Forbes donosi intervju sa šefom Googleovog laboratorija koji je dobio Nobelovu nagradu

John Jumper, direktor Googleovog laboratorija DeepMind, dobio je Nobelovu nagradu iz kemije zbog kreiranja AI modela koji predviđa strukturu proteina temeljem kemijskih supstanci, što pak otvara vrata za razvoj novih lijekova. U razgovoru za FORBES govori o nagradi, ali i umjetnoj inteligenciji. On već razmišlja o vremenima kada će umjetna inteligencija rješavati probleme koji su iznad granica ljudskih mogućnosti

Kada je Johnu Jumperu početkom mjeseca zazvonio telefon, gotovo se nije ni javio. Poziv je bio od švedske Kraljevske akademije znanosti, koja ga je željela obavijestiti da je dobitnik ovogodišnje Nobelove nagrade.

Direktor Googleovog AI laboratorija DeepMind prepoznao je pozivni broj Švedske i sledio se u nevjerici. Ali bila je to istina: 9. listopada Jumper je dobio Nobelovu nagradu iz kemije, zajedno sa suosnivačem DeepMinda Demisom Hassabisom, za kreiranje AlphaFolda. Riječ je o AI modelu koji predviđa strukturu proteina temeljem kemijskih sekvenci.

“Zbilja nisam mislio da će se to dogoditi,” kaže Jumper za Forbes.

Dvojica znanstvenika nagradu su podijelili s Davidom Bakerom, profesorom na Sveučilištu Washington koji je uz pomoć softvera izmislio novi protein. Baker, koji je 2012. godine osnovao Institut za dizajn proteina na svojem sveučilištu, ranije je ove godine za Forbes izjavio kako je šokiran kada vidi koliko je to polje naraslo posljednjih godina. “To je uvijek bila neka marginalna stvar, skoro samo za luđake. Daleko izvan mainstreama,” rekao je.

Najmlađi dobitnik Nobelove nagrade u više od 70 godina

Već više od pedeset godina, savijanje proteina istovremeno frustrira i pruža nadu modernim znanstvenicima: predviđanje oblika i strukture proteina ključno je za razumijevanje kako će se oni ponašati u vanjskoj okolini i otvara vrata otkrićima lijekova i razvoju novih materijala. DeepMind je uz pomoć AlphaFolda uspio predvidjeti milijune uzoraka savijanja. Za to su koristili generativnu umjetnu inteligenciju i rezultate postigli eksponencijalno brže i jeftinije nego da su računali tradicionalno.

Jumper, koji se DeepMindu pridružio 2017. godine, najmlađi je dobitnik Nobela za kemiju u preko 70 godina. S Forbesom je razgovarao o osvajanju nagrade, AI industriji i izgradnji AlphaFolda.

Richard Nieva, Forbes: Najprije, čestitke na ovom postignuću. Čuo sam da ste mislili da imate 10 posto šanse za osvajanje nagrade. Kako ste saznali da ste ju dobili?

John Jumper: Bio sam jako nervozan i noć prije nisam mogao spavati. Sjedio sam i čekao. Mislio sam da će poziv stići sat vremena ranije. Kad je prošlo to vrijeme kada sam mislio da je najava, okrenuo sam se ženi i rekao: “Ah ok, znači ove godine ništa.” Ni pola minute kasnije, zazvoni mi telefon i vidim pozivni iz Švedske. Ja se toga ne sjećam, ali žena mi kaže kako sam samo zurio u telefon neko vrijeme i da je morala viknuti na mene da se javim. Zbilja nisam mislio da će se to dogoditi.

Nevjerojatni rezultati AI-ja

Richard Nieva, Forbes: U DeepMindu ste od 2017. Sada smo u vremenu kada je umjetna inteligencija posvuda, dio je svega. Što je posebno u ovom trenutku za AI?

John Jumper: Mislim da se istovremeno događaju dvije stvari. Na neki način, osobno mi je jako zanimljivo promatrati nevjerojatne rezultate koje ostvaruju chatbotovi i generacija slika. Svijet se budi i shvaća koliko su te tehnologije moćne. S druge strane, to je na mnogo načina odraz onoga što se s AlphaFoldom dogodilo u znanstvenoj zajednici. Mislim da sada zaista vidimo koliko su ti modeli efikasni u rješavanju problema koje inače ne znamo riješiti.

