AlphaFold 3不满，服务器被黑，全世界的科学家都在争相破解。

虽然谷歌DeepMind的诞生再次震撼了整个学术界，但是谷歌DeepMind的诞生再次震撼了整个学术界。「不开源」AlphaFold服务器被黑客入侵，开源项目也开始发力，引起了学术界的不满。

不久前，AlphaFold3问世，直接登上Nature头版。

新的结构，前所未有的预测精度和准确性，再一次震撼了整个学术界。

但是，与AlphaFold2不同，这款新一代超级模型并没有开源。

随之而来的是，谷歌DeepMind推出了一个免费研究平台「AlphaFold Server」，用于世界各地的科学家。

站点操作简单，只需点击两次，即可使用AlphaFold3在10分钟内得到预测结果。

但是服务每天的次数是有限的，而且只适用于非商业研究。与此同时，与开源AlphaFold2相比，这种使用方式缺少了许多自由，使一些研究人员感到几乎有趣。

——事实上，这是无可非议的，毕竟DeepMind也是要盈利的，它的分支机构Isomorphic Labs已经开始使用AlphaFold3开发药物。

谷歌DeepMind希望在促进科学进步和保护自身利益方面取得平衡。

科学家感到失望

俗话说，由俭入奢易，由奢入俭难。

5月9日，谷歌AlphaFold3登上Nature头版，而仅仅两天后的5月11日，加州大学旧金山分校（University of California，San Francisco）Stephanie的计算结构生物学家 Wankowicz，与其他九位科学家一起写了一封公开信，致Nature：

信中指出，谷歌DeepMind的行为不符合科学进步的原则，科学进步取决于社区评估、使用和建立当前工作的能力。

此后，600多名研究人员签署了这封公开信。

Roland结构生物学家Roland公开信合着者 Dunbrack，曾经对AlphaFold3的论文进行了同行评审，他对DeepMind没有发布代码感到失望。

「如果我们能自由使用AlphaFold3，我想可以下载代码，那么新的研究成果就会诞生。」

其它科学家如何说：

AlphaFold是一个不可多得的突破，对生物科学产生了巨大的影响。我认为它的作者最终会获得诺贝尔奖，因为他们解决了一个70多年来无法解决的巨大问题。基本上，我每天都在工作中使用它来指导HBV聚合酶的工程设计，它用于药物发现和实验。

AlphaFold3的最新版本比以前更强大。HBVV已在我的实验室曝光 RNA最初是如何与聚合酶结合的。不幸的是，他们改变了这个版本的使用许可证，并限制了它用于药物发现。

绕过DeepMind，自己破解

五月十三日，DeepMind在被公开信打脸两天后，宣布将在六个月内开放AlphaFold3代码和模型权重供学术使用。

此外，AlphaFold3服务的每日使用次数限制也增加到20次。

但是科学家们似乎并不怎么买账，毕竟有了商业竞争的考虑，谁知道你拿出来的是否阉割版，而且还要等上半年。

对这一未来版本，科学家们特别怀疑其对蛋白质结构和潜在药物分子或配体的预测能力。

Dunbrack表示，「我不认为他们会给我们任何配体的能力，而AlQuraishi团队正在开发的OpenFold3模型不会进行这样的抽签，也不会对商业行为产生任何限制。」

Mohammed 哥伦比亚大学的计算生物学家AlQuraishi，「OpenFold」这个团队已经开始编写AlphaFold3的开源版本，他们希望在今年完成。

此前，AlQuraishi团队开发了著名的OpenFold，再次实现了AlphaFold2的开源，其效率要高得多，并且得出了相似的结论。

「假如这种对我们进行药物发现和关系到人类健康的重要能力被少数人封闭，那将是不好的。」

为了更好地模拟潜在蛋白质药物之间的相互作用，科学家们追求AlphaFold3的开源版还有其他原因。

OpenFoldAlQuraishi团队使用了与DeepMind相同的公共数据集进行练习。

而且对许多制药公司来说，为了提高模型性能，他们可以利用自己的专有数据进行再培训。

虽然但是，「Talk is cheap. Show me the code」。在GitHub上「AlphaFold3开源」早就开始了！

Philil是老金山的独立软件工程师。 Wang发起了众包工作。

如果你感兴趣，也可以看看仓库里的其他项目。这位老板已经开发了几十个AI模型的开源版本，包括著名的Dalll。-E 2。

另外，西雅图华盛顿大学的计算生物科学家Davidi Baker，还带领团队开发了一个名叫RoseTTAFold-All-虽然AlphaFold3暂时无法击败Atom的开源蛋白质化学预测模型。

黑暗中的AlphaFold3服务器

尽管Wang表示他的三人队可以在一个月内完成AlphaFold3模型代码的描述。

但是最费时、最昂贵的步骤显然是模型训练。（AlQuraishi：「代码是5%的努力」）。

SergeyMIT进化生物学家 Ovchinnikov估计，像DeepMind一样训练AlphaFold3可能需要投入超过100万美元的云计算资源，尽管有可能在不改变性能的情况下以次充好，以降低成本。

完全开源版AlphaFold3将使研究人员能够更好地理解模型的工作原理，并扩展其功能。

——一些科学家已经在等待的日子里，试图攻击AlphaFold3服务器来获取一些信息。

Ovchinnikov说，「为了获得嵌入细胞膜的蛋白质(与脂肪分子相互作用)更准确的模型，网上已经有一些黑客入侵。另一次服务器黑客入侵揭示了另一种蛋白质选择形状。」

AlQuraishi希望开发AlphaFold3开源版的驱动力将成为一个驱动力「警示故事」，提示学者依靠DeepMind等技术公司开发和发放AlphaFold等工具。

「它们做得很好，但是我们不应该依赖它，我们应该建立一个公共行政和自己的基础设施。」

网民怎么说？

有些网民认为，安全问题是谷歌DeepMind选择不开源的一个重要考虑因素，也许AlphaFold3可以帮助为特定人群制造生物武器。

我认为令人担忧的是，有些人可以用它来制造非常有效的毒素，或者设计一种非常有效的毒素(使用模型药物发现部分的能力)。

对于这一点，有网友表示反对：「担心我们能制造出一种超级微生物来接管一切，这是一种傲慢。」

我在科学中学到的一件事是，我们太骄傲了，认为我们可以设计一种非常严重的疾病。现实是微生物世界充满了敌意，几乎每一个致命的生物都进化了。你定制的任何东西都可能在离开实验室的那一刻死去。或者更有可能被杀死，被吃掉。

还有网友好像玩起来了「绝命毒师」：

我一直认为，如果人工智能最终能以某种方式一步一步地指导你如何只用家居用品来做这样的事情，那将是疯狂的。

想象一下，让人工智能帮你做氯胺酮。它告诉你买一大袋盐、果冻、三个钛螺丝、一杯橙汁和一些石膏。...接着给你一个很长的过程，把它们变成氯胺酮。这个过程可能很无聊，而且要做很多工作。...但是，如果这在技术上是合理的呢？

——有人说，有机化学是历史上单人战斗力的巅峰，有了知识的力量，沃尔玛在你眼里就是军械库。

然而，人类对知识和未知的渴望是无法阻挡的，我们可以拭目以待。

本文来自微信微信官方账号“新智元”（ID:AI_era），作者：alan，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com