2020年底，知名YouTuber #愛莉莎莎 發表了一支「喝橄欖油排膽結石」的民俗療法影片，被另一位YouTuber台大兒科醫師 #蒼藍鴿 批評是誤導民眾。2021春節期間，愛莉莎莎拍攝影片反擊對方言論，反而遭到醫療人員和眾多網友嚴厲批評，最後終於發布道歉影片，並且下架前面兩支高度爭議的影片。
底下我彙整了《#專業之死》這本書的重點資訊，交叉比對這起事件可能的起因和過程，整理出我們能從書中學到的五件事情。
部落格圖文版 https://readingoutpost.com/death-of-expertise/
　
【這是一本怎樣的書？】
　
《專業之死》的作者是美國海軍戰爭學院教授湯姆．尼可斯（Tom Nichols ），他主要研究蘇聯政局，也曾經在美國參議院擔任過會助理。他感嘆道：「以前的問題是在於資訊不流通、不發達，人民缺少學習知識的機會；現在則是資訊太爆炸，大家充滿了擁有知識的假象，反而開始對知識和專家體系抱持著敵意。」

這本書會說明這種現象的成因，以及這種現象帶來的後果和影響。作者除了談「專業」兩個字之外，書中也圍繞著「專家」與「公民」在民主社會中的關係來談。作者試圖回答兩個問題：(1) 專家與公民之間的關係可以崩解？ (2)我們每一個人，不論是專家或者公民，又應該如何應對來將此危機化解？

作者從定義什麼是專家、什麼是公民開始，然後說明為什麼這兩個族群之間的溝通越來越難，現在甚至還演變成彼此抱有敵意。然後談到了教育有時候不一定會開啟我們的視野，如果做的不恰當，反而會讓我們變成自以為是的知識分子。

接著，作者談網路資訊爆炸的時代，為什麼單純依靠搜尋引擎，並沒有辦法讓我們擁有跟專家一樣的能力，有時候「以為自己弄懂了」只是一個美麗的誤會。他也同時抨擊新聞媒體和政客官僚，他們為了博取眼球、總是操作意識形態的手法，反而會讓專家和公民漸行漸遠。

最後，作者提醒要如何成為一個恰如其分的公民，也提醒了身為專家應該保持謙虛和溝通的意願。這不是兩邊的拉扯，而是彼此的互相合作，因為專家和公民的良好合作，才能讓民主體制健康地發展，而不會淪為意識形態操弄下的極權統治。
　
無知在美國是一門邪教，而且源遠流長。反智像一條綿延不絕的線，蜿蜒貫穿著我們生活中的政治與文化面，至於滋養著這條線的謬誤觀念，則是：民主就等於「我再無知，也可以跟博學的你平起平坐」。
－科幻作家艾西莫夫（Issac Asimov）
　
【為什麼我想讀這本書？】
　
我之所以會拿起這本書來讀，是因為在去年的疫情肆虐之下，美國前總統川普總統特立獨行的防疫作為，還有他的支持者對於防疫不屑一顧的態度，都讓我十分納悶。為什麼在現在資訊這麼發達的時代，還是有這麼多的人，對於這種明明有科學證據的公衛政策，抱有這麼大的敵意呢？

加上有讀者推薦我這本書的內容非常精彩，我找來讀完之後的確大呼過癮。通常來說，這種書名加上教授身分的作者，會給人一種「艱澀」和「生硬」的先入為主印象。但是作者的敘事手法，搭配譯者非常「接地氣」的翻譯口吻，簡直讓這本書讀來輕鬆流暢，偶爾詼諧戲謔，偶爾嚴肅正經。

例如在這本書的開頭，作者就開宗明義就說：「萬一你覺得自己從來不需要任何人的意見，那就恭喜你，就是你這種人讓我覺得這本書非寫不可。」以及平民是怎麼看待讀書人的：「只要你還讀過兩天書，然後又不願意棄明投暗去跟大眾抱團的，那你就是精英份子，你全家都是精英份子。」

當我讀完這本書，正在整理心得的時候，恰逢最近網路上吵得火熱的「愛莉莎莎和蒼藍鴿的肝膽排石法事件」，這段你來我往的過程，被媒體塑造成了「文組vs.理組」之爭或「網紅vs.醫生」之爭，以這本書來解讀的話，這恰好是一場「公民vs.專家」之爭。
　
【１．無知的人有時候不知道自己無知】
　
許多網路留言抨擊愛莉莎莎的這支影片充滿誤導民眾的惡意，甚至在後來還拍了支反擊的影片，更是罪不可赦。我認為，起初的影片應該不至於是惡意，她很可能只是落入了「鄧寧——克魯格效應」而不自覺。

