El premio Nobel y ex alumno de Cambridge Sir Demis Hassabis anuncia una nueva era de descubrimiento de fármacos de ‘velocidad digital’
Sir Demis Hassabis, premio Nobel y ex alumno de Cambridge, cree que estamos entrando en una nueva era de «biología digital», donde la IA puede ayudarnos a reimaginar los principios del descubrimiento de fármacos a «velocidad digital».
Hablando en un evento especial en Cambridge, para explorar cómo la IA puede acelerar el descubrimiento científico, el director ejecutivo y cofundador de Google DeepMind también dijo que, a pesar del auge de la computación cuántica, los sistemas informáticos clásicos aún tienen el potencial de hacer avanzar el conocimiento mediante la IA y algún día podrían incluso ayudarnos a descubrir la verdadera naturaleza de la realidad.
Demis, quien el año pasado recibió el Premio Nobel de Química junto con su colega de Google DeepMind, el Dr. John Jumper, por sus contribuciones a la investigación en IA para la predicción de la estructura de las proteínas, dijo a los estudiantes y ex alumnos de Cambridge que la IA era potencialmente el «lenguaje de descripción perfecto para la biología».
“Actualmente, desarrollar un fármaco lleva un promedio de 10 años, y es extraordinariamente caro: miles de millones de dólares”, dijo. “Y entonces me pregunto: ¿por qué no podemos usar estas técnicas para reducir ese tiempo de años a meses? ¿Quizás incluso, un día, semanas? Igual que redujimos el descubrimiento de las estructuras de las proteínas de potencialmente años a minutos y segundos”.
Durante su charla en el Babbage Lecture Theatre, donde contó a los invitados que asistió a su primera conferencia como estudiante hace casi 30 años, Demis relató su carrera e investigación en IA hasta ahora, y también brindó visiones fascinantes de cómo podría evolucionar la tecnología, incluido el desarrollo de la Inteligencia Artificial General, un sistema de IA teórico que puede hacer los mismos tipos de tareas cognitivas que un humano puede hacer.
Dijo: «Cambridge es un lugar increíble. De hecho, ha inspirado toda mi carrera, y espero que haga lo mismo con muchos de ustedes, estudiantes, aquí presentes».
Tras graduarse en Cambridge, donde estudió Ciencias de la Computación en el Queens’ College en la década de 1990, cofundó DeepMind en 2010, una empresa que desarrolló modelos magistrales de IA para juegos populares. La empresa fue vendida a Google en 2014 y, dos años después, DeepMind cobró reconocimiento mundial al lograr lo que muchos consideraban el santo grial de la IA: vencer al campeón de uno de los juegos de mesa más antiguos del mundo, el Go.
“Mi trayectoria en la IA comenzó con los juegos, y en concreto con el ajedrez”, dijo. “