@@박재-v4r영상이랑 무슨 관련이 있는 말도 아니고 그냥 본인 하고싶은 말 하고 싶으면 커뮤네디 하세요;;
@이윤하-p8p3 ай бұрын
@@박재-v4r 문학상 수상하기 전에 한강 이름은 아셨나요?
@왕비버-r5f3 ай бұрын
단백질 구조 예측 분야는 아직 이르다고 생각했는데 벌써 노벨상이 나오네요 ㄷㄷㄷ 서울대학교 백민경 교수님도 한 번 모셔서 이야기 해주시면 좋을 것 같은데 ㅠ
@박수영-j3l3 ай бұрын
최근 AI 분야의 발전은 마치 20세기 초에 상대성이론과 양자역학으로 현대 물리학이 크게 발전하던 시기가 연상 되는 듯.
@soongyuchoi93563 ай бұрын
이번에 허사비스, 점퍼와 함께 베이커 교수도 로제타폴드와 후속연구에 대한 기여를 인정받아 노벨 화학상 수상했습니다. 이 로제타폴드 관련 연구를 1저자로 주도한 사람은 한국인 백민경 서울대 교수입니다. 사실 대부분의 논문에서는 교신저자보다 1저자의 공이 큽니다. 노벨상도 1저자와 교신저자가 같이 받는 경우가 꽤 있고요. 하지만 이번 수상의 경우 구글의 알파폴드 개발자도 공동수상을 한 만큼 로제타폴드가 완전 주연은 아니고, 그동안 누적된 연구의 양이라던지, 대표자로써의 명성 같은건 부족해 이분은 수상 명단에 들어가진 못하신 것 같습니다. 한국에선 노벨상이 안나온다고 아쉬워하는 분들이 있는데, 대표자로써 수상명단에는 들지 못했더라도 우수한 성과를 내신 분들이 있어서 댓글 남겨봅니다.
@왕비버-r5f3 ай бұрын
백민경 교수님은 아직 신진 연구자이시다보니 그런 것 같습니다. 그래도 정말 멋있네요!
@ghh67653 ай бұрын
관련 학계 사람으로 몇가지 덧붙입니다. 백민경 교수님 훌륭한 분이시고, 사이언스에 발표된 로제타폴드 연구를 주도하셨으며 이 업적으로 서울대에 오시긴 했습니다만, 로제타(Rosseta) 라는 툴은 베이커 랩(Baker lab)에서 개발된 단백질 분석을 위한 굉장히 오래되고 널리 쓰이던 범용적인 오픈소스 연구 플랫폼이고, 베이커 교수님은 로제타폴드(RoseTTAFold)뿐만 아니라 RossetaDock, Robetta 등 여러 소프트웨어 툴 뿐 아니라 수십년동안 단백질 구조 연구를 주도해 오신 분으로서 관련 CNS 페이퍼만 수백편이고 그 제자들이 전세계에 퍼져있는 단백질 구조 연구커뮤니티의 창시자같은 분이십니다. 로제타 프로젝트는 알파폴드 등장 이전부터 단백질 구조에 대한 엄청난 백데이터 및 기초 연구들을 제공해주고 있었으므로 노벨상 리스트에 베이커 교수님이 포함된 것은 당연하다고 할 수 있습니다. 한국에서도 수십 년간 연구를 주도하시고 분야를 선도하시는 연구자분이 나오셔서 노벨상을 받을 수 있었으면 좋겠네요
@수요일-l5r3 ай бұрын
위에 분 말씀이 맞습니다. 추가로 덧붙이자면 이번에 받으신 공로는 protein design 쪽으로 없는 단백질을 설계하는 능력입니다. 이는 로제타폴드와는 조금 거리가 있고, 이 protein design 부문에서 baker 교수님이 거의 창시자 급이시기 때문에 노벨상을 받으신겁니다. 그래서 공로도 baker가 1/2 나머지 두분이 1/4씩 가져가게 된것입니다.
@수요일-l5r3 ай бұрын
만약 노벨상이 4개였었어서 백민경 교수님이 받으셨다면 아마 구글 딥마인드 개발자분들의 단백질 접힙 예측 쪽과 공로를 나누지 않았을까 싶습니다.