作者提到，所謂的「鄧寧——克魯格效應」（Dunning-Kruger Effect）是由兩位心理學者鄧寧和克魯格發表的論述，這個現象是在說「愈是笨蛋，就愈有信心自己不是笨蛋」。說話愈是草包的傢伙，就愈不可能知道自己錯、別人對。愈是沒料的人，就愈是會去無中生有、穿鑿附會。

在沒有充足的醫學知識和化學知識之下，她並不知道這件事情有任何不妥，恐怕對這種療法會帶來的副作用也毫無所知。我可以想像，當她看到蒼藍鴿的糾正影片時有多麼氣憤，如同作者說的：「人很不願意承認自己在對話中有跟不上、聽不懂的情況，特別是在大量資訊唾手可得的今日。」因此，她找了相關書籍和網路資訊，磨刀霍霍準備回擊對方的指點。
　
【２．搜尋引擎已經不管用了嗎？】
　
書中提到現代人有一種通病：上網搜尋的過程會讓人自認學識變淵博了，包括跟他們所查知識無關的主題，網友都會覺得自己所知變多了。這也算是一種鄧寧克魯格效應，也就是程度「愈差」的人，「愈難」在上網的時候察覺自己其實什麼都沒有吸收進去。

一心想反擊的愛莉莎莎，做了一個在這種處境下，可能很多人都會犯的事情：「他們會先決定好自己要相信什麼，然後再去網路上找證據，也就是一個先射箭再畫靶的概念。」作者也提到，人很不願意承認自己在對話中有跟不上、聽不懂的情況，特別是在大量資訊唾手可得的今日。當她急著找資料佐證自己的立場的同時，似乎忘了對方是有醫師執照的執業醫師。

雖然我們不是當事人，但仍然能從作者對「搜尋引擎學習法」的批評學到寶貴一課：「我們希望別人可以幫我們把骨頭都先挑掉，整理成懶人包，呈現方式還得顧及視覺上的舒適。那些字體又小、本身就很容易破損的教科書，我們敬謝不敏。所以與其說很多人在做研究，不如說他們是在：搜尋漂亮的網頁來提供人們能在最短的時間裡，花最少力氣吸收的解答。」搜尋引擎只能幫我們找到線索，閱讀和解析的苦工才是我們該練就的真本領。
　
【３．高等教育出了什麼問題？】
　
許多媒體報導愛莉莎莎雖然擁有高學歷背景（清華大學人文社會學士、英國斯特拉斯克萊德大學行銷碩士），卻在醫療這件事上面「不尊重專業」。為什麼會犯下這麼明顯的錯誤？這可以用心理學家鄧寧的說法來解釋：「我們傳統上認為無知就是缺少知識，所以教育就是無知的解藥。但教育即便是辦得好，也還是可能會製造出虛幻的自信。」

如今高等教育已經非常普遍，有時候反而帶給我們一種「我再多學一些就能跟專家平起平坐」的過度自信。我很喜歡《知識的假象》書中提過的一個觀念：「我們自以為擁有的知識，不過是延伸自全人類的知識共同體罷了；許多我們自己為懂的事情，其實我們並沒有那麼懂。」

所以愛莉莎莎在反擊影片中，引用《神奇的肝膽排石法》這本書，還把所有替這本書推薦和背書的「專家」也拉了進來，試著讓自己的立場增添一分可信度。只是她沒料想到的是，她引用的這位作者和推薦者們，本身就充滿了爭議，在科學上也站不住腳。受過高等教育的平民要挑戰另一個領域的專家，過度的自信反而成為了最大的絆腳石。
　
【４．專家難道就不會錯嗎？】
　
當我在閱讀相關報導網友們的評論時，看到許多留言寫道「很多專家也會誤人子弟」，以及「專家也不能全信」。之所以會有這種觀感，大多來自於某些專家曾經「撈過界」或「犯過錯」，如同作者批評某些自以為是的專家：「他們當自己的專業知識是萬用鑰匙，動輒對天下的事情大放厥辭，他們漂亮的博士帽就像佛光普照，一戴上去就覺得自己什麼都知道。」

