2023/01/18
圖文引用自：buzzorange
【TechOrange 編輯部導讀】「蛋白質設計」是價值十億美元的產業，到 2024 年市場規模預計達到 39 億美元。
而現在，這個市場規模更可能因為生成式 AI 的助攻更快速地飛漲——因為只要一個「指令」，AI 幾乎就能生成無數的設計，成功率甚至比人類更高，且更快速。
當 AI 碰上蛋白質工程，還有什麼樣的突破值得我們期待？我們又正在見證怎樣的一場革命？
生成式 AI 的應用百花齊放，正在擴展到醫學和生技領域之中，科學家發現能透過這類工具建構研發出新蛋白質，用來對抗癌症、流感、 COVID-19 等疾病，還會激盪出哪些前所未有的可能性？
生成式 AI 的創作能力不只是純藝術，已可以用在蛋白質設計
2022 年全世界掀起一波用生成式 AI 工具生成藝術圖像的熱潮，像是 Midjourney、Stable Diffusion、OpenAI 實驗室推出的 DALL-E 等工具，但這股潮流不只是流於我們較常看見的「純藝術」應用，還正在滲透到不同的產業領域之中。
生成藝術圖像之外，科學家近期發現，生成式 AI 可以用在創建「新蛋白質結構」，以幫助人類研發新的癌症與疾病治療方法、新疫苗、新藥丸等契機。
人工設計蛋白質領域的頂尖實驗室之一的美國華盛頓大學 Baker Lab 所長 David Baker 表示：「我們需要的是可以解決現代問題的新蛋白質，比如癌症和大流行的病毒。現在，我們可以更快的設計出這些蛋白質，而且成功率更高，並創造出更複雜的分子。」
不過即便是像 Baker 這樣投入蛋白質設計多年的科學家，原本也幾乎沒預料到，新的 AI 技術的興起會突然加速了這項研究工作的推進，把生成新蛋白質所需的時間從數年大幅縮短到數週，這對於相關領域的學者、科學家都是一個值得關注的巨大變革。
耗時又繁複的蛋白質工程，AI 是用什麼原理去拆解並創造的？
2022 年底由華盛頓大學發佈的一篇論文，展示了如何利用技術去驅動 DALL-E 等生成式 AI 工具，來生成新蛋白質，研究人員表示：「這項技術最強大的地方之一是，就像 DALL-E 一樣，只要輸入一個指令（prompt），它就可以生成無數的設計……令人興奮的不僅是 AI 富有創造力並探索意想不到的可能性，還能夠在滿足某些設計目標或約束的同時發揮創造力。」
就原理來看，為了利用文字生成圖像，DALL-E 這類的 AI 圖像生成器需仰賴神經網路，經由分析大量數據資料來學習，在分析數百萬張圖像和描述每張圖像的文本說明時尋找模式（pattern），然後學會識別圖像和文字之間的關聯。…