@셩이름3 ай бұрын
@@수요일-l5r노벨상이 편의점1+1인가
@Zeddy271823 ай бұрын
하사비스의 행보를 보면 학문의 발전에 지대한 영향을 줄 수 있는 Weak AI에 집중하는 것을 알 수 있습니다. 알파고를 시작으로 알파폴드, 프로테오, 코드, 지오메트리, 그리고 앞으로 계속 이어가겠죠. 그리고 이 AI들은 연구자들에게 무료로 제공되고 있습니다. 하사비스를 응원하며 개인적으로는 알파지오메트리로 수학에서도 시작을 한만큼 수학도 정복할 수 있는 새로운 AI 학습 모델이 개발되길 바랍니다.
@mujua91303 ай бұрын
댓글에 유튜브 검색 링크다는거 어떻게 하신거에요? 너무 신기하네요.
@Zeddy271823 ай бұрын
@@mujua9130 댓글 링크 없는데요? 대부분 링크 남기면 스팸 필터 때문에 등록 안될 거에요. 간혹 예외인 유툽 채널도 있긴 합니당
@bgo11033 ай бұрын
와 진짜 빠르다
@Erythrocyte19003 ай бұрын
안개가 무성한 미래 시대를 AI가 어떤 길로 이끌까...
@lim24313 ай бұрын
유튜버님, 이 쪽 분야 공부하는 학생으로서 다소 틀린 표현이 있어 말씀드립니다. 데이비드 베이커 교수님은 알파폴드를 만든 사람이 아니고, 로제타폴드 만든 사람입니다. 알파폴드와 기본적인 기능은 같지만 다른 프로그램이에요.
@열씨미할께여3 ай бұрын
역시 레퍼런스가 중요하다..바로 섭외가 되버리네요
@정회명-u3f3 ай бұрын
동시통역 하시는 중이신가요?
@ganekim3 ай бұрын
박사님은 노벨상 언제받아요?
@MrSio13 ай бұрын
적성국 스파이가 안좋은 방향으로 ai를 활용한다면 새로운 dna,rna의 구조 생화학 무기도 가능할듯
기후변화가 인류멸종기가 지나고나면 진화의 사슬을 뛰어넘은 ai는 항성간이동도 할것이고 우주를 넘나들거에요. 인류는 진정으로 신을 창조했다
@김민재-c4c3 ай бұрын
형님들 안녕하세요잉~~~ 유튜브에 슈퍼 커패시터를 쉽게 다룬 영상이 하나도 없네요잉~~ 슈퍼 커패시터 설명 영상 올려줘잉~~
@NMIXX설윤3 ай бұрын
이번 노벨상에 슈퍼커패시터가 수상했나요??
@aidenhang53853 ай бұрын
제 이름과 같아 항상 재미있게 보고있습니다 ㅎ
@루루-z4l3 ай бұрын
구글은 너벨상을 받고 회사는 독점법 맞아서 찢기고 ㅠㅠ
@superppak3 ай бұрын
점점 항성속으로 빠져는구만~~
@Bayern_min2 ай бұрын
올해 수능 연계 예측 가능성 단연코 1위
@어쩔-z7fАй бұрын
5:46
@말이통해야3 ай бұрын
으아앙아아앙 ai가즈아
@쿄쿄쿄-c5y3 ай бұрын
ai가 고도화되면 수학 난제도 풀수있을것같은데
@juneseo-lc3rz3 ай бұрын
수학이문제가아니라 암도금새고칠듯
@셩이름3 ай бұрын
Ai에 기대가 크시네요 인간부터 정복됨
@SATELLITECASTIEL3 ай бұрын
ㅋㅋ 빨라 🎉
@샤린히르곤3 ай бұрын
알파... 메모...
@Buddaandshiadr3 ай бұрын
알파폴드는 이미 초지능의 영역임
@The.Sun.God.3 ай бұрын
노벨 문학상 소설가 한강님 축하드립니다.
@핵심MAN3 ай бұрын
메타버스로 빨려들어가고 있다
@Cartagena6163 ай бұрын
영상 속에 다른 영상까지 재생하니 두 음성데이터가 충돌해서 정신이 없네요. 내용에 몰입도 안되고요. 마이크 음질도 좋지 않고요. 편집과 제작에 신경써주세요
@j3ssu93 ай бұрын
근데 이걸로 바이러스도 생성할 수 있나요?
