Tháng 10 năm ngoái, Demis Hassabis và John Jumper đã giành giải Nobel Hóa học nhờ AlphaFold 2. Một hệ thống AI đã giải quyết bài toán gập protein kéo dài năm mươi năm của ngành sinh học cấu trúc – đạt độ chính xác cấp độ nguyên tử, cho kết quả trong vài giờ, trong khi phương pháp truyền thống mất nhiều tháng.
Tác động lớn đến đâu
Cơ sở dữ liệu cấu trúc protein AlphaFold hiện lưu trữ hơn 240 triệu cấu trúc dự đoán, bao phủ mọi loại protein do cơ thể con người tạo ra. Hơn 3 triệu nhà nghiên cứu tại hơn 190 quốc gia đang sử dụng, trong đó một phần ba đến từ các nước thu nhập thấp và trung bình. Đã đóng góp vào khoảng 200.000 bài báo khoa học.
Các phiên bản tiếp theo vẫn đang được phát triển:
- AlphaFold Multimer: Dự đoán cấu trúc phức hợp nhiều protein
- AlphaFold 3: Mở rộng sang DNA, RNA, phối tử và tất cả phân tử sống
- "AlphaFold 4" (tên không chính thức): Do công ty con Isomorphic Labs phát triển, hướng đến khám phá thuốc
Thách thức của DeepMind
Một bài báo dài trên Nature đặt câu hỏi sắc bén: Sau khi giành Nobel, DeepMind có thể tạo ra đột phá tương đương nữa không?
Cốt lõi của vấn đề không phải DeepMind thiếu nhân tài hay công nghệ, mà là bối cảnh lớn đã thay đổi. Làn sóng LLM đã hút gần như toàn bộ vốn đầu tư và sự chú ý dành cho AI. Sứ mệnh ban đầu của DeepMind là "dùng AI thúc đẩy khám phá khoa học", nhưng nguồn lực và nhân tài của công ty khó có thể hoàn toàn đứng ngoài cơn sốt LLM.
Hassabis tự tin lạc quan: Nghiên cứu khoa học do AI dẫn dắt sẽ trải qua giai đoạn tái cấu trúc kéo dài 10-15 năm, sau đó bước vào một "thời kỳ Phục hưng".
Tại sao điều này vượt ra ngoài ngành AI
Ý nghĩa của AlphaFold không chỉ là "AI giỏi quá". Lần đầu tiên, nó chứng minh trong giới học thuật chính thống rằng AI có thể giải quyết các vấn đề khoa học cơ bản mà phương pháp truyền thống không làm được. Giá trị tiền lệ này vượt xa bất kỳ điểm số benchmark nào.
Nếu AI có thể làm được điều này với protein, thì trong khoa học vật liệu, thiết kế thuốc, mô phỏng khí hậu cũng có thể tạo ra những đột phá tương tự. Vấn đề chỉ là: Ai sẽ đầu tư cho những hướng đi khó kiếm tiền này?
Nguồn tham khảo: CocoLoop, bài báo của Nature