Chatbotovi sada mogu pisati poeziju, sažimati emailove, mogu raditi puno toga što mogu i ljudi, ali nisamo imali pojma kako programirati računala za to. U znanosti se događa drugačija stvar. Tu se rješavaju problemi koje mi nismo mogli riješiti, koje nijedan čovjek ne može riješiti. Nije stvar u učenju od ljudi, nego od eksperimentalnih podataka i predviđanja. AlphaFold obavi godinu dana eksperimenata u pet minuta. Te tehnologije postaju moćne u isto vrijeme, ali to je gotovo potpuno odvojena stvar.

Richard Nieva: To je zanimljivo. Vi radite u kompaniji koja razvija obje te tehnologije. Kako se one spajaju u vašem svijetu? Je li to uopće cilj?

John Jumper: Mislim da su dva odgovora na to pitanje. Jedan odgovor je da se oni na tehnološkim temeljima dosta miješaju. Znanost učenja iz podataka nevjerojatno se poboljšava. Lekcije od chatbotova prebacuju se na znanstveni rad. Lekcije od znanstvenog rada mogu se prenijeti i na chatbotove. Sve to se prelijeva na tehnike i razinu računalnih sučelja.

Zanimljivo je pitanje koliko se one spajaju ili barem koliko će chatbotovi utjecati na znanost? Naravno, pokazali smo neke rezultate, na primjer korištenje chatbotova za pretraživanje, sažimanje ili izvlačenje činjenica iz znanstvenih radova. Ono što još uvijek ne znam je, na primjer – a o tome je i Demis ranije govorio – hoće li i oni postati prediktivni. Kada će doći prvi prediktivni eksperimentalni rezultati od tehnologija engleskog jezika? Ne znamo. Ne znamo je li to još jako daleko ili tek iza ugla. Mislim da je to jako zanimljivo pitanje.

Postoje li sigurnosni rizici?

Richard Nieva: AlphaFold 3 ste predstavili u ožujku, kada ste integrirali difuzijski model u tehnologiju. Kako razmišljate o integriranju drugih vrsta temeljnih modela u daljnjem razvoju AlphaFolda?

John Jumper: Općenito, lekcije koje smo naučili o tome kako se obučavaju ti modeli, kako ih se kontrolira i širi, sve će to biti važno u znanosti. Ali znanost ima jednu posebnost. Naši podaci nevjerojatno su ograničeni. Ne postoje podaci na razini interneta koji govore o tome kako izgledaju proteini. Čak i da postoje, svo to znanje zapravo bi dolazili od oko 200.000 struktura koje imamo iz znanstvene zajednice. To je jako ograničeno. Vjerojatno ćemo vidjeti, kako ljudi sve više budu razmišljali o transferu učenja i drugim tehnikama, da se to počinje prelijevati.

Richard Nieva: Kada govorimo o umjetnoj inteligenciji, često govorimo o sigurnosti i granicama. Čega se vi najviše bojite kada govorimo o tome kako ljudi koriste AlphaFold?

John Jumper: Mi mnogo vremena provodimo procjenjujući upravo to prije objave. Na primjer, kad smo radili na AlphaFoldu 2, razgovarali smo s oko 30 stručnjaka za biosigurnost i pitali ih kako naš rad može pridonijeti na potencijalnu štetu koju žele izazvati loši akteri? Kako bi oni to postigli? Velika većina složila se da oko ovog nema velikih rizika. Ovo ima jako nizak rizik, a objava donosi ogromne koristi. O tome stalno razgovaramo.

Postoji i šira rasprava o tome što sve može dovesti rizika. Razmišljamo o tome kako loši akteri ovo mogu iskoristiti u kombinaciji s drugom biotehnologijom i izazvati štetu. Mislim da se mnogo rizika također vrti oko virusa. Neke informacije možete dobiti od AlphaFolda, ali mnogo toga ovisi i o kompleksnijim značajkama poput virulencije i transmisije. AlphaFold je zapravo na vrlo niskoj razini, on se bavi atomskim detaljima svih tih stvari. Ali aktivno o tome razmišljamo. Prije svake objave već godinama i godinama to procjenjujemo.

Konkurencija

Richard Nieva: DeepMind se prošle godine spojio s Google Brainom. Je li to promijenilo način na koji istražujete ili razvijate proizvode?

