Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind9. Oktober 2024 · Q001767

Demis Hassabis & John Jumper awarded Nobel Prize in Chemistry

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind berichtet, dass Demis Hassabis und John Jumper für die Entwicklung von AlphaFold den Chemie-Nobelpreis 2024 erhielten; David Baker wurde für computergestütztes Proteindesign ausgezeichnet. Der Beitrag hebt die weltweite Nutzung der frei zugänglichen Vorhersagen und das Potenzial von KI für die Forschung hervor, nennt aber keine Leistungsdaten oder Grenzen des Systems.

Mittel

Der DeepMind-Beitrag meldet, dass Demis Hassabis und John Jumper den Chemie-Nobelpreis 2024 für die Entwicklung von AlphaFold erhalten haben. Das KI-System sagt aus Aminosäuresequenzen die dreidimensionale Struktur von Proteinen voraus. Auch David Baker wurde ausgezeichnet, für computergestütztes Proteindesign.

Laut Beitrag waren Proteinstrukturvorhersagen zuvor kompliziert und zeitaufwendig. AlphaFolds Vorhersagen sind demnach frei zugänglich; mehr als zwei Millionen Forschende aus 190 Ländern hätten sie genutzt. Der 2021 erschienene Artikel zu AlphaFold 2 gehöre weiterhin zu den meistzitierten Veröffentlichungen. Der Text führt zudem mehrere frühere Auszeichnungen für AlphaFold an.

DeepMind präsentiert das System als Beleg für das Potenzial von KI in der Forschung und nennt unter anderem Simulation, Medikamentenentwicklung und Enzymdesign als Anwendungsfelder. Hassabis und Jumper danken den beteiligten Teams und betonen, KI könne Entdeckungen beschleunigen und Erkenntnisse zu Krankheiten und Therapien unterstützen. Diese weiter reichenden Einschätzungen sind Perspektiven der zitierten Forschenden und des Unternehmens. Der Beitrag enthält keine Angaben zur Methodik, zu Genauigkeitswerten oder zu Grenzen der Vorhersagen.

Ausführlich lesen

Der DeepMind-Beitrag berichtet, dass Demis Hassabis, Mitgründer und CEO von Google DeepMind und Isomorphic Labs, und John Jumper, Direktor bei Google DeepMind, gemeinsam den Chemie-Nobelpreis 2024 erhalten haben. Ausgezeichnet wurden sie laut Beitrag für die Entwicklung von AlphaFold, einem KI-System, das aus Aminosäuresequenzen die dreidimensionale Struktur von Proteinen vorhersagt. David Baker wurde ebenfalls geehrt, für seine Arbeit am computergestützten Proteindesign.

Der Text beschreibt die Vorhersage von Proteinstrukturen vor AlphaFold als kompliziert und zeitaufwendig. Die Vorhersagen des Systems seien über die AlphaFold Protein Structure Database frei zugänglich. Mehr als zwei Millionen Forschende aus 190 Ländern hätten sie dem Beitrag zufolge für ihre Arbeit genutzt. Der 2021 veröffentlichte Fachartikel zu AlphaFold 2 zähle weiterhin zu den meistzitierten Veröffentlichungen. Als weitere Anerkennungen nennt der Beitrag mehrere Preise aus den Jahren 2023 und 2024, darunter den Lasker Basic Medical Research Award, den Breakthrough Prize in Life Sciences und den Canada Gairdner International Award.

DeepMind stellt AlphaFold als frühen Nachweis dafür dar, dass KI wissenschaftliche Forschung unterstützen kann. Der Beitrag verweist auf mögliche Anwendungen wie die Aufbereitung von Daten, die Simulation von Experimenten, Medikamentenentwicklung und die Suche nach Lösungen für bestehende Probleme. Das sind Zukunftsaussichten des Unternehmens; konkrete Ergebnisse oder Nachweise für diese breitere Liste von Anwendungen führt der Text nicht aus.

Hassabis würdigt in seiner Stellungnahme die beteiligten Teams und erklärt, AlphaFold sei bereits von Forschenden etwa für Enzymdesign und Wirkstoffforschung verwendet worden. Er hofft, das System werde als erster Beleg für das Potenzial von KI zur Beschleunigung wissenschaftlicher Entdeckungen gelten. Jumper betont, computergestützte Biologie könne Erkenntnisse für Experimente liefern; AlphaFold habe dieses Versprechen eingelöst. Er sieht weiteres Potenzial für Forschung zu Krankheiten und zur Entwicklung von Therapien und hebt ebenfalls die Teamleistung hervor.

Der Beitrag ist eine Mitteilung von Google DeepMind und fasst weder eine eigene Untersuchung noch deren Methodik zusammen. Er nennt keine Genauigkeitswerte, Vergleichsdaten oder Einschränkungen der Proteinstrukturvorhersagen. Seine Aussagen zu Nutzung, wissenschaftlicher Bedeutung und künftigen Anwendungen sind daher als Darstellung des Unternehmens wiederzugeben.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Luna legte zwei Zusammenfassungen vor (kurz und mittel). Geprüft wurde die mittlere; die kurze ist ebenfalls treu, verzichtet aber auf Details. Die Anteilsangaben in Lunas Einordnung sind im Schema nicht vorgesehen und wurden nicht bewertet. Teilfragen wurden keine angegeben, daher gibt es dazu keine Bewertung.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 40 %Hintergrund, keine Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →