Deep Mind Demis Hassabis và tương lai của AI

Demis Hassabis là CEO và đồng sáng lập của DeepMind và anh ấy đã có một cuộc nói chuyện tuyệt vời với Lex Fridman về AI.

DeepMind đánh bại những kỳ thủ giỏi nhất của con người bằng cờ vây và họ cũng tạo ra AI tốt nhất cho cờ vua. DeepMind cũng tạo ra AlphaFold 2 để giải quyết vấn đề gấp protein.

Vì toán học cao cấp và Giải tích đóng vai trò quan trọng đối với sự tiến bộ của Vật lý, nên dường như AI sẽ có thể đẩy nhanh sự phát triển của khoa học Sinh học.

Dưới đây, một bài báo trên tạp chí Nature mô tả tác động và những hạn chế hiện tại của Alphafold 2. Alphafold 2 và các nhà nghiên cứu sẽ cần làm việc cùng nhau để kiểm tra nhiều protein hơn và tạo ra nhiều dữ liệu hơn. Nhiều dữ liệu hơn sẽ giúp cải thiện Alphafold 2 và độ chính xác dự đoán của nó.

Vẫn còn nhiều việc phải làm nhưng điều này đang cải thiện việc phát hiện ra thuốc bằng cách sử dụng protein và nó có thể giúp giải quyết năm thách thức lớn có thể xảy ra với các protein được thiết kế.

Có vẻ như phần mềm DeepMind rất mạnh mẽ như một công cụ cho các khu vực có lượng dữ liệu lớn và phức tạp.

Họ cũng có thể sử dụng nó để dự báo cách điều chỉnh từ trường để chứa plasma cho phản ứng tổng hợp hạt nhân.

Ảnh trên - Hình ảnh từ trên xuống của phức hợp lỗ chân lông hạt nhân của con người, cỗ máy phân tử lớn nhất trong tế bào của con người. Tín dụng: Agnieszka Obarska-Kosinska

Bản chất - Điều gì tiếp theo cho AlphaFold và cuộc cách mạng gấp protein AI.

Phần mềm DeepMind có thể dự đoán hình dạng 3D của protein đang thay đổi sinh học.

Trong hơn một thập kỷ, nhà sinh học phân tử Martin Beck và các đồng nghiệp của ông đã cố gắng ghép một trong những trò chơi ghép hình khó nhất thế giới: một mô hình chi tiết của cỗ máy phân tử lớn nhất trong tế bào người.

Con vật khổng lồ này, được gọi là phức hợp lỗ hạt nhân, kiểm soát dòng chảy của các phân tử vào và ra khỏi nhân tế bào, nơi chứa bộ gen. Hàng trăm phức hợp này tồn tại trong mọi tế bào. Mỗi protein được tạo thành từ hơn 1,000 protein cùng nhau tạo thành các vòng xung quanh một lỗ xuyên qua màng nhân.

1,000 mảnh ghép này được vẽ từ hơn 30 khối cấu trúc protein xen kẽ nhau theo nhiều cách. Làm cho câu đố thậm chí còn khó hơn, các hình dạng 3D được xác định bằng thực nghiệm của các khối xây dựng này là một nhóm các cấu trúc tập hợp từ nhiều loài, vì vậy không phải lúc nào cũng kết hợp với nhau tốt. Và hình ảnh trên hộp của câu đố - một chế độ xem 3D có độ phân giải thấp về phức hợp lỗ hạt nhân - thiếu đủ chi tiết để biết có bao nhiêu mảnh ghép chính xác với nhau.

Tháng 2021 năm 2, DeepMind, một bộ phận của Alphabet - công ty mẹ của Google - đã công khai một công cụ trí tuệ nhân tạo (AI) có tên là AlphaFold3. Phần mềm này có thể dự đoán hình dạng XNUMXD của các protein từ trình tự di truyền của chúng, phần lớn, với độ chính xác cao.

Trong một số trường hợp, AI đã tiết kiệm thời gian cho các nhà khoa học; ở những người khác, nó đã thực hiện nghiên cứu khả thi mà trước đây không thể tưởng tượng được hoặc hoàn toàn không thực tế. Nó có những hạn chế, và một số nhà khoa học nhận thấy những dự đoán của nó là không đáng tin cậy đối với công việc của họ. Nhưng tốc độ thử nghiệm rất điên cuồng.

Vào ngày 15 tháng 2021 năm 2, các bài báo mô tả RoseTTAFold và AlphaFold2 đã xuất hiện20, cùng với mã nguồn mở, có sẵn miễn phí và các thông tin khác cần thiết cho các chuyên gia để chạy các phiên bản công cụ của riêng họ. Một tuần sau, DeepMind thông báo rằng họ đã sử dụng AlphaFold để dự đoán cấu trúc của gần như mọi protein do con người tạo ra, cũng như toàn bộ 'proteome' của 365,000 sinh vật được nghiên cứu rộng rãi khác, chẳng hạn như chuột và vi khuẩn Escherichia coli - hơn XNUMX tổng số cấu trúc.

Năm nay, DeepMind có kế hoạch đưa ra tổng cộng hơn 100 triệu dự đoán về cấu trúc. Đó là gần một nửa tổng số protein đã biết - và nhiều hơn hàng trăm lần so với số lượng protein được xác định bằng thực nghiệm trong kho lưu trữ cấu trúc của Ngân hàng Dữ liệu Protein (PDB).