Sir Demis Hassabis mengetahui bahwa dia telah memenangkan Hadiah Nobel dalam bidang kimia minggu ini ketika istrinya — juga seorang peneliti ilmiah — menerima beberapa panggilan di Skype untuk meminta nomor teleponnya dengan sangat mendesak.
“Pikiranku benar-benar kacau, yang hampir tidak pernah terjadi. Itu seperti pengalaman di luar tubuh,” kata Hassabis, co-founder dan chief executive dari Google DeepMind, divisi kecerdasan buatan dari perusahaan pencarian raksasa Silicon Valley.
Piala Nobel kimia, yang dibagikan oleh Hassabis dengan rekannya John Jumper dan ahli biokimia AS David Baker, dimenangkan untuk membuka masalah yang tidak mungkin dalam biologi yang tidak terpecahkan selama 50 tahun: memprediksi struktur setiap protein yang dikenal manusia, menggunakan perangkat lunak kecerdasan buatan yang dikenal sebagai AlphaFold.
Setelah berhasil mengatasi tantangan yang telah lama ada itu, dengan implikasi luas dalam ilmu pengetahuan dan kedokteran, Hassabis memiliki tujuan untuk menyelesaikan masalah perubahan iklim dan kesehatan. “Saya ingin kami membantu menyelesaikan beberapa penyakit,” katanya kepada Financial Times.
Timnya sedang mengerjakan enam program pengembangan obat dengan perusahaan farmasi Eli Lilly dan Novartis, yang fokus pada area penyakit seperti kanker dan Alzheimer. Hassabis mengatakan dia berharap memiliki kandidat obat dalam uji klinis dalam dua tahun.
Area fokusnya yang lain adalah menggunakan kecerdasan buatan untuk memodelkan iklim dengan lebih akurat, dan untuk melintasi batas utama dalam penelitian kecerdasan buatan: menciptakan kecerdasan mesin sebanding dengan kecerdasan manusia.
Direkomendasikan
“Ketika kita melihat ke belakang dalam 10 tahun, saya harap [AI] akan menandai era keemasan baru dalam penemuan ilmiah di semua domain yang berbeda,” kata Hassabis, yang sebelumnya adalah seorang ahli neurosains dan perancang permainan video. “Itulah yang membuat saya tertarik pada AI pada awalnya. Saya melihatnya sebagai alat utama dalam mempercepat penelitian ilmiah.”
Duo DeepMind diakui pada hari Rabu, sehari setelah mantan rekan Google dan ilmuwan AI veteran Geoffrey Hinton memenangkan hadiah fisika bersama fisikawan John Hopfield untuk karya mereka tentang jaringan saraf, teknologi dasar bagi sistem kecerdasan buatan modern yang mendasari perawatan kesehatan, media sosial, mobil otonom — dan AlphaFold itu sendiri.
Pengakuan terhadap terobosan AI menyoroti era baru dalam penelitian, menekankan pentingnya alat komputasi dan ilmu data dalam memecahkan masalah ilmiah yang kompleks dalam waktu yang jauh lebih singkat, dalam segala hal mulai dari fisika hingga matematika, kimia, dan biologi.
“Tentu saja menarik bahwa komite telah memutuskan untuk membuat pernyataan seperti ini dengan menyatukan keduanya,” kata Hassabis.
Penghargaan ini juga mencakup janji dan potensi bahaya AI.
Hopfield dan Hinton adalah pionir dalam disiplin pada awal tahun 1980-an. Hinton, yang berusia 76 tahun dan meninggalkan Google tahun lalu, mengatakan dia tidak berencana untuk melakukan penelitian lebih lanjut. Sebaliknya, dia bermaksud untuk mendorong untuk bekerja pada keamanan sistem AI, dan untuk mendorong pemerintah untuk memfasilitasinya.
Sebagai kontras, pasangan DeepMind memenangkan karya yang diungkapkan terutama dalam lima tahun terakhir, dan tetap sangat optimis tentang dampaknya bagi masyarakat.
“Dampak [AI] terutama pada ilmu pengetahuan tetapi juga pada dunia modern secara lebih luas sekarang sangat, sangat jelas,” kata Maneesh Sahani, direktur unit Gatsby di University College London, sebuah institut penelitian yang berfokus pada pembelajaran mesin dan neurosains teoritis. Hinton adalah direktur pendiri Gatsby pada tahun 1998, sementara Hassabis bekerja sebagai peneliti pasca doktoral di sana pada tahun 2009, akhirnya memisahkan diri dari institut UCL tersebut pada tahun 2010.
“Pembelajaran mesin muncul di mana-mana, dari orang yang menganalisis teks kuno dalam bahasa yang terlupakan, hingga radiograf dan pencitraan medis lainnya. Ada toolkit yang sekarang kami miliki yang akan mendorong ilmu pengetahuan dan disiplin akademis maju dalam berbagai arah yang berbeda,” kata Sahani, yang juga seorang profesor neurosains.
