Nature回应:为什么在没有代码的情况下发布AlphaFold3?
积累知识,胜过积蓄金银!毕竟在科技周边开发的过程中,会遇到各种各样的问题,往往都是一些细节知识点还没有掌握好而导致的,因此基础知识点的积累是很重要的。下面本文《Nature回应:为什么在没有代码的情况下发布AlphaFold3?》,就带大家讲解一下知识点,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

编辑 | 枯叶蝶
近期,AlphaFold3 在《Nature》杂志发布,但是它没有开源,因此引来了学界的一些争议。《Nature》官方对此做出了回应,以下为回应内容。

自2024年5月起,《Nature》杂志上发表了一篇关于AlphaFold3的论文,介绍了最新一代自发布公开.AlphaFold算法的蛋白质结构预测算法。这激起了人们的极大兴趣。
与其前身 AlphaFold2 不同,AlphaFold3 不仅可以预测蛋白质复合物的结构,还可以预测蛋白质何时与其他类型的分子(包括 DNA 和 RNA)相互作用。人工智能工具在基础研究和药物发现中都将发挥重要作用。
然而,AlphaFold3 的发布也引发了对 Google DeepMind 的 AlphaFold 团队和 Nature 的质疑和批评。今年,AlphaFold2 发布时,所有研究人员都可以访问完整的底层代码。然而,AlphaFold3 附带了“伪代码”——详细描述了代码的功能及其工作原理。
《Nature》团队谨慎做出的决定并不轻率,这篇社论简要解释了理由。《Nature》团队认为,无论哪个部门从事研究,都应该通过同行评审进行评估并发表,以造福社会和科学。
在这一过程中,《自然》团队也不希望这成为最终的决定。在全球大多数研究都是私人资助的情况下,这是所有研究利益相关者之间进行重要对话的机会。
使用新版AlphaFold的基本原理保持不变:任何拥有Google帐户的人都可以免费使用该工具用于非商业应用。然而,最新的更新与之前的更新之间存在重要差异。
对于AlphaFold2,DeepMind团队与欧洲分子生物学实验室的欧洲生物信息学研究所合作,这是一个位于英国剑桥的政府(公共资助)研究组织。DeepMind研究人员利用数千份已发布的蛋白质结构及其已知形态的记录来训练他们的软件。
现在,DeepMind 已与 Isomorphic Labs 合作,Isomorphic Labs 是一家总部位于伦敦的药物开发公司,由谷歌母公司 Alphabet 拥有。除了无法获得完整代码之外,该工具的使用还存在其他限制——例如在药物开发中。个别研究人员每天可以执行的预测数量也有限制。
许多研究人员对这些限制感到失望。在一封致《Nature》的公开信中,其作者指出,缺乏开源代码限制了验证和再现性工作。这封信产生了影响。该模型发布后不久,DeepMind 研究副总裁 Pushmeet Kohli 在社交媒体平台 X 上发帖称,该团队「致力于在六个月内发布 AF3 模型(包括权重)供学术使用」。这是重要的一步,一旦代码发布,Nature 将更新已发表的论文。
公开信链接:go.nature.com/3k9acav
但为什么要在发布时限制完整的数据和代码呢?《Nature》杂志的编辑规则是为了支持开放科学而制定的,并规定:「作者必须立即向没有不正当资格的读者提供材料、数据、代码和相关协议。」《Nature》团队帮助研究人员实现这一目标的方法之一是与 Code Ocean 合作,Code Ocean 是一个计算科学平台,使信息可重复且可追踪。
但《Nature》团队的规则也承认可能存在限制,「必须在提交时向编辑披露」并征得编辑同意。该规则还规定:「任何妨碍代码或算法共享的原因都将由编辑进行评估,如果重要代码不可用,他们保留拒绝论文的权利。」
限制的原因包括缺乏全学科的数据报告标准或公开存储数据和结构化存储库所需的技术基础设施。在其他情况下,可能必须保护机密性,或者出于安全、安保或法律原因可能会保留数据。类似的原则也适用于代码的可用性,这就是为什么《Nature》的规则包括发布训练模型和伪代码或有限代码的选项,正如《Nature》在化学、气候变化和病毒学领域发表的研究示例所证明的那样。
私营部门为大多数全球研究和开发提供资金,此类工作的许多成果并未在同行评审的期刊上发表。《Nature》杂志团队认为,期刊与私营部门合作并与其科学家合作非常重要,这样他们就可以提交研究成果以供同行评审和出版。这促进了知识共享、研究验证以及研究人员所追求的可重复性。它还有利于产品的安全性和功效。进步需要更多而不是更少的开放数据和代码——《Nature》将继续支持这一点。
但这个目标不会一步实现。这需要一个过程。这需要所有利益相关者之间的参与和对话。
《Nature》团队重申:「我们不希望我们的意见成为最终决定,而是对话的开始。我们可以采取哪些进一步措施来确保研究生态系统中各方的开放性?我们希望听到所有利益相关者的意见——不仅来自大学和私营公司的研究人员,还来自规则制定者、非政府组织和出版商。请写信给我们。我们将使用这些页面来更新给读者。」
邮件地址:communications@nature.com
相关内容:https://www.nature.com/articles/d41586-024-01463-0
文中关于产业的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Nature回应:为什么在没有代码的情况下发布AlphaFold3?》文章吧,也可关注golang学习网公众号了解相关技术文章。
英伟达市值逼近 2.6 万亿美元,超德国上市公司市值总和
- 上一篇
- 英伟达市值逼近 2.6 万亿美元,超德国上市公司市值总和
- 下一篇
- 特斯拉4月欧洲销量竟创新低,马斯克预期成空谈?
-
- 科技周边 · 人工智能 | 1天前 |
- vLLM 连续批处理下的显存与吞吐取舍
- 209浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Reranker 接入后如何控制检索延迟预算
- 113浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Embedding 向量维度变化时的索引迁移方案
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Agent 轨迹评测区分工具错误与模型错误
- 239浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 资源与工具描述的缓存更新策略
- 313浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 服务端授权范围与会话隔离的配置
- 161浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 工具结果分页与长列表截断的设计
- 486浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · chat template apply_chat_template AI tokenizer 多模型消息格式
- AI tokenizer chat template 统一多模型消息格式
- 154浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 424次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 503次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 512次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 460次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 289次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

