V začetku marca 2016 je v južnokorejskem Seulu potekal nenavaden turnir igre go, ki je pred zaslone privabil milijone gledalcev z vsega sveta. V petih partijah ene najstarejših in najzahtevnejših strateških iger sta se pomerila tedaj najboljši igralec sveta Li Sedol in računalniški program AlphaGo, ki ga je razvilo podjetje DeepMind. Poznavalci so pred turnirjem napovedovali gladko zmago južnokorejskega velemojstra, vendar se je hitro izkazalo, da so se hudo zmotili.
Najbolj dramatičen trenutek turnirja se je zgodil drugi dan. Li Sedol je že izgubil prvo partijo, vendar je ostajal odločen, da bo v naslednjih igrah dokazal svoje mojstrstvo. Med drugo partijo je vzel krajši odmor in zapustil igralno dvorano, da bi si zbistril misli. Medtem pa je AlphaGo odigral potezo, ki je za vedno spremenila igro go in velja za enega ključnih mejnikov v razvoju umetne inteligence.
V 37. potezi je stroj položil kamen na nepričakovano mesto na peti liniji, blizu roba igralne plošče. Komentatorji so za hip onemeli, nato pa se začeli spraševati, ali ni morda prišlo do napake. Poteza je bila tako nenavadna, da je ni nihče pričakoval. Takšne poteze preprosto niso bile del ustaljenega repertoarja človeških mojstrov.
Ko se je Li Sedol vrnil za igralno mizo, se je presenečeno zazrl v nenavadno potezo svojega računalniškega nasprotnika. Dolgo je opazoval igralno ploščo in poskušal doumeti njen pomen. Sprva ni razumel, kakšen načrt ima AlphaGo, a kmalu je ugotovil, da ne gre za napako, temveč za mojstrsko domišljeno strategijo. Dojel je moč umetne inteligence, ki je presegala dotedanje človeško razumevanje igre. Kmalu zatem je izgubil tudi drugo partijo. Ob koncu turnirja je bil izjemno vesel, da mu je uspelo računalnik premagati vsaj enkrat.
Poteza 37 je postala simbol prelomnice v odnosu med umetno inteligenco in človekom. Alphago namreč te znamenite poteze ni izvedel na podlagi analiz preteklih človeških partij, ampak jo je razvil skozi obsežno samostojno preigravanje različnih scenarijev. Umetna inteligenca je igrala milijone partij sama proti sebi, eksperimentirala z različnimi pristopi in na podlagi povratnih informacij identificirala tiste strategije, ki so se izkazale za najuspešnejše. Na takšen način je razvila povsem nove pristope, ki jih človeški igralci prej niso poznali.
Demis Hassabis, ustanovitelj in vodja podjetja DeepMind, ki je danes del Googla, je že v času razvoja AlphaGo poudarjal, da so tovrstni programi le prvi korak na poti k napredni umetni inteligenci. Sam je bil v mladosti drugi najboljši šahist na svetu v svoji starostni skupini, zato je dobro razumel, kako pomembne so igre kot testni poligon za oceno zmogljivosti novih algoritmov umetne inteligence.
Po vrnitvi iz Koreje se je ekipa DeepMind lotila novega zahtevnega projekta. Odločili so se, da bodo pridobljeno znanje o umetni inteligenci usmerili v reševanje enega največjih nerešenih problemov biologije, ki je že desetletja begal znanstvenike. Podobno kot je znal alphago napovedati naslednje poteze igre go, so želeli razviti program alphafold, ki bo znal iz zaporedja aminokislin napovedati zvijanje oziroma strukturo proteina.
Proteine si lahko predstavljamo kot miniaturne biološke stroje, ki v živih organizmih opravljajo najrazličnejše naloge, nujne za življenje. Hemoglobin na primer v krvi veže in prenaša kisik, inzulin uravnava raven glukoze, protitelesa pa prepoznavajo in nevtralizirajo škodljive tujke, kot so virusi in bakterije. Za vsak protein so v dednem zapisu celice, v obliki molekule DNK, shranjena natančna navodila za njegovo sestavo. Ta navodila določajo zaporedje aminokislin, ki jih je treba med sintezo povezati podobno, kot bi nanizali kroglice na ogrlico. Tako nastala veriga aminokislin se nato sama od sebe zvije v zapleteno tridimenzionalno strukturo. Prav ta prostorska oblika proteina določa, kako bo deloval in s katerimi molekulami se bo lahko vezal ter sodeloval pri bioloških procesih v telesu.
Dolga desetletja je bilo vprašanje, kako iz zaporedja aminokislin napovedati tridimenzionalno strukturo proteina, ena največjih ugank v biokemiji. Če bi znanstveniki razvozlali to povezavo, bi s ciljnim spreminjanjem DNK lahko natančno vplivali na obliko in delovanje proteinov. Takšno razumevanje bi omogočilo razvoj novih pristopov v medicini, biotehnologiji in sorodnih znanostih, od načrtovanja zdravil po meri do ustvarjanja umetnih encimov z izboljšanimi lastnostmi.
Izpopolnjeno različico umetne inteligence alphafold je podjetje DeepMind javnosti predstavilo leta 2020. Svoj program so ponovno preizkusili na tekmovanju, a tokrat ni šlo za soočenje z najboljšimi človeškimi igralci, temveč za spopad različnih algoritmov. Naloga je bila določiti tridimenzionalno obliko proteinov zgolj na podlagi zaporedja aminokislin, pri čemer so bili uporabljeni proteini, katerih struktura je bila organizatorjem tekmovanja znana, a še ni bila javno razkrita.
AlphaFold je s svojo izjemno zmogljivostjo osupnil strokovno javnost na podoben način, kot štiri leta prej alphago. Njegove napovedi struktur proteinov so dosegle natančnost, primerljivo z eksperimentalnimi metodami, kar je pomenilo velik napredek na področju molekularne biologije. Kmalu zatem so pri DeepMind s pomočjo novega orodja določili strukture več kot 200 milijonov proteinov in celotno zbirko brezplačno dali na voljo drugim raziskovalcem.
Demis Hassabis in John Jumper sta za razvoj nove metode napovedovanja tridimenzionalne strukture proteinov na podlagi njihovih aminokislinskih zaporedij leta 2024 prejela Nobelovo nagrado za kemijo. Članek, ki opisuje delovanje orodja AlphaFold, pa se je hitro povzpel med najbolj citirane znanstvene objave vseh časov.
https://www.delo.si/mnenja/kolumne/umetna-inteligenca-biokemija