這次的事件，很明顯的是蒼藍鴿以醫學專業獲得壓倒性勝利，導正了視聽，但身為普通公民的我們，仍然要保持清醒的意識，察覺以後遭遇的其他爭議事件。注意專家發表意見的場合，是針對他們自己真正的專業領域，抑或是他們不小心撈過界了。

雖然作者並不鼓勵我們對專家抱持百分百的盲信，但是在我們保持懷疑的同時，也不要急著對非自己專業領域的事情妄下判斷。他建議平民對專家抱持懷疑之心時，必須符合以下三點：

1. 當專家看法一致時，反面的意見就不能推定為真。
2. 當專家看法有分歧時，非專家的人不能認定任何一個看法為真。
3. 當專家都認為資料不足以做出結論時，一般人也理應不要妄下斷言。

專家不能保證所有的事情都是喜劇收場。他們無法承諾自己永遠不會犯錯，或在思考時不掉進凡人都很容易掉進的陷阱。他們能保證的，只有遵循科學原則和方法，進而把犯錯跟掉進陷阱的機率降到比大多數人低很多。想要享受某種專業帶來的好處，我們就得同時接受他們的不完美，就得接受他們還是有一定犯錯的風險。
　
【５．新聞媒體的標題亂象】
　
書中有一段話讓我很有感觸：「現代人會蜻蜓點水掃一下報紙頭條或文章，就分享到社群媒體上，但他們根本沒閱讀報導的內容。儘管如此，人們都希望在別人眼裡既聰明，消息又靈通，所以他們總是會一路裝蒜下去。」不可否認的是，以前的我也曾經這麼做過，看到標題就急著轉發。這個動作最後只為了表達自己立場和意識形態，還很容易造成假新聞的傳遞（用標題引誘轉發、塞假資訊在內容裡）。

你或許會問，那我們該如何對抗假新聞的傳播呢？雖然作者在這本書裡沒有給出明確的指引，但是我想起了另一位英國科學作家大衛．羅伯森（David Robson）在《為什麼聰明人會做蠢事？》書中給出的兩個建議：

1. 首先，不要推波助瀾。盡量避免轉發誘餌式標題，例如「肝膽排石法到底有沒有效？」這種標題，就無助於資訊的釐清，卻會讓不知詳情的民眾被誤導，只看標題還以為這是某種有效果的療法，很容易越描越黑。反而是「研究已經證明肝膽排石法是無效的民俗療法」這種平淡的論定式標題，才有助於導正視聽。

2. 其次，只轉發有憑有據的正確資訊。例如看到某則醫療資訊，就要很謹慎查證來源是否有公信力，像是衛服部、醫療院所和機構、有名有姓的具名醫師，這些查得到來源出處的資訊才經得起驗證，避免那些連作者和來源都查不到的坊間謠言。
　
【民主制度仰賴專家與公民的溝通】
　
除了上面的討論之外，作者認為一個良好的民主制度，得仰賴專家與公民保持良好的溝通，才不至於讓不尊重專業的民粹主義崛起，進一步惡化成極權主義。這個觀點讓我重視到這件事情的嚴重性。

作者在書中這麼說道：「專家與公民的關係，就跟絕大多數民主制度下的互動關係一樣，都建立在互信的基礎上。一旦這樣的基礎崩解，專家與公民就會變成交戰的兩方。一但事態朝此方向惡化，民主本身就可能陷入死亡漩渦，進而讓暴民政治或由技術官僚把持的精英統治，變成迫在眉睫的危險。這兩種終局都是威權統治的變形，也都是美國現狀所面臨的重大危險。這就是為什麼專家與公民關係的崩解，就等同於民主制度的失能。」

對應到台灣的社會狀況，這段評論值得我們作為警惕。歷史上平民的資訊量不足是一碼子事，專業知識又是另外一個問題。現在有問題的不是大家對於知識體系無視，而是大家對於知識體系抱持敵意。專家必須更加謙遜地傳達知識，公民必須提高自己對知識的自覺。
　
【後記：不敵對，造橋梁】
　
我認為《專業之死》這本書是寫給所有現代人看的必讀之書，無論你自認為是專業領域中的專家，或者你只是一個像我一樣普通的平民百姓，這本書都會帶給你不同於以往的觀點。更進一步，讓我們認識民主制度和數位浪潮的結合之下，身為個人該如何保持冷靜和理性，扮演好自己身為公民的角色。

