AlphaGoの衝撃再び — タンパク質構造予測でAlphaFoldが今までのモデルに圧勝
コメント
注目のコメント
あ、Zhangさん 彼はこれが商売なので、ちょっとお気の毒ではありますねぇ 最近はCNN取り入れてガンバってらっしゃるようでしたが 大場さんのリンク記事でコメントした、ワタシの学生のPhD 審査委員やっていただきました その学生さんの書いたコードもお渡ししましたよ 参考にはなされたようですねぇ 次は巻き返すかな
「UMichのYang Zhang教授とI-TASSER。このプログラムはすでに6000回以上引用されていて、141以上の国々で100,000人以上の研究者を助けてきた。」
強化学習使わなかったのは、それで出来る程度のクオリティはもう達成されてるからでしょうねぇ 今まで学者が（無意識に）避けてきた、データ量、計算量、手法妥当性、結果解釈性度外視の Out of box アプローチが必要だったと言うことでしょう（なので"within the box" 手法の得意分野が不得意） かなりアタマの良い方々が、お金を沢山かけて、いろーんな試みをしてますからねぇ、この分野 ソレだけ重要ということです まあ、近年はF1と市販車の関係になっている様子もありますが
あと数年して、行き詰まった様子ならもう一回やってみようかなぁ、この分野（ポピュラーになると急に興味失うタイプなので）
追記
Zhang さんのグループのCASP13結果レポートがようやく出版されたようですよ
https://onlinelibrary.wiley.com/doi/epdf/10.1002/prot.25792
acknowledgement で言及して頂いたようです:) ありがたいことです (結構ホントに「有難い」んですよ、この業界では 正直にヘルプを言及していただくの 特にワタシのグループのような outsiders は無視しても問題おきないので それだけ競争が過激なんでしょうねぇ)AlphaFold: Using AI for scientific discovery
https://newspicks.com/news/3505432/
"実は、このモデルですら正確性がそこまで高いわけではなく、伝統的なモデルが正解できるのにこのモデルが思ったほどうまくいかないこともある。"
これはいくつかの最強クラスのコンピュータ将棋にはある種の癖があって、対抗するにはそこを研究して突く作戦が有効だったことを思わせる。
しかし、後にそうした弱点も超えた強さを獲得していく。
"長きにわたり研究者が知恵を絞ってきた伝統的アプローチも同じくらい重要といえるのではないか"
これも将棋や囲碁のソフトにおいて長い間支配的な考え方だったが、定石すら学習対象としないAlphZeroの登場により、伝統は邪魔でしかなくなった。
強化学習とはつまり、人間が報酬を設定したモデルだが、その設計の恣意性が不用ということなのかも知れない。
追記
もっとすごいの出たかも
https://www.cell.com/cell-systems/fulltext/S2405-4712(19)30076-6
