Deep Mind Demis Hassabis dan Masa Depan AI

Demis Hassabis adalah CEO dan salah satu pendiri DeepMind dan dia banyak berbicara dengan Lex Fridman tentang AI.

DeepMind mengalahkan pemain manusia terbaik dengan Go dan mereka juga membuat AI terbaik untuk catur. DeepMind juga menciptakan AlphaFold 2 yang telah memecahkan pelipatan protein.

Karena matematika dan Kalkulus tingkat lanjut sangat penting bagi kemajuan Fisika, tampaknya AI akan dapat mempercepat kemajuan ilmu Biologi.

Di bawah artikel di Nature menjelaskan dampak dan keterbatasan Alphafold 2. Alphafold 2 dan para peneliti saat ini perlu bekerja sama untuk menguji lebih banyak protein dan menghasilkan lebih banyak data. Lebih banyak data akan membantu meningkatkan Alphafold 2 dan akurasi prediksinya.

Masih ada pekerjaan yang harus dilakukan tetapi ini meningkatkan penemuan obat menggunakan protein dan ini dapat membantu memecahkan lima tantangan besar yang mungkin terjadi dengan protein yang dirancang.

Sepertinya perangkat lunak DeepMind sangat kuat sebagai alat untuk area dengan data dan kompleksitas dalam jumlah besar.

Mereka juga dapat menggunakannya untuk meramalkan bagaimana menyesuaikan medan magnet untuk menampung plasma untuk fusi nuklir.

Atas – Pandangan dari atas ke bawah dari kompleks pori nuklir manusia, mesin molekuler terbesar dalam sel manusia. Kredit: Agnieszka Obarska-Kosinska

Alam – Apa selanjutnya untuk AlphaFold dan revolusi pelipatan protein AI.

Perangkat lunak DeepMind yang dapat memprediksi bentuk 3D protein telah mengubah biologi.

Selama lebih dari satu dekade, ahli biologi molekuler Martin Beck dan rekan-rekannya telah mencoba mengumpulkan salah satu teka-teki jigsaw tersulit di dunia: model terperinci dari mesin molekuler terbesar dalam sel manusia.

Raksasa ini, yang disebut kompleks pori nuklir, mengontrol aliran molekul masuk dan keluar dari inti sel, tempat genom berada. Ratusan kompleks ini ada di setiap sel. Masing-masing terdiri dari lebih dari 1,000 protein yang bersama-sama membentuk cincin di sekitar lubang melalui membran nuklir.

1,000 potongan teka-teki ini diambil dari lebih dari 30 blok pembangun protein yang terjalin dengan berbagai cara. Membuat teka-teki semakin sulit, bentuk 3D yang ditentukan secara eksperimental dari blok bangunan ini adalah bunga rampai dari struktur yang dikumpulkan dari banyak spesies, jadi jangan selalu menyatu dengan baik. Dan gambar di kotak teka-teki — tampilan 3D resolusi rendah dari kompleks pori nuklir — tidak memiliki detail yang cukup untuk mengetahui berapa banyak potongan yang cocok satu sama lain.

Juli 2021, DeepMind, bagian dari Alphabet — perusahaan induk Google — mempublikasikan alat kecerdasan buatan (AI) yang disebut AlphaFold2. Perangkat lunak ini dapat memprediksi bentuk 3D protein dari urutan genetiknya dengan, sebagian besar, dengan akurasi yang tepat.

Dalam beberapa kasus, AI telah menghemat waktu para ilmuwan; di lain hal itu telah memungkinkan penelitian yang sebelumnya tak terbayangkan atau sangat tidak praktis. Ini memiliki keterbatasan, dan beberapa ilmuwan menemukan prediksinya terlalu tidak dapat diandalkan untuk pekerjaan mereka. Tapi kecepatan eksperimennya hingar bingar.

Pada tanggal 15 Juli 2021, makalah yang menjelaskan RoseTTAFold dan AlphaFold2 muncul2, bersama dengan kode sumber terbuka yang tersedia secara bebas dan informasi lain yang diperlukan bagi spesialis untuk menjalankan versi alat mereka sendiri. Seminggu kemudian, DeepMind mengumumkan bahwa mereka telah menggunakan AlphaFold untuk memprediksi struktur hampir setiap protein yang dibuat oleh manusia, serta seluruh 'proteom' dari 20 organisme lain yang dipelajari secara luas, seperti tikus dan bakteri Escherichia coli — lebih dari 365,000 struktur secara total.

Tahun ini, DeepMind berencana untuk merilis total lebih dari 100 juta prediksi struktur. Itu hampir setengah dari semua protein yang diketahui — dan ratusan kali lebih banyak daripada jumlah protein yang ditentukan secara eksperimental dalam repositori struktur Protein Data Bank (PDB).