我透過這本書學到的事情，就是除了跟著大眾搖旗吶喊「專業已死」這個選項之外，我還能有別的選擇。回顧到我自己能做出的貢獻，就是在專家和公民之間搭建起一個「橋樑」，透過部落格和Podcast傳遞我看到且認為正確的資訊，保持謙遜聽取來自各方的意見，讓知識的傳播足夠廣泛，並且時時保持優化。
　
一支民族若想自治，就必須要先武裝自己，而知識的力量就是他們最好的武器。
－美國第四任總統詹姆斯．麥迪遜（James Madison）

【抽獎贈書活動】《#無限賽局》x2本
許多人誤把人生（或商場、職場、教育、婚姻...等）當成一場有限賽局，處處爭奪「成為第一」，滿心只想「打敗對手」，想要「贏」得一切。但這種有限思維，常常導致人們的信任、合作、創新遭受損害。
《無限賽局》作者提倡「五種關鍵的無限思維」，跟有限思維對比起來，更能讓你在人生的各種賽局玩得更久、玩得更好、玩得更有動力。
圖文好讀心得 https://readingoutpost.com/the-infinite-game/
.
【這本書在說什麼？】
.
《無限賽局》的作者是我很喜歡的知名講者賽門．西奈克（Simon Sinek），尤其是這段受訪的影片〈千禧世代在職場上出了什麼問題〉在網路上廣為流傳。他的前三本書《先問，為什麼？》、《找到你的為什麼》和《最後吃，才是真領導》則對我的工作態度帶來很大的正面影響。

他最廣為人知的是「黃金圈」的概念，從為什麼、如何做、做什麼的三個層次，探討為什麼某些人和企業總是能夠脫穎而出。這次，在他最新的著作裡，詳細說明了一個前作有稍微提過的思考架構：「無限賽局」。這是比黃金圈最內層的「為什麼」還要深層的思考，以「信念」驅策行動，跳脫傳統商業競爭的你輸我贏思維。

作者開宗明義說道說：「我寫這本書不是為了改變那些固守現狀的人，而是想號召那些準備好挑戰現況的人，為了創造一個能真正滿足人類最深層需求的新世界：感到安全、為比自己更大的事物貢獻力量，並且養活自己和家人。一個對個人、企業、社群和全人類都帶來最大利益的新世界。」

無限賽局不講輸贏，只有領先與落後，存活與淘汰。終極目標不再是打敗別人，而是如何不斷讓自己更好、更進步、每一天醒來都充滿動力前進。如同作者所說的：「黃金圈引導你找到最初的為什麼，無限思維為你重新定義工作與人生的方向與策略」，我迫不及待想透過這本書，重新定義人生這場限時賽的玩法。
.
【五種關鍵的無限思維】
.
為人熟知的「有限賽局」中，有既定、已知的玩家、固定的規則。大家事前都有共識，達成某個目的之後，賽局就結束。例如球類競賽就是有限賽局，有比分、有規則，時限內分數高的球隊，則可以獲得最後的勝利。

然而，「無限賽局」指的是有些已知、有些未知的玩家，彼此沒有明確或事先同意的規則，也沒有時間限制。玩家在賽局內可以打破慣例、決定自己如何行動。因為沒有終點線和時限，也就沒有人能「贏得」一場無限賽局。玩家們的首要目標是不停地完下去，讓賽局持續下去。

作者認為許多人誤把人生（或商場、職場、教育、婚姻…等）當成一場有限賽局，處處爭奪「成為第一」，滿心只想「打敗對手」，想要「贏」得一切。但這種有限思維，常常導致人們的信任、合作、創新遭受損害。以下是作者提倡「五種關鍵的無限思維」，跟有限思維對比起來，更能讓你在人生的各種賽局玩得更久、玩得更好、玩得更有動力。
.
１．崇高的信念
.
無限思維關注的是值得努力貢獻的遠大願景，作者這麼定義：「崇高的信念是對一個尚不存在的未來懷抱具體的願景；這個未來令人嚮往到人們願意犧牲小我，來實現這個願景。」信念並不像「目標」一樣可以被量化或終結，它本身比個人或企業的存續時間還來得長遠。

