在医学 AI 智能的迷人世界中，层出不穷的新型应用程序正在以令人意想不到的方式震撼着这个世界，包括通过机器自身的学习来不断解决我们遇到的问题。
我们在此以世界围棋冠军 DeepMind 举例，位于英国伦敦，是由人工智能程序师兼神经科学家戴密斯·哈萨比斯（Demis Hassabis）等人联合创立，是前沿的人工智能企业。其将机器学习和系统神经科学的最先进技术结合起来，建立强大的通用学习算法。2020 年底，DeepMind 发布消息称，其人工智能系统 “AlphaFold” 人工智能系统参加了由结构预测关键评估组织（CASP）的一项如何计算蛋白质分子 3D 结构的竞赛，并且预测准确性达到前所未有的水平。我们下面就来看一下这个最早在 1972 年就提出的 “蛋白质折叠问题”。
蛋白质折叠问题，或如何预测氨基酸序列折叠成其特征原子结构的问题，是药物和疫苗开发、诊断以及涉及蛋白质链性质的生物医学领域无数方面的核心，它在天文学上也是复杂的。这一问题的前提在于诺贝尔奖获得者克里斯蒂安·安芬森（Christian Anfinsen）的断言，即蛋白质的折叠结构在理论上应该是可以预测的，只要知道其特定的氨基酸序列，就可以对给定序列进行约 10^300 种可能的变异分析。对这些结构进行建模对于理解蛋白质作为代谢任务的机械执行者的生物过程至关重要，但即使是从准确性角度来看最有效的方法也被问题的规模所压倒。然而，由于预测性医学人工智能的力量不断缩小了可能性，科学家们有了一种全新的探索手段，可以在数小时内完成可能需要花费一生才能在实验室中发现的东西。
AlphaFold 不仅在医学 AI 智能研究方面具有突破性，而且在生物医学研究方面也具有普遍意义。它所能应对的正是我们在 2020 年新冠病毒全球流行中所遇到的挑战。如果将其广泛应用，我们难以想象它能在多大程度上改善和加速我们的医学研究。当我们从本地化的角度来看人工智能的发展趋势时，我们往往会问，它如何能够改善现有的解决方案，以及它如何产生那些需要翻译的新产品和服务。
我们看到，AlphaFold 人工智能在通信领域日益增长的作用似乎表明机器学习能为我们提供的远比我们预期的要多得多。由于与先前发现的蛋白质结构数据的一致性超过 90%，该算法的结果实际上可能纠正之前因人为失误所造成的误差。从本地化服务的角度来看，请大家想象一个未来：不是由人来评估机器翻译，而是机器来评估人的翻译，这是一件多么令人遐想的事情！尽管所有这些都是推测性的，但值得注意的是，对蛋白质结构进行成本高昂、时间密集型的研究现在可能已经成为过去式，技术进步和飞跃正在变得非常惊人。
CSOFT 华也国际与众多科技提供商密切合作，通过快速、准确且符合当地文化要求的多语言本地化解决方案，跨国界、跨语言提供产品和服务。凭借我们遍布全球的语言专家网络，CSOFT 华也国际可以帮助这一新兴领域的领导者们更好地占领全球市场。更多信息，请访问csoftintl.com。
[dqr_code size="120" bgcolor="#fff"]