Oktober lalu, Demis Hassabis dan John Jumper memenangkan Nobel Kimia berkat AlphaFold 2. Sistem AI ini memecahkan masalah pelipatan protein yang telah membingungkan biologi struktural selama 50 tahun — memprediksi struktur dengan akurasi setingkat atom dalam hitungan jam, dibandingkan metode tradisional yang memakan waktu berbulan-bulan.
Seberapa Besar Dampaknya
Basis Data Struktur Protein AlphaFold kini berisi lebih dari 240 juta struktur prediksi, mencakup setiap protein yang diproduksi tubuh manusia. Lebih dari 3 juta peneliti di 190 negara telah menggunakannya, dengan sepertiganya berasal dari negara berpenghasilan rendah dan menengah. Telah berkontribusi pada sekitar 200.000 makalah.
Versi selanjutnya terus dikembangkan:
- AlphaFold Multimer: memprediksi struktur kompleks multiprotein
- AlphaFold 3: diperluas ke semua molekul kehidupan termasuk DNA, RNA, dan ligan
- "AlphaFold 4" (nama tidak resmi): dikembangkan oleh perusahaan spin-off Isomorphic Labs untuk penemuan obat
Dilema DeepMind
Sebuah artikel panjang di Nature mengajukan pertanyaan tajam: Setelah memenangkan Nobel, dapatkah DeepMind kembali menghasilkan terobosan setara?
Inti masalahnya bukan apakah DeepMind kekurangan bakat atau teknologi, melainkan lingkungan yang lebih luas telah berubah. Gelombang LLM telah menyedot hampir semua pendanaan dan perhatian AI. Misi awal DeepMind adalah "menggunakan AI untuk memajukan penemuan ilmiah," tetapi sumber daya dan bakat perusahaan sulit dijaga sepenuhnya dari hiruk-pikuk LLM.
Hassabis sendiri optimis: penelitian ilmiah yang digerakkan AI, menurutnya, akan memasuki "renaisans" setelah periode pergolakan selama 10 hingga 15 tahun.
Mengapa Ini Melampaui Industri AI
Makna AlphaFold melampaui "AI itu hebat." Untuk pertama kalinya, ia membuktikan kepada akademisi arus utama bahwa AI dapat memecahkan masalah sains fundamental yang tidak dapat dipecahkan metode tradisional. Nilai preseden ini jauh melampaui skor tolok ukur mana pun.
Jika AI bisa mencapai ini dalam pelipatan protein, ia bisa menghasilkan terobosan serupa di bidang ilmu material, desain obat, pemodelan iklim, dan lainnya. Pertanyaannya sederhana: siapa yang akan mendanai arah yang tidak mudah dimonetisasi ini?
Sumber: CocoLoop, laporan Nature