相反的，有限思維的人會關注短期利益，追求有時限、能夠量化的目標。作者舉一些企業的高階主管為例：「他們達到了每一個為他們設定的目標，也因而獲得高額的報酬，所以他們不斷重複同樣的模式：他們到了職涯的某個階段，已經沒有為比自己更偉大的事物努力的熱忱，取而代之的是像倉鼠在滾輪上不斷地奔跑，毫無成就感。」累積有限的勝利，並不會帶來無限。
.
２．彼此信任的團隊
.
提升組織績效的最佳方法，就是創造一個環境，讓資訊可以暢通無阻、錯誤可以被突顯，大家可以隨時提供和接受幫助。簡言之，就是彼此之間都感到安全的環境，這才是領導者的責任。我很喜歡書中這句話：「領導者要負責的不是結果，領導者要負責的是要對結果負責的人們。」

有限思維的領導者會這麼想：「怎樣才能讓我的員工拿出最佳表現？這是一個有瑕疵的問題，這個問題不是問我們如何幫助員工成長，而是如何從員工身上榨出更多的成果。」無限思維的領導者會這麼問：「如何創造一個環境，讓我的員工能自然而然發揮出最佳表現？」

有限思維的領導者認為「結果」（績效）比較重要，他們傾向獎勵成功、懲罰失敗，這會造成。相反的，無限思維的領導者，會打造具有安全感的環境，讓團隊中的人們表現脆弱、彼此信任、勇於求救，致力於合作解決團隊遭遇的問題。無限思維的領導者關注這些「對結果負責的人」解決問題的「過程」。
.
３．可敬的對手
.
有限思維的領導者一心一意想要「打敗對手」，緊盯對方的一舉一動，想要依賴「贏」過對方的方式讓對手退出賽局。無限思維的領導者反而會對對手產生一種「敬畏」的心理，他們觀察對方的優點和長處，學習並且用來改善自己，讓自己朝原本「崇高的信念」更邁進一步。

傳統競爭思維讓我們採取要獲勝的態度，敬畏對手的思維則啟發我們採取改進的態度。前者讓我們的注意力集中在輸贏的「結果」，後者則讓我們的注意力集中在改進的「過程」。簡單的觀念轉變，就能立即改變我們看待自己的方式。專注於過程和不斷改進，也有助於發現新能力、讓組織更具韌性。反之，過分專注於擊敗對手，久而久之不僅會疲乏，還會扼殺創新。
.
４．攸關存亡的應變
.
無論是人生、商場或職場，總會遇到重大的困難或者危機，作者稱這種時刻叫做「攸關存亡的應變」。有限思維的領導者選擇走安全的棋，擁護目前還能獲利的產品和策略，對於不確定的道路、有可能顛覆產業的概念，認為這種險不值得冒。他們會為了保護現有的商業模式而選擇不應變，即使可能會傷害到最初的信念。

但無限思維的領導者知道，如果不能靈活應變，將大大限制他們推動信念的能力，他們害怕的是繼續走現在的路，反而可能把組織帶向滅亡。對無限思維的領導者而言，攸關存亡的應變是為了更有效地推動信念，即使這麼作會顛覆現有的商業模式。
.
５．領導的勇氣
.
作者在書中舉了許多當代的企業，面臨到的「道德十字路口」。例如臉書聲稱要「讓世界更緊密連結」，卻背離了這個理念，侵犯個人隱私、追蹤用戶習慣，為的是最大化廣告投放的獲利。美國最大連鎖藥局CVS宣布在店內停售香菸之後，緊追在後的對手Rite Aid仍不動聲色，Rite Aid的執行長認為銷售香菸合乎法律規範，儘管這與公司「帶給世人健康」的理念背道而馳。

作者認為領導者需要拿出勇氣，抵抗壓力做出正確的選擇，他說：「正直不只是做對的事，正直是在大眾抗議或醜聞發生之前就採取行動。當領導者知道公司明明在做不道德的事，卻得等輿論爆發之後才採取行動，這不是正直，那叫做損害控制。」有些領導者背離了最初的信念，連勇氣也蕩然無存。
.
【後記：限時賽裡的無限跑者】
.
作者在書中列舉了非常多由有限思維的領導人直接或間接造成的「商業失敗案例」。綜合觀察下來，這些有限思維的領導者之所以失足，我認為都跟背離了「信念」有很強的相關。當他們把關注的目標，放在打敗對手、放在績效化帥、放在短期獲利的時候，很容易將公司帶向規格戰、價格戰的境地，他們忘了自己是誰、忘了公司的本質要為誰服務，他們在乎輸贏，卻輸給自己。

