幻觉与创新：AlphaFold3为何失败？
内容提要
AlphaFold3是通过减少多序列比对的使用和引入扩散模块来进行结构预测的技术杰作。尽管具有更高的分辨率和预测相互作用的模型元素，但AlphaFold3的伪代码无法轻松重现模型，引发了科学界的批评。AlphaFold3的发布提醒学术界依赖科技公司开发和分发工具的风险。尽管弥补了一些缺陷，但由于封闭源和幻觉的限制，AlphaFold3不会对社区产生同样的影响。
延伸解读
扩散模型的双刃剑：创新与幻觉风险
AlphaFold3引入扩散模块提升结构预测性能，但扩散模型作为生成模型，容易产生看似合理却不准确的“幻觉”。文章指出，幻觉源于训练数据质量、模型复杂度和概率采样性质。在药物发现等事实应用中，这种幻觉可能影响预测可靠性，因此需在创新与准确性之间权衡。
封闭源与伪代码：科学界的信任危机
AlphaFold3仅发布伪代码，无法轻松重现模型，引发科学界批评。传统上，顶级期刊对代码发布要求模糊，但此次事件促使明确禁止伪代码。公开信指出，缺乏代码和可执行文件阻碍了高通量测试，违背了生物医学领域通过复制、使用和修改来验证成果的惯例。
依赖科技公司的风险：学术界的警示
AlphaFold3的发布提醒学术界依赖DeepMind等科技公司开发和分发工具的风险。尽管AlphaFold2开源促进了研究，但AlphaFold3的封闭源和幻觉限制可能削弱其社区影响力。文章强调，只有被社区广泛采用和调整的工具才能真正成功，这促使研究人员转向开源模型进行微调和组合。
研究革命的三个阶段：从使用到创造
文章将研究革命分为三个阶段：第一阶段，研究人员直接使用LLM进行推理和假设生成；第二阶段，对模型进行微调或组合以适应特定任务；第三阶段，团队从头开始创建模型，因为对于许多应用，从头训练比修改现有模型更经济。这一趋势反映了学术界对自主可控工具的追求。
Q&A
AlphaFold3的主要创新是什么？
AlphaFold3通过减少多序列比对的使用和引入扩散模块来进行结构预测，具有更高的分辨率和预测相互作用的能力。
为什么科学界对AlphaFold3的伪代码表示不满？
科学界对AlphaFold3的伪代码表示不满，因为其难以重现模型，缺乏完整代码引发了批评。
AlphaFold3与AlphaFold2相比有什么局限性？
AlphaFold3的局限性在于其封闭源和幻觉的限制，使其对社区的影响力不如AlphaFold2。
生成模型的幻觉是如何产生的？
生成模型的幻觉可能源于训练数据的质量和数量、模型复杂度以及概率性质等因素。
AlphaFold3的发布对学术界有什么警示？
AlphaFold3的发布提醒学术界依赖科技公司开发工具的风险，强调开源模型的重要性。
扩散模型在AlphaFold3中的作用是什么？
扩散模型在AlphaFold3中用于结构预测，旨在提高模型的整体性能和分辨率。