Iterasi terbaru AlphaFold memiliki “dampak di seluruh bidang kedokteran, biologi, dan banyak bidang lain” karena sangat mendasar bagi organisme hidup, kata Charlotte Deane, seorang profesor bioinformatika struktural di Universitas Oxford.
“Banyak yang skeptis ketika mereka mulai, tetapi program mereka dengan cepat melampaui semua program lain untuk memprediksi struktur protein,” kata Venki Ramakrishnan, seorang ahli biologi yang memenangkan Hadiah Nobel kimia pada tahun 2009 untuk karyanya terkait dengan sintesis protein. “Ini benar-benar secara dramatis mengubah bidang ini.”
AlphaFold telah digunakan oleh lebih dari 2 juta ilmuwan untuk, antara lain, menganalisis parasit malaria untuk mengembangkan vaksin, meningkatkan resistensi tanaman terhadap perubahan iklim, dan mempelajari struktur pori nuklir — salah satu kompleks protein terbesar dalam tubuh manusia.
Direkomendasikan
Rosalyn Moran, seorang profesor neurosains di King’s College London, dan chief executive dari start-up AI Stanhope AI mengatakan: “Pembangunan alat adalah pekerjaan ilmiah pekerja kasar . . . mereka sering menjadi pahlawan tak dikenal dalam ilmu pengetahuan. Bagi saya, itulah bagian paling menarik dari penghargaan.”
AlphaFold masih memiliki kekurangan seperti yang dilaporkan oleh penciptanya awal tahun ini, termasuk “halusinasi” dari “ketertiban struktural yang palsu” di daerah sel yang sebenarnya tidak teratur. Tantangan lain yang dihadapi penggunaan AI untuk penelitian ilmiah adalah bahwa beberapa bidang investigasi penting mungkin kurang kaya data eksperimental daripada analisis protein.
Dalam Nobel fisika, karya Hinton dan Hopfield menggunakan konsep dasar dari fisika dan neurosains untuk mengembangkan alat AI yang dapat memproses pola dalam jaringan informasi besar.
Machine Boltzmann, yang ditemukan oleh Hinton, dapat belajar dari contoh-contoh tertentu daripada instruksi. Mesin itu kemudian dapat mengenali contoh baru dari kategori yang telah dilatih, seperti gambar kucing.
Jenis perangkat lunak pembelajaran ini, yang dikenal sebagai jaringan saraf, sekarang menjadi dasar dari sebagian besar aplikasi AI, seperti perangkat lunak pengenalan wajah dan model bahasa besar, teknik yang mendasari ChatGPT dan Gemini Google. Salah satu mantan murid Hinton, Ilya Sutskever, adalah co-founder dan chief scientist dari pembuat ChatGPT, OpenAI.
“Saya akan mengatakan bahwa saya adalah seseorang yang sebenarnya tidak tahu di bidang apa dia berada tetapi ingin memahami bagaimana otak bekerja,” kata Hinton, seorang ilmuwan komputer dan psikolog kognitif, dalam konferensi pers minggu ini. “Dan dalam upaya saya untuk memahami bagaimana otak bekerja, saya telah membantu menciptakan teknologi yang bekerja dengan sangat baik.”
Penghargaan AI juga telah menyoroti sifat terhubungnya penemuan ilmiah, dan kebutuhan untuk berbagi data dan keahlian — suatu fenomena yang semakin jarang terjadi dalam penelitian AI yang dilakukan di dalam perusahaan-perusahaan komersial seperti OpenAI dan Google.
Prinsip-prinsip neurosains dan fisika digunakan untuk mengembangkan model AI saat ini, sementara data yang dihasilkan oleh ahli biologi membantu menciptakan perangkat lunak AlphaFold.
“Ilmuwan seperti saya secara tradisional telah menyelesaikan bentuk protein dengan metode eksperimental yang memakan waktu bertahun-tahun,” kata Rivka Isaacson, profesor biopisika molekuler di King’s College London, yang merupakan beta tester awal AlphaFold. “Namun, ini adalah struktur yang telah diselesaikan, yang dunia eksperimental setorkan untuk digunakan publik, yang digunakan untuk melatih AlphaFold.”
dia menambahkan bahwa teknik AI telah memungkinkan ilmuwan seperti dia untuk “melangkah lebih jauh untuk menyelidiki lebih dalam fungsi dan dinamika protein, mengajukan pertanyaan yang berbeda dan potensial membuka daerah penelitian yang baru”.
Pada akhirnya, AI — seperti mikroskop elektron atau kristalografi sinar-X — tetap menjadi alat analisis, bukan agen independen yang melakukan penelitian asli. Hassabis bersikeras bahwa teknologi tidak dapat menggantikan pekerjaan ilmuwan.
“Ketekunan manusia datang — bertanya, berspekulasi, hipotesis, sistem kami tidak bisa melakukan itu,” katanya. “[AI] hanya menganalisis data saat ini.”