“
Sir Demis Hassabis descubrió que había ganado el Premio Nobel de Química esta semana cuando su esposa, también investigadora científica, recibió varias llamadas en Skype solicitando urgentemente su número de teléfono.
“Mi mente estaba totalmente alterada, lo cual casi nunca sucede. Fue… casi como una experiencia fuera del cuerpo”, dijo Hassabis, cofundador y director ejecutivo de Google DeepMind, la división de inteligencia artificial del gigante tecnológico del Silicon Valley.
El Premio Nobel de Química, que Hassabis compartió con su colega John Jumper y el bioquímico estadounidense David Baker, se ganó por resolver un problema imposible en biología que había permanecido sin resolver durante 50 años: predecir la estructura de cada proteína conocida por la humanidad, utilizando un software de inteligencia artificial conocido como AlphaFold.
Habiendo resuelto ese desafío de larga data, con amplias implicaciones en la ciencia y la medicina, Hassabis tiene sus miras puestas en el cambio climático y la salud. “Quiero que ayudemos a resolver algunas enfermedades”, dijo al Financial Times.
Su equipo está trabajando en seis programas de desarrollo de medicamentos con los fabricantes de medicamentos Eli Lilly y Novartis, que se centran en áreas de enfermedades como el cáncer y el Alzheimer. Hassabis dijo que espera tener un candidato a fármaco en ensayos clínicos dentro de dos años.
Otras de sus grandes áreas de enfoque son utilizar la inteligencia artificial para modelar el clima de manera más precisa, y cruzar la frontera última en la investigación de inteligencia artificial: inventar una inteligencia artificial al nivel de la inteligencia humana.
Recomendado
“Cuando miremos hacia atrás en 10 años, espero que [la IA] haya anunciado una nueva era dorada de descubrimiento científico en todos estos diferentes ámbitos”, dijo Hassabis, que antes era neurocientífico y diseñador de videojuegos. “Lo veo como la herramienta definitiva para acelerar la investigación científica.”
El dúo de DeepMind fue reconocido el miércoles, un día después de que el ex colega de Google y veterano científico de la inteligencia artificial Geoffrey Hinton ganara el premio de física junto al físico John Hopfield por su trabajo en redes neuronales, la tecnología fundamental para los sistemas de inteligencia artificial modernos que sustentan la salud, las redes sociales, los autos autónomos y AlphaFold en sí.
El reconocimiento de los avances en inteligencia artificial destaca una nueva era en la investigación, enfatizando la importancia de las herramientas informáticas y la ciencia de datos para resolver problemas científicos complejos en escalas de tiempo mucho más cortas, en todo, desde la física hasta las matemáticas, la química y la biología.
“Es obviamente interesante que el comité haya decidido hacer una declaración como esta al tener a los dos juntos”, dijo Hassabis.
Los premios también encapsulan las promesas y los posibles peligros de la inteligencia artificial.
Hopfield y Hinton fueron pioneros en la disciplina a principios de los años 80. Hinton, que tiene 76 años y dejó Google el año pasado, dijo que no planea hacer más investigaciones. En cambio, tiene la intención de abogar por el trabajo en la seguridad de los sistemas de inteligencia artificial y por fomentar la facilitación gubernamental.
Por el contrario, el par de DeepMind ganó por trabajos presentados principalmente en los últimos cinco años y siguen siendo extremadamente optimistas acerca de su impacto en la sociedad.
“El impacto de [la IA], en particular en la ciencia pero también en el mundo moderno de manera más amplia, ahora es muy, muy claro”, dijo Maneesh Sahani, director de la unidad Gatsby en University College London, un instituto de investigación centrado en el aprendizaje automático y la neurociencia teórica. Hinton fue director fundador de Gatsby en 1998, mientras que Hassabis trabajó como investigador posdoctoral allí en 2009, y eventualmente creó DeepMind a partir del instituto de UCL en 2010.
“El aprendizaje automático está apareciendo en todas partes, desde personas que analizan textos antiguos en idiomas olvidados, hasta radiografías y otras imágenes médicas. Tenemos una caja de herramientas ahora que impulsará la ciencia y las disciplinas académicas en todas las direcciones”, dijo Sahani, que también es profesor de neurociencia.
Las iteraciones recientes de AlphaFold tienen “ramificaciones en toda la medicina, biología, y muchas otras áreas” porque son tan fundamentales para los organismos vivos, dijo Charlotte Deane, profesora de bioinformática estructural en la Universidad de Oxford.
