Deep Mind Demis Hassabis e il futuro dell'IA

Demis Hassabis è il CEO e co-fondatore di DeepMind e ha avuto un ottimo colloquio con Lex Fridman sull'IA.

DeepMind ha battuto i migliori giocatori umani con Go e hanno anche creato la migliore IA per gli scacchi. DeepMind ha anche creato AlphaFold 2 che ha risolto il ripiegamento delle proteine.

Poiché la matematica avanzata e il calcolo sono stati fondamentali per il progresso della fisica, sembra che l'IA sarà in grado di accelerare il progresso della scienza della biologia.

Di seguito un articolo su Nature descrive l'impatto e gli attuali limiti di Alphafold 2. Alphafold 2 e i ricercatori dovranno lavorare insieme per testare più proteine ​​e generare più dati. Più dati aiuteranno a migliorare Alphafold 2 e la sua accuratezza predittiva.

C'è ancora del lavoro da fare, ma questo sta migliorando la scoperta di farmaci utilizzando le proteine ​​e potrebbe aiutare a superare cinque grandi sfide che sono possibili con le proteine ​​progettate.

Sembra che il software DeepMind sia molto potente come strumento per aree con grandi quantità di dati e complessità.

Sono stati anche in grado di usarlo per prevedere come regolare i campi magnetici per contenere il plasma per la fusione nucleare.

Sopra – Una vista dall'alto del complesso dei pori nucleari umani, la più grande macchina molecolare nelle cellule umane. Credito: Agnieszka Obarska-Kosinska

Natura – Quali sono le prospettive per AlphaFold e la rivoluzione del ripiegamento delle proteine ​​AI.

Il software DeepMind in grado di prevedere la forma 3D delle proteine ​​sta già cambiando la biologia.

Per più di un decennio, il biologo molecolare Martin Beck e i suoi colleghi hanno cercato di mettere insieme uno dei puzzle più difficili del mondo: un modello dettagliato della più grande macchina molecolare nelle cellule umane.

Questo colosso, chiamato complesso dei pori nucleari, controlla il flusso di molecole dentro e fuori il nucleo della cellula, dove si trova il genoma. Centinaia di questi complessi esistono in ogni cellula. Ciascuno è composto da più di 1,000 proteine ​​che insieme formano anelli attorno a un foro attraverso la membrana nucleare.

Questi 1,000 pezzi di puzzle sono tratti da più di 30 blocchi di proteine ​​che si intrecciano in una miriade di modi. A rendere il puzzle ancora più difficile, le forme 3D determinate sperimentalmente di questi blocchi da costruzione sono un pot-pourri di strutture raccolte da molte specie, quindi non sempre si integrano bene. E l'immagine sulla scatola del puzzle - una vista 3D a bassa risoluzione del complesso dei pori nucleari - manca di dettagli sufficienti per sapere quanti pezzi si adattano esattamente insieme.

Luglio 2021, DeepMind, parte di Alphabet, la società madre di Google, ha reso pubblico uno strumento di intelligenza artificiale (AI) chiamato AlphaFold2. Il software potrebbe prevedere la forma 3D delle proteine ​​dalla loro sequenza genetica con, per la maggior parte, una precisione millimetrica.

In alcuni casi, l'IA ha fatto risparmiare tempo agli scienziati; in altri ha reso possibili ricerche prima inconcepibili o estremamente impraticabili. Ha dei limiti e alcuni scienziati ritengono che le sue previsioni siano troppo inaffidabili per il loro lavoro. Ma il ritmo della sperimentazione è frenetico.

Il 15 luglio 2021 sono apparsi documenti che descrivono RoseTTAFold e AlphaFold2, insieme a codice open source disponibile gratuitamente e altre informazioni necessarie agli specialisti per eseguire le proprie versioni degli strumenti. Una settimana dopo, DeepMind ha annunciato di aver utilizzato AlphaFold per prevedere la struttura di quasi tutte le proteine ​​prodotte dall'uomo, nonché l'intero "proteoma" di altri 2 organismi ampiamente studiati, come i topi e il batterio Escherichia coli: più di 20 strutture in totale.

Quest'anno, DeepMind prevede di rilasciare un totale di oltre 100 milioni di previsioni di struttura. Questa è quasi la metà di tutte le proteine ​​conosciute e centinaia di volte più del numero di proteine ​​determinate sperimentalmente nel repository della struttura della Protein Data Bank (PDB).