"To zmieni wszystko". Sztuczna inteligencja dokonała przełomu w badaniach trwających 50 lat

Sztuczna inteligencja opracowana przez Google pomogła w dokonaniu przełomowego odkrycia z dziedziny biologii. Naukowcy z DeepMind twierdzą, że rozwiązali problem, z których przez 50 lat borykali się inni badacze.

DeepMind to przedsiębiorstwo zajmujące się pracami nad sztuczną inteligencją i w 2014 roku przejęte przez Google. Najnowsze odkrycie, którego dokonała opracowana przez ekspertów SI, przyspieszyło badania, nad którymi biolodzy pracują od 50 lat. Algorytm opracowany przez DeepMind określił trójwymiarowy kształt białka na podstawie jego sekwencji aminokwasów.

Program DeepMind o nazwie AlphaFold pokonał ok. 100 innych zespołów w dwuletnim wyzwaniu przewidywania struktury białek zwanym CASP (Critical Assessment of Structure Prediction). Wyniki zostały ogłoszone 30 listopada na konferencji podsumowującej eksperyment i opisane przez Nature. 

- To wielka sprawa - powiedział John Moult, biolog obliczeniowy z University of Maryland w College Park, który w 1994 roku był współzałożycielem CASP. - Sztuczna inteligencja pomogła rozwiązać problem, z którym borykamy się od prawie 50 lat. - Ekspert wyjaśnił, że odkrycie jest kamieniem milowym w dziedzinie biologii i medycyny oraz może znacząco przyspieszyć prace nad odkrywaniem nowych leków. 

Andrei Lupas, biolog ewolucyjny z Instytutu Biologii Rozwoju im. Maxa Plancka w Tybindze w Niemczech dodał, że SI AlphaFold "zmieni medycynę i bioinżynierię. Zmieni wszystko". W niektórych przypadkach algorytm sztucznej inteligencji radził sobie równie dobrze, co o wiele droższe metody, które wymagają znacznie większego nakładu pracy i czasu. I chociaż SI nie zastąpi tych metod, to naukowcy są pewni, że jest to przełom. 

- W pierwszej iteracji AlphaFold zastosowano metodę deep learning; w ten sposób udało się przewidzieć odległość między parami aminokwasów w białku. W drugim etapie badania AlphaFold wykorzystał te informacje, aby opracować model tego, jak powinno wyglądać białko - wyjaśnił kierujący projektem John Jumper z DeepMind.

Ostatecznie to podejście nie zdało egzaminu i zespół musiał zmienić założenia. Nowy algorytm polegał na stworzeniu sieci sztucznej inteligencji, która zawierała dodatkowe informacje na temat cech fizycznych i sposobu formowania się białek. Eksperci postawili też trudniejsze zadanie przez SI: zamiast przewidywać relacje między aminokwasami, sieć przewiduje ostateczną strukturę docelowej sekwencji białka.

Niezwykła trafność przewidywań AlphaFold wyróżniała sztuczną inteligencję na tle innych zespołów. "W przypadku celów białkowych uważanych za średnio trudne, najlepsze wyniki innych zespołów zwykle wynosiły 75 w 100-punktowej skali dokładności przewidywania, podczas gdy AlphaFold osiągał około 90 w tych samych celach", wyjaśnił jeden z badaczy.

Chociaż nawet SI nie osiągnęła bezbłędnych wyników, to eksperci są zgodni, że sztuczna inteligencja wykorzystująca metodę deep learning może być nieoceniona w przypadku badań z dziedziny biologii. 

Deep learning to metoda uczenia maszynowego polegająca na tworzeniu sieci neuronowych. Wymaga większych zasobów danych i zajmuje więcej czasu niż tradycyjne uczenie maszynowe, jednak może dawać o wiele lepsze efekty. DeepMind to nie jedyna firma, która wykorzystuje tę metodę do pracy nad sztuczną inteligencją. 

Deep learning jest najszerzej wykorzystywany przy projektowaniu SI, które mają rozpoznawać mowę i filtrować sieci społecznościowe. Ale również środowisko naukowe na nim mocno korzysta, o czym świadczy, chociażby powyższe badanie. Algorytmy wykorzystujące deep learning używane są w bioinfromatyce, projektowaniu leków, analizach danych medycznych, a nawet programowaniu gier.