры белков, ученые достигли невероятных результатов на этом тернистом пути. Как ИИ AlphaFold2 от DeepMind помог совершить революционный скачок в области определения пространственной структуры белка, расшифровав строение 200 миллионов белков за короткое время. Какие проблемы решались в процессе и какими методами. За это Джон Джампер и Демис Хассабис получили на двоих половину Нобелевской премии по химии за 2024 год. И как автор научной компьютерной игры-головоломки FoldIt (ставь белок, если играл) о свёртке белков, Дэвид Бэйкер, получил вторую половину Нобелевской премии за метод создания абсолютно новых синтетических белков для выполнения заданных функций, RF Diffusion, на основе генеративного ИИ. https://boosty.to/voicepower Тг: https://t.me/voicepowel (новый тг) Вк: https://vk.com/public60480847 Для донатов: https://yoomoney.ru/to/41001106158836/ Карта: 5599002011950963 Оригинал: https://youtu.be/P_fHJIYENdI 00:00 Как определить структуру белка? 3:50 Почему белки такие сложные? 5:34 Состязание CASP и Deep Mind 9:08 Как работает Alphafold 12:06 3 шага для улучшения ИИ 12:53 Трансформер в нейросети 15:44 Модуль структуры 17:04 Alphafold 2 получает Нобелевскую премию 19:05 Разработка новых белков - RF Diffusion 21:27 Будущее ИИ