“Muchos estaban escépticos cuando comenzaron, pero muy rápidamente su programa superó a todos los demás programas para predecir las estructuras de proteínas”, dijo Venki Ramakrishnan, un biólogo que ganó el Premio Nobel de Química en 2009 por su trabajo relacionado con la síntesis de proteínas. “Realmente cambió drásticamente el campo.”
AlphaFold ha sido utilizado por más de 2 millones de científicos para, entre otras cosas, analizar el parásito de la malaria para desarrollar una vacuna, mejorar la resistencia de las plantas al cambio climático, y estudiar la estructura del poro nuclear, uno de los mayores complejos proteicos en el cuerpo humano.
Recomendado
Rosalyn Moran, profesora de neurociencia en el King’s College London, y directora ejecutiva de la startup de inteligencia artificial Stanhope AI, dijo: “La construcción de herramientas es un trabajo científico de cuello azul… a menudo son los héroes no reconocidos de la ciencia. Para mí, esa fue la parte más emocionante del premio.”
AlphaFold todavía presenta limitaciones según lo informaron sus creadores a principios de este año, incluyendo “alucinaciones” de “orden estructural espurio” en regiones celulares que de hecho están desordenadas. Otro desafío que enfrenta el uso de la inteligencia artificial para la investigación científica es que algunos campos de investigación importantes pueden ser menos ricos que el análisis de proteínas en datos experimentales.
En el premio Nobel de física, el trabajo de Hinton y Hopfield utilizó conceptos fundamentales de la física y la neurociencia para desarrollar herramientas de inteligencia artificial que pueden procesar patrones en redes de información grandes.
La máquina de Boltzmann, que Hinton inventó, fue capaz de aprender a partir de ejemplos específicos en lugar de instrucciones. La máquina luego fue capaz de reconocer nuevos ejemplos de categorías en las que había sido entrenada, como imágenes de gatos.
Este tipo de software de aprendizaje, conocido como redes neuronales, ahora forma la base de la mayoría de las aplicaciones de inteligencia artificial, como el software de reconocimiento facial y los grandes modelos de lenguaje, la técnica que sustenta ChatGPT y el Gemini de Google. Uno de los antiguos alumnos de Hinton, Ilya Sutskever, fue cofundador y científico jefe de OpenAI, la empresa detrás de ChatGPT.
“Diría que soy alguien que realmente no sabe en qué campo está, pero le gustaría entender cómo funciona el cerebro”, dijo Hinton, informático y psicólogo cognitivo, durante una conferencia de prensa esta semana. “Y en mis intentos por entender cómo funciona el cerebro, he ayudado a crear una tecnología que funciona sorprendentemente bien”.
Los premios de inteligencia artificial también han puesto de manifiesto la naturaleza interconectada de los descubrimientos científicos y la necesidad de compartir datos y experiencia, un fenómeno cada vez más raro en la investigación en inteligencia artificial que se lleva a cabo dentro de empresas comerciales como OpenAI y Google.
Los principios de la neurociencia y la física se utilizaron para desarrollar los modelos de inteligencia artificial de hoy en día, mientras que los datos generados por los biólogos ayudaron a inventar el software AlphaFold.
“Los científicos como yo tradicionalmente han resuelto las formas de las proteínas utilizando métodos experimentales laboriosos que pueden llevar años”, dijo Rivka Isaacson, profesora de biofísica molecular en el King’s College London, que fue una de las primeras probadoras beta de AlphaFold. “Sin embargo, fueron estas estructuras resueltas, que el mundo experimental deposita para su uso público, las que se utilizaron para entrenar a AlphaFold.”
Agregó que la técnica de inteligencia artificial había permitido a científicos como ella “saltar hacia adelante para investigar más a fondo la función y la dinámica de las proteínas, haciendo preguntas diferentes y potencialmente abriendo nuevas áreas de investigación”.
En última instancia, la inteligencia artificial, al igual que la microscopía electrónica o la cristalografía de rayos X, sigue siendo una herramienta analítica, no un agente independiente que realiza investigaciones originales. Hassabis insiste en que la tecnología no puede reemplazar el trabajo de los científicos.
“La ingeniosidad humana entra en juego, hacer la pregunta, la conjetura, la hipótesis, nuestros sistemas no pueden hacer nada de eso”, dijo. “[La IA] solo analiza datos por el momento.”
Video: Los creadores de contenido enfrentan a la IA | FT Tech
“