Deep Mind Demis Hassabis und die Zukunft der KI

Demis Hassabis ist CEO und Mitbegründer von DeepMind und hatte ein tolles Gespräch mit Lex Fridman über KI.

DeepMind hat die besten menschlichen Spieler mit Go geschlagen und sie haben auch die beste KI für Schach entwickelt. DeepMind hat auch AlphaFold 2 entwickelt, das die Proteinfaltung gelöst hat.

Da fortgeschrittene Mathematik und Analysis entscheidend für den Fortschritt der Physik waren, scheint es, dass KI in der Lage sein wird, den Fortschritt der Biologie zu beschleunigen.

Nachfolgend beschreibt ein Artikel in Nature die Auswirkungen und aktuellen Einschränkungen von Alphafold 2. Alphafold 2 und Forscher müssen zusammenarbeiten, um mehr Proteine ​​zu testen und mehr Daten zu generieren. Weitere Daten werden dazu beitragen, Alphafold 2 und seine Vorhersagegenauigkeit zu verbessern.

Es gibt noch viel zu tun, aber dies verbessert die Arzneimittelforschung mithilfe von Proteinen und könnte dazu beitragen, fünf große Herausforderungen zu meistern, die mit entworfenen Proteinen möglich sind.

Es scheint, dass die DeepMind-Software als Werkzeug für Bereiche mit großen Datenmengen und Komplexität sehr leistungsfähig ist.

Sie konnten damit auch vorhersagen, wie Magnetfelder angepasst werden können, um Plasma für die Kernfusion zu enthalten.

Oben – Eine Draufsicht auf den menschlichen Kernporenkomplex, die größte molekulare Maschine in menschlichen Zellen. Bildnachweis: Agnieszka Obarska-Kosinska

Natur – Was kommt als nächstes für AlphaFold und die KI-Revolution der Proteinfaltung?

DeepMind-Software, die die 3D-Form von Proteinen vorhersagen kann, verändert bereits die Biologie.

Seit mehr als einem Jahrzehnt versuchen der Molekularbiologe Martin Beck und seine Kollegen, eines der schwierigsten Puzzles der Welt zusammenzusetzen: ein detailliertes Modell der größten molekularen Maschine in menschlichen Zellen.

Dieser Gigant, Kernporenkomplex genannt, steuert den Fluss von Molekülen in den und aus dem Zellkern, wo sich das Genom befindet. Hunderte dieser Komplexe existieren in jeder Zelle. Jedes besteht aus mehr als 1,000 Proteinen, die zusammen Ringe um ein Loch durch die Kernmembran bilden.

Diese 1,000 Puzzleteile bestehen aus mehr als 30 Proteinbausteinen, die sich auf unzählige Arten verflechten. Um das Puzzle noch schwieriger zu machen, sind die experimentell ermittelten 3D-Formen dieser Bausteine ​​ein Potpourri von Strukturen, die von vielen Arten gesammelt wurden, also nicht immer gut ineinandergreifen. Und dem Bild auf der Schachtel des Puzzles – einer niedrig aufgelösten 3D-Ansicht des Kernporenkomplexes – fehlt es an genügend Details, um zu wissen, wie viele der Teile genau zusammenpassen.

Im Juli 2021 veröffentlichte DeepMind, Teil von Alphabet – der Muttergesellschaft von Google – ein Tool für künstliche Intelligenz (KI) namens AlphaFold2. Die Software konnte die 3D-Form von Proteinen aus ihrer genetischen Sequenz größtenteils punktgenau vorhersagen.

In einigen Fällen hat die KI den Wissenschaftlern Zeit gespart; in anderen hat es Forschung ermöglicht, die zuvor undenkbar oder völlig unpraktisch war. Es hat Einschränkungen, und einige Wissenschaftler halten seine Vorhersagen für zu unzuverlässig für ihre Arbeit. Aber das Tempo des Experimentierens ist frenetisch.

Am 15. Juli 2021 erschienen Papiere, die RoseTTAFold und AlphaFold2 beschreiben2, zusammen mit frei verfügbarem Open-Source-Code und anderen Informationen, die Spezialisten benötigen, um ihre eigenen Versionen der Tools auszuführen. Eine Woche später gab DeepMind bekannt, dass es AlphaFold verwendet hatte, um die Struktur von fast jedem vom Menschen hergestellten Protein sowie die gesamten „Proteome“ von 20 anderen umfassend untersuchten Organismen wie Mäusen und dem Bakterium Escherichia coli – mehr als 365,000 – vorherzusagen Strukturen insgesamt.

In diesem Jahr plant DeepMind die Veröffentlichung von insgesamt mehr als 100 Millionen Strukturvorhersagen. Das ist fast die Hälfte aller bekannten Proteine ​​– und hundertmal mehr als die Zahl der experimentell bestimmten Proteine ​​im Strukturspeicher der Protein Data Bank (PDB).