TALÁLD MEG, AMI ÉRDEKEL

Keress az AI világában.

SAJÁT OLVASÓLISTÁD

Mentett cikkeim.

A megjelölt történetek ezen az eszközön várnak, hogy később folytathasd az olvasást.

    01

    Még nincs mentett cikked.

    A cikkoldalakon található Mentés gombbal állíthatod össze a saját olvasólistádat.

    A lista ebben a böngészőben tárolódik, és nem kerül a szerverre.

    A DeepMind AlphaFold: A biológia és az orvostudomány jövőjét alakító AI

    Egy évvel ezelőtt a DeepMind AlphaFold AI forradalmat indított el a tudományban: fehérjeszerkezeteket jósolt meg, és új utat nyitott a biológia megértésében és a gyógyszerkutatás felgyorsításában.
    A DeepMind AlphaFold: A biológia és az orvostudomány jövőjét alakító AI
    • A DeepMind AlphaFold AI jelentős szerepet játszott a fehérjeszerkezetek előrejelzésében, jelentősen javítva a biológia megértését és felgyorsítva a gyógyszerkutatásokat.

    • Az AlphaFold fehérjeszerkezeti adatbázist világszerte több mint 1,2 millió kutató használta, és alkalmazásai gyorsan növekednek a különböző területeken.

    • Sikere ellenére még mindig sok megoldatlan probléma van a fehérjekutatásban, és az AlphaFold csapata nagyon várja, hogy az elkövetkező években még több valós alkalmazást láthasson az AI-juk számára.

    2022 nyarán a DeepMind AlphaFold AI felbolygatta a tudományos közösséget azzal, hogy megjósolta a tudomány által ismert szinte összes fehérje szerkezetét. Ez az úttörő eredmény jelentősen javította a biológia megértését, megnyitotta az utat a felgyorsított gyógyszerkutatás és a betegségek gyógyítása előtt. Ma az AlphaFold fehérjeszerkezeti adatbázis 190 ország több mint 1,2 millió kutatója számára létfontosságú eszköz, és az alkalmazási aránya gyorsan növekszik minden területen.

    Ha többet akarsz tudni, kövess minket Facebookon!

    A siker ellenére az AlphaFold mögött álló csapat nem pihen a babérjain. Kathryn Tunyasuvunakool, az AlphaFold egyik kutatója elismeri, hogy a fehérjetudomány számos problémája továbbra is megoldatlan. Reményét fejezi ki, hogy az AlphaFold több valós alkalmazást láthat az elkövetkező évtizedekben, hangsúlyozva, hogy a mesterséges intelligenciának továbbra is pozitív hatást kell gyakorolnia a biológia összetett és adatgazdag területére.

    A DeepMind AlphaFold nem csak a régóta fennálló „fehérje-hajtogatás kihívását” oldotta meg, hanem több mint 200 millió fehérjeszerkezetet is megjósolt, amivel potenciálisan akár 1 milliárd évnyi kutatási időt és dollár billiókat takaríthat meg. Kathryn Tunyasuvunakool azonban hangsúlyozza, hogy bár az AlphaFold megoldott egy jelentős kihívást, a fehérjék világában még mindig számos lényeges probléma megoldatlan.

    A jövőre nézve a legnagyobb izgalmat az AlphaFold széles körű elterjedése jelenti a biológia egész területén. Kathryn Tunyasuvunakool úgy véli, hogy meglehetősen szokatlan, hogy a számítási biológiai eszközök ilyen jelentős hatást gyakoroljanak. A több mint 10 000 idézettel rendelkező tanulmányukkal kapcsolatban magabiztosan állítja, hogy az AlphaFold valószínűleg a legjelentősebb projekt lesz, amelyen valaha is dolgozni fog.

    AIWORLD · ÉRTSD, AMI KÖVETKEZIK.További hírek
    A Google DeepMind új AI-rendszere összetett geometriai problémák megoldására képes
    KÖVETKEZŐ TÖRTÉNET

    A Google DeepMind új AI-rendszere összetett geometriai problémák megoldására képes

    Az AlphaGeometry, a DeepMind innovatív AI-ja példátlan problémamegoldó képességet mutat a geometriában és ezzel egyre közelebb kerül az emberhez hasonló gondolkodásmódhoz.

    Tovább a cikkhez
    TÉMÁBAN KAPCSOLÓDÓ
    Összes hír