@kuf33203 ай бұрын
ㄷ….ㄷ
@melonaaah3 ай бұрын
바이러스를 쉽게 설명하면 우리 몸에 안 좋은 단백질들을 복제 시키는 유전정보를 강제로 몸에 넣는 존재입니다. 바이러스를 개조해서 인간에게 도움되는 새로운 단백질을 만드는 DNA나 RNA를 넣고 몸에 투여하는 방법이 나오겠죠.
@몰빵주의자간디2 ай бұрын
바이러스 단백질 구조를 해석할 수 있으니 재조합 역시 쌉가능
@멘소레담3 ай бұрын
llm 거대 언어모델들 보고 ai 발전없다. 실망이다 하는 사람들 많은데 진짜 무서운건 이렇게 전문 분야 딥러닝임. 사람 일자리를 실질적으로 위협 하는게 챗gpt 따위가 아니라 이런 거라고. 곧 기업들이 주문 제작하는 알고리즘들이 나올 것임. 그때부터 대량해고임. 이거 속도 늦춰야함. 실직이 문제가 아니라 시장경제 전체가 무너질 수 있음.
@IAMPRESENCE1443 ай бұрын
인력을 줄이면서 얻은 이익에 대한 세금을 우선 높여야할듯
@lsypow27443 ай бұрын
암,치매치료제같은 불치병,난치병 치료제, 신소재개발,기후위기예측 인공지능,웨어러블 3d업종 안전보강 등등 장점이 너무 많은 기술인데 힌튼교수가 말했던것처럼 기본소득같은 완중제도를 만드는게 낫지 무르익기도 전에 속도늦추는건 너무 이르다고 생각함
@몰빵주의자간디2 ай бұрын
아마도 그렇지는 않을걸요 ㅋㅋ..매번 소프트웨어와 하드웨어의 발전마다 실업자 우려가 항상 있어왔지만 실제로는 그렇지 않았죠. 어차피 머신러닝의 역할은 어떤 조건 기반으로 데이터 패턴을 찾아내는것 그 이상도 이하도 아닙니다. 그렇기 때문에 치명적 단점인 할루시네이션을 갖고있구요. 결국 찾아낸 데이터패턴이 실제로 기능할 수 있는가에 대한 해석능력을 가진 인력이 있어야하고 프로토타입 테스트 역시 인간이 노가다로 직접 해야합니다. 연구나 설계쪽 채용이 줄어들 순 있어도 그렇게 까지 대량해고는 아닐거에요. 지금까지 그래왔듯이.
@멘소레담2 ай бұрын
@@몰빵주의자간디 음 글쎄요 제 생각이랑 많이 다르군요. 일단 근대적 ai는 말씀하신 빅데이터 방식의 구시대적 ai와는 많은 차이가 있습니다. 스스로 가치망을 만들어 인간처럼 판단까지 할 수 있죠. 비록 현재까지 ai들이 한계를 보여 준다 하더라도, 그것이 ai 학습 방식이나 구조의 문제이지, 지금도 계속해서 다른 방식으로 학습하는 ai들이 쏟아져 나오고 있습니다. 이들이 같은 빅데이터를 학습하는데는 그리 오래 걸리지 않습니다. 가치망을 만들어서 특정 분야에서 인간처럼 판단 하는 전문 알고리즘도 충분히 나오고 있고요. 설사 할루시네이션이 있다고 하여도 인간보다 오류가 적습니다. 이건 인간보다 사고율이 훨씬 낮음에도 법적으로 시행하지 않는 자율주행 같이, 인식의 문제이고 정치적 이데올로기의 문제입니다. 그리고 저도 님과 마찬가지로 인간이 노가다로 직접 해야 하는 부분에 대해서는 이미 100년전 기계혁명 때 인간이 가성비가 더 높은 것으로 판명이 난 것으로 생각 했습니다만.. 요즘 여러 빅테크들이 만든 가상 현실 속에서 로봇들이 엄청나게 시물레이션을 하고 있는 광경을 보고 생각이 바뀌었습니다. 휴머노이드 같은 고차원적 로봇도 필요 없고, 그냥 기업이 원하는 형태의 단순한 기계면 충분 합니다. 당연히 인간의 경쟁력과 비교가를 할 수 없을 것 같네요.
