Demis Hassabis, CEO Google DeepMind & laureat al premiului Nobel, povestește într-o conversație cu Károly Zsolnai-Fehér, de la Two Minute Papers, despre următoarea frontieră pentru tehnologia AI și ecosistemele construite în jurul ei.
AI, partener de antrenament și gândit
Demis Hassabis spune că folosește des AI pentru brainstorming și tot felul de proiecte, inițiative creative. „E ca un fel de partener de antrenament, probabil că aceasta este utilizarea principală. Apoi îl mai folosesc pentru a rezuma un domeniu nou de cercetare cu care nu sunt atât de familiarizat, dar vreau să obțin o perspectivă rapidă asupra punctelor cheie”, povestește Hassabis.
Co-Scientist este o versiune ajustată a lui Gemini, care vine cu instrumente și protecții suplimentare, specific pentru a ajuta la generarea de ipoteze, la analizarea datelor și la rezumarea literaturii. Seamănă cu un asistent de cercetare.
Întrebat dacă se așteaptă ca un cercetător să câștige premiul Nobel folosind tehnologia creată de DeepMind (AlphaFold), Hassabis este optimist:
„Cred că este posibil, având în vedere numărul de cercetători care folosesc AlphaFold, peste 3 milioane în acest moment, și toți fac o muncă incredibil de importantă și cu impact. Deci, da, bănuiesc că s-ar putea să se întâmple la un moment dat. Ar fi un moment uimitor.”
AI & medicamentele
Demis Hassabis a câștigat, alături de John Jumper și David Baker, Premiul Nobel pentru Chimie în 2024. Baza lor de date, AlphaFold, a decodat deja structurile 3D pentru aproape toate cele 200 de milioane de proteine cunoscute de știință, oferind acces liber cercetătorilor globali și generând într-adevăr un impact incalculabil în biologie.
Hassabis a subliniat că determinarea structurii unei proteine reprezintă doar un singur pas din lungul lanț al creării unui medicament. Prin intermediul companiilor (inclusiv Isomorphic Labs), echipa lucrează la dezvoltarea a încă 6 până la 12 modele de inteligență artificială de calibru AlphaFold.
Fiecare dintre aceste noi modele este antrenat să rezolve o altă etapă specifică din procesul de descoperire a medicamentelor (cum ar fi modul în care o moleculă interacționează cu o proteină, biochimia compușilor sau designul exact al unei molecule pentru a se potrivi într-un anumit „buzunar” al proteinei-țintă). Scopul final este unirea tuturor acestor modele într-o singură platformă integrată, un motor care va putea fi aplicat virtual asupra oricărei arii patologice.
„Odată ce câteva medicamente concepute cu ajutorul AI trec prin întregul proces de reglementare, s-ar putea să ai suficiente date. Să zicem că ai 10 medicamente concepute de AI și 9 dintre ele funcționează. Atunci ai putea verifica retroactiv cât de precise au fost cu adevărat modelele tale în predicțiile lor, în care poți avea încredere și în care nu, și asta ar fi o dovadă pentru autoritatea de reglementare că anumite procese ar putea fi accelerate", spune Hassabis.
Testul cel mai important rămâne Testul Turing. Un model antrenat doar cu informații de până la 1900 ar putea inventa și descoperi teoriile care au revoluționat lumea în secolul 20? Momentan, nu. Dar Hassabis e optimist și insistă pe "momentan".