回歸到個人的層面，我認為人生就是一場「限時賽」，我們就是這場限時賽裡的跑者，對手沒有別人，而是昨天的自己。我們要用「無限的思維」去跑這場「限時賽」。

我們奔向的是自己創造出來的信念（也可以「追隨」某個模範榜樣的信念），在這個過程中不斷超越昨天的自己。把原本視為競爭的對手當成導師，從對方身上找到能推動自己信念的長處並且學習之。為了信念，我們可以表現脆弱、承認犯錯，也允許自己適應新的道路或方法，只要能朝信念更接近一些。

在這場人生的限時賽局中，最寶貴的貨幣資產不是金錢，而是「時間」。我很喜歡《原子習慣》的作者曾經引用的一句話：「一旦你發現『時間』才是最寶貴的貨幣，你會徹底改變你的生活風格和習慣。」

無限思維以「信念」為導引，讓我們放下自尊和短視，放眼持續和長期的進步；人生的賽道則以「時間」為限制，督促我們把握有限的時間，綻發無限的光芒。當我們離開賽局的時候，我們回顧自己的人生和事業，就可以說：「我沒有白活」。更重要的是，我們會看見自己啟發的更多人在我們退場以後仍然繼續前行。

推薦這本書給每一場人生限時賽裡的無限跑者。
.
【抽獎辦法】感謝 天下讀者俱樂部
１、抽出「2本」《無限賽局》送給閱讀前哨站的讀者們！有興趣的朋友請在底下「按讚留言」，「公開分享」本則動態參加抽獎。
２、留言請寫下：你為什麼想讀這本書？例如：「我想瞭解無限思維和有限思維的差異」
３、活動時間：即日起至2021/2/3(三)晚上十點截止，隔天在留言中公布名單，隨機抽出2名正取，2名備取。
４、請正取得獎者於2021/2/4(四)晚上十點前，私訊回覆寄件姓名、地址、電話，超過期限未認領由備取遞補，寄送僅限台澎金馬。

「它將改變一切！」

DeepMind AI解決生物學50年來重大挑戰，破解蛋白質分子折疊問題。

本週振奮全球AI界的消息：Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果，這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。

我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月，這真是一個讓人懷抱希望的全新技術可能性，期待 AlphaFold之後締造更多 AI for Good 落地應用。

以下文章詳盡解釋了這項突破，內容經《機器之心》微信公眾號授權轉載。

▎生物學界最大的謎團之一，蛋白質折疊問題被 AI 破解了。

11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。

最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 折疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。

DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。

科學家們表示，Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制，並為設計藥物、農作物增產，以及可降解塑料的「超級酶」研發鋪平道路。

「這是該研究領域激動人心的一刻，」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」

蛋白質對於生命至關重要，它們是由氨基酸鏈組成的大型複雜分子，其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡，蛋白質折疊一直是生物學領域的重大挑戰。

DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中，DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手，在準確性方面比肩人類實驗結果，被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現，尤其是基礎科學研究的影響。

在兩年一次的 CASP 競賽中，各組爭先預測蛋白質的 3D 結構。今年，AlphaFold 擊敗了所有其他小組，並在準確性方面與實驗結果相匹配。

對於不熟悉生物領域的人來說，CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction，旨在對蛋白質結構預測進行評估，被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦，每兩年一屆，目前正在進行的一屆是 11 月 30 日開始的 CASP14。

而 DeepMind 這一突破有什麼影響？

用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說，「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域，因為核心問題已經解決。這是一流的科學突破，是我一生中最重要的科學成果之一。」

▎蛋白質折疊問題

蛋白質的形狀與它的功能密切相關，而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題（如尋找分解工業廢料的酶）基本上都與蛋白質及其扮演的角色有關。

多年以來，蛋白質結構一直是熱門的研究話題，研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備，每種結構的研究都要花數年時間。

1972 年，美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究，特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上，他提出了一個著名的假設：從理論上來說，蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索，即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。

但這一思路的挑戰在於，在形成三維結構之前，蛋白質的理論折疊方式是一個天文數字。 1969 年，Cyrus Levinthal 指出，如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象，要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計，一種蛋白質大約存在 10^300 種可能構象。但在自然界中，蛋白質會自發折疊，有些只需幾毫秒，這被稱為 Levinthal 悖論。