@SamSung-eh3fy3 ай бұрын
이과는 좀 더 분발해라.
@sdkfgnrjdi3 ай бұрын
그럼 나는 AI로 노벨 문학상 노려야겠다
@배고픈물총새3 ай бұрын
너무 유명한 사건들이 노벨상받네 다른 노벨상후보는 누구였으려나
@somblanket3 ай бұрын
대 ai 시대...
@junhyoungream11273 ай бұрын
노벨문학상도 중계하시지 ㅎㅎ 한강수상자 정말 축하합니다~~!!
@미워캣-z8k3 ай бұрын
트기점이 온다...
@김영-u3j3 ай бұрын
화학상은 예상대로 되었네요.
@dal57963 ай бұрын
이런게 진정한 노벨상이지 뭔 평화상, 문학상..
@manullim3 ай бұрын
노벨 재단이 기초과학 관짝에 제대로 대못을 박았네요..... 쩝.....
@OOLoo-h6e3 ай бұрын
자연과학은 죽었다.
@onlyyoutube71773 ай бұрын
스마트폰 나왔을 때 세상이 바뀌고 있다 느꼈는데 ai로 다시 한번 더 느끼네요. 다음엔 또 무엇이 나올지 기대됩니다
@abann90183 ай бұрын
비타민 c
@ddaksaehunter3 ай бұрын
안녕하세요 갑자기 궁금한게 생겨서 주제로 해주셨으면 하고 질문해요 사람 콧구멍에 손가락을 넣어서 단 1센치라도 사람을 들 수 있을까요??
@MN2025-e8l3 ай бұрын
콧구멍에 꼳아 들어올리면 매우 아픕니다.-> 움직임
@sylleps_31333 ай бұрын
그 사람의 몸무게 만큼의 힘으로 코안쪽에서 바깥쪽으로 힘을 줘도 코의 피부와 연골이 버틸 수 있다면요
@몰빵주의자간디2 ай бұрын
가능합니다. 백프로 존나 아파서 앜앜 거리면서 발꿈치 듭니다
@younghoonkahng54403 ай бұрын
즉시섭외
@유느10173 ай бұрын
ㅊㄹ
@루루-z4l3 ай бұрын
알파폴드로 실제 약개발 성공한 사례가 있나?
@몰빵주의자간디2 ай бұрын
착각하면 안되는게... 무슨 전지전능한 소프트웨어가 아닙니다. GPU의 엄청난 발전에 힘입어 1초에 수조번의 머신러닝이 가능해젔고요. 단백질 구조를 파악하는것은 마치 꼴리는대로 꼬아둔 실타래 구조를 파악하는 것과 비슷한데 그런 실타래가 겁나게 많아서 그걸 다 풀려면 엄청난 시간이 필요한 개쌉노가다로 모든 단백질 접힘구조를 파악하는데는 백년단위가 걸릴 난제였는데. 다행히 단백질 접힘에는 일정한 패턴들이 있었고 이걸 컴퓨터의 계산능력을 활용해 인간이 쌔빠지게 들여다보며 찾을걸 대신 시킨겁니다. 신약개발에 활용할 수 있는것도 신약이란게 어차피 단백질 조합찾는건데 인력이 이거저거 붙여보면서 사용할만한 단백질 구조 후보군을 필터링해야 했습니다. 근데 이제는 알파폴드가 단백질 접힘 패턴을 많이 밝혀내서 걍 알파폴드 참고해서 신약에 써보려는 단백질 조합이 서로 잘 어울릴지 잘 붙어서 구조화가 될지 아닐지 미리 필터링을 할 수 있다보니 신약 아이디어부터 임상전까지 걸리는 몇년이 단축되는거죠. 그치만 사실상 3상까지 통과해서 FDA승인 받는거는 다른문제입니당. 알파폴드 역할은 딱 임상직전까지만. 이정도만 해도 제약회사의 돈과 시간을 많이 절약해주죠