看到几个「中文顶刊」在这问题下一顿云山雾罩，读者就可以定性地得出结论：
AlphaFold 3 会和此前两代一样耗费大量硬件和电力、输出一些几乎无法使用的「结果」。诚然，「扩展到蛋白质之外的分子、预测药物分子与蛋白质的相互作用」听起来很美且确实能覆盖此前两代做不到的一些任务，但是地球生物会教他们什么是混沌。
这类人工智能依赖的数据集往往有些更基本的问题：
看到这个问题，有印象的读者会回想起 Demis Hassabis 发布 AlphaFold 的日子。他吹嘘说这将导致各种生物应用的「疯狂」进步、让研究人员的工作速度快上十倍。兑现了吗？
那之后，AlphaFold 2 也曾吸引大量炒作。兑现了之前的承诺吗？
2021 年，Hassabis 创立了 Isomorphic Labs：一家「专注于人工智能的药物发现公司」，号称要「利用人工智能的力量重新定义药物发现」。截止 2024 年 5 月 9 日，他们没有推出任何药物。大概这就是重新定义了重新定义吧。
有兴趣的读者可以看看对 AlphaFold 2 的预测能力提出负面意见的预印本文章 [1] 。可以预期，这里面的问题未被 AlphaFold 3 完全解决。
不限于生物，材料、化学也能教各种「中文顶刊」什么是物质世界。可以看看：
谷歌 DeepMind 通过 AI 工具 GNoME 发现 220万种新材料，具体情况如何？有何影响？
Nature 新研究发布，GPT 驱动的机器人化学家能够自行设计和进行实验，这对科研意味着什么？
参考
- ^ https://doi.org/10.1101/2023.12.12.571380