CASP 14 比賽最新結果：AlphaFold 中位 GDT 高達 92.4

CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立，每兩年進行一次盲審，以促進蛋白質結構預測方面的新 SOTA 研究。

一直以來，CASP 選擇近期才經過實驗確定的蛋白質結構，作為參賽團隊測試其蛋白質結構預測方法的目標（有些結構即使在評估時仍然處於待確定狀態）。這些蛋白質結構不會事先公佈，參賽者也必須對其結構進行盲測，最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則，CASP 一直被稱為預測技術評估方面的「黃金標準」。

CASP 衡量預測準確率的主要指標是 GDT（Global Distance Test），範圍從 0 到 100，可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示，GDT 分數在 90 分左右，即可視為對人類實驗方法具備競爭力。

在剛剛公佈的第14 屆CASP 評估結果中，DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4，意味其平均誤差大概為1.6 埃（Angstrom），相當於一個原子的寬度（或0.1納米）。即使在難度最高的自由建模類別中，AlphaFold 的中位 GDT 也達到了 87.0。

歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況，度量指標為 BEST-OF-5 GDT。

CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。

這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用，例如膜蛋白（membrane protein）。膜蛋白很難結晶，因此很難通過實驗方法來確定其結構。

該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展，比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮，它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授（諾貝爾獎得主，英國皇家學會會長）

▎DeepMind 這樣解決蛋白質折疊問題

2018 年，DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽，取得了最高的準確率。之後，DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在，DeepMind 團隊開發出新的深度學習架構，並使用該架構參加 CASP14 比賽，達到了空前的準確率水平。這些方法從生物學、物理學、機器學習，以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。

我們可以把蛋白質折疊看作一個「空間圖」，節點表示殘基（residue），邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold，DeepMind 團隊創建了一個基於注意力的神經網絡系統，並用端到端的方式進行訓練，以理解圖結構，同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對（MSA）和氨基酸殘基對的表示來細化該圖。

通過迭代這一過程，該系統能夠較強地預測蛋白質的底層物理結構，並在幾天內確定高度準確的結構。此外，AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。

DeepMind 團隊在公開數據上訓練這一系統，這些數據來自蛋白質結構數據庫（PDB）和包含未知結構蛋白質序列的大型數據庫，共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核（相當於 100-200 個 GPU）運行數週，與現今機器學習領域出現的大型 SOTA 模型相比，該系統所用算力相對較少。

此外，DeepMind 團隊透露，他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。

AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行，迭代地在二者的表示之間傳遞信息，從而生成蛋白質結構。

▎對現實世界的潛在影響

「讓 AI 突破幫助人們進一步理解基礎科學問題」，經過 4 年的研究攻關，現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景，在藥物設計和環境可持續性等領域都產生了重要的影響。

馬克斯· 普朗克演化生物學研究所所長，CASP 評估員Andrei Lupas 教授表示：「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構，重新啟動關於信號如何跨細胞膜傳輸的研究。 」

DeepMind 表示願與其他研究者合作，以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外，DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。

同時，DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如，通過幫助識別存在故障的蛋白質，並推斷其相互作用的方式，來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確，從而補充現有的實驗方法，並更快找到更有希望的治療方法。

AlphaFold 是十分卓越的，它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究，加速藥物研發過程都具有廣闊的前景。

同時許多證據也表明，蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候，DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中，AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前，實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性，並且相關序列很少，但與實驗確定的結構相比，AlphaFold 在兩種預測上都獲得了較高的準確率。

除了加速對已知疾病的了解，AlphaFold 還具備很多令人興奮的技術潛力：探索數億個目前還沒有模型的數億蛋白質，以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列，基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫（UniProt）中有 1.8 億個蛋白質序列。相比之下，考慮到從序列到結構所需的實驗工作，蛋白質數據庫（PDB）中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣，像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。

▎開創新的可能

AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一，但隨著後續科學研究的開展，依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方，包括多蛋白如何形成複合體，如何與 DNA、RNA 或者小分子交互，以及如何確定所有氨基酸側鏈的精確位置。此外，在與他方合作的過程中，還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。

對於所有致力於科學領域中計算和機器學習方法的人而言，像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣，這個世界依然有諸多未知的方面。

DeepMind 取得的這一進展令人們更加堅信，AI 將成為人類擴展科學知識邊界的最有用工具之一，同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。

影片及原文，參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology