Sciencemag.cz
Doporučujeme
Po letošní Nobelově ceně za fyziku získali i chemici ocenění de facto za umělou inteligenci, respektive strojové učení. Fakticky tedy laureáty jsou Demis Hassabis, John Jumper a David Baker, a to konkrétně za výzkumy, které ze sekvence aminokyselin dokážou předpovědět 3D strukturu výsledného proteinu. Tím se také výrazně zjednodušuje navrhování zcela nových proteinů a obdobných struktur. Ať tak či onak, jde ale primárně opět o strojové učení/AI (stejně jako v případě ocenění fyziků), i když využité ve specifickém kontextu.
Letošní cena za chemii je výjimečná také tím, že ocenila výzkum, který vznikl v technologické společnosti: DeepMind, startup zabývající se umělou inteligencí, který v roce 2014 koupila společnost Google (odhadem za asi půl miliardy dolarů). Většina předchozích Nobelových cen za chemii byla udělena vědcům z akademické sféry. Mnozí laureáti pak založili startupy, aby dále rozšířili a komercializovali své převratné práce – například technologii editování genů CRISPR nebo kvantové tečky – ale výzkum od začátku do konce neprobíhal v komerční sféře. V tomto případě ano.
Už v roce 2003 vytvořil biochemik David Baker z University of Washington program Rosetta, určený pro navrhování proteinů. Pomocí něj ukázal, že je možné problém skládání proteinů obrátit – nejprve navrhne požadovaný tvar proteinu a z něj poté předpoví sekvenci aminokyselin potřebnou k jeho vytvoření. Šlo o velký úspěch, jenže i pro jednoduchý navržený tvar byly potřebné výpočty složité. K rutinnímu navrhování nových proteinů s požadovanou strukturou na to bylo třeba jít jinak.
Demis Hassabis byl zázračným šachovým dítětem a v roce 2010 založil společnost DeepMind. Proslavil se původně právě šachovým programem AlphaZero, který porazil dosavadní nejlepší algoritmy hrající hrubou silou. AlphaZero se zlepšovala s tím, jak se dokázala sama učit, neměla původně navržený „natvrdo zadrátovaný“ algoritmus s hodnotícími funkcemi (atd.). Následně triumfoval i podobně fungující program AlphaGo.
V roce 2016 se Hassabis zaměřil na novou výzvu: problém skládání proteinů. Pod vedením Johna Jumpera, chemika s praxí v oblasti proteinů, byl zahájen projekt AlphaFold. Tým použil k tréninku umělé inteligence rozsáhlou databázi experimentálně určených struktur proteinů, což AI umožnilo naučit se principy skládání. Výsledkem byl AlphaFold2, umělá inteligence, která dokázala předpovídat 3D strukturu proteinů z jejich aminokyselinových sekvencí s pozoruhodnou přesností.
AlphaFold od té doby předpověděl strukturu více než 200 milionů proteinů – v podstatě všech proteinů, které vědci doposud sekvenovali. Tato obrovská databáze struktur proteinů je nyní volně dostupná, což urychluje výzkum v biologii, medicíně a vývoji léčiv.
V roce 2024 společnost DeepMind spustila AlphaFold3, vylepšenou verzi programu AlphaFold, která nejen předpovídá tvary proteinů, ale také identifikuje potenciální vazebná místa pro malé molekuly. Tento pokrok usnadňuje vědcům navrhovat léky, které přesně cílí na správné bílkoviny.
Letošní Nobelovy ceny tak každopádně ukazují, že strojové učení a umělá inteligence nejsou zdaleka jen nástroji pro informatiky a počítačové vědce, ale prorůstají všemi obory. (Poznámka PH: a zdaleka nejen přírodovědnými, „tvrdými vědami“; však nedávno právě AI například dokázala identifikovat nové geoglyfy na planině Nazca nebo jsem četl o jejím využití při analýze štěkotu psů.)
Marc Zimmer: Machine learning cracked the protein-folding problem and won the 2024 Nobel Prize in chemistry, The Conversation / Phys.org
A v této souvislosti stojí za to snad ještě jedna poznámka.
Nově provedená analýza Northwestern University zjistila, že ty vědecké publikace (a další práce, nejen „články“), které nějak využívají umělou inteligenci, mají větší šanci stát se „hitem“, zaujmout, být v oboru převratné. Studie za tímto účelem analyzovala 74,6 milionu publikací, 7,1 milionu patentů a 4,2 milionu osnov univerzitních kurzů. Ukázalo se, že práce, které využívají umělou inteligenci, vykazují vyšší citovanost, obecně vyšší dopad.
Jian Gao et al, Quantifying the use and potential benefits of artificial intelligence in scientific research, Nature Human Behaviour (2024). DOI: 10.1038/s41562-024-02020-5
Zdroj: Northwestern University / Phys.org