John Jumper: Zbilja mogu govoriti samo što se znanstvenog tima tiče. Naravno da postoji mnogo faktora oko Geminija i kako to sve skupa funkcionira. Ali što se znanosti tiče, rekao bih da se nije puno toga promijenilo. U najmanju ruku, došlo je do poboljšanja. Integrirali smo u znanstvenu jedinice neke vrlo odlične timove iz Google Braina. Među njima je i tim Lucy Colwell (znanstvenice Googlea za istraživanje) koji je radio na funkcioniranju proteina i drugih stvari. Mislim da općenito sve funkcionira dosta dobro. Što se znanstvene jedinice tiče, mislim da imamo istu misiju. Možda su nam se proširile sposobnosti. Možemo više razgovarati o uporabi. Na taj način imamo više kapaciteta.

Richard Nieva: Jedna zanimljiva stvar oko ovog trenutka je to što veliki AI laboratoriji dobivaju mnogo pažnje. Tu su Google DeepMind, OpenAI, Anthropic i drugi. Kada razmišljate o tim konkurentskim laboratorijima, raste li pritisak?

John Jumper: Barem kada je o znanosti riječ, nemam taj osjećaj. Mnogo više razmišljam o drugim eksperimentalnim tehnikama koje se natječu s nama. Svim drugim odličnim startupovima i ljudima koji rade u našem polju biologije. Ovo je toliko interdisciplinarno polje, i mislim da imamo veliku prednost baš zato jer je to jako teško. Ne možete se samo ubaciti u znanost. Čak i uz Google DeepMind, sjećam se da su ljudi u početku govorili: “Aha, predikcija strukture proteina. To je problem sekvenci. Makni se, znam kako se to radi.” I onda bi isprobali svoju ideju i ona ne bi uspjela. Tu shvatite da morate raditi na sjecištu znanstvene discipline i strojnog učenja. To je jedna od velikih prednosti DeepMinda, a tako će i ostati. Mislim, postoje odlični drugi laboratoriji. Puno njih radi mnogo drugih stvari, ali mi smo ostvarili velike uspjehe u polju znanstvenog strojnog učenja.

Velike prilike i uzbudljiv pogled u budućnost

Richard Nieva: Spomenuli ste ta dva AI trenutka koja se odvijaju istovremeno – chatbotove i znanost. Gemini i ChatGPT dobivaju mnogo pažnje jer ih mogu koristiti obični ljudi. Kao netko tko radi u znanosti, mislite li da dolazi li do zamora chatbotovima?

John Jumper: Mislim da ne, barem unutar znanosti. Jedna stvar je reći da većina DeepMinda ne radi na znanosti. Većina radi na drugim stvarima, a puno toga se vrti oko chatbotova. Tu su i projekti velikih jezičnih modela unutar znanosti. To vidim kao ogromnu priliku. Mislim da je to odlično. Vjerojatno bih se više brinuo oko svega da nemam pristup najboljim chatbotovima i stručnjacima za velike jezične modele. Ali ne vidim to kao razlog za brigu. To je prilika. Ta industrija dobiva nevjerojatnu pozornost. Enormni iznosi investiraju se u računalstvo, i zbog toga sam jako sretan. To znači da mi možemo više vremena uložiti u razmišljanje o znanstvenim aspektima.

Richard Nieva: Koji su najuzbudljiviji veliki znanstveni problemi koje želite riješiti u budućnosti?

John Jumper: Dvije stvari. Jedna je jednostavno to što će nas predikcija strukture proteina odvesti u razvoj lijekova. To je jako, jako uzbudljivo, činjenica da ćemo postati mnogo bolji oko toga u narednih par godina. Druga stvar je kako možemo koristiti AlphaFold u razmišljanju i učenju o stanicama. Sada polako počinjemo shvaćati kako se sklapaju proteini. Vidimo zbilja kreativne primjene. Nastavit ćemo na ovom raditi i doći ćemo do toga da će naši uvidi u stanice promijeniti čitavu našu znanost. To mi je jako uzbudljivo.

Autor originalnog članka: Richard Nieva, Forbes
Link: Google DeepMind’s John Jumper On Winning The Nobel Prize And The Future Of AlphaFold
(Prevela: Nataša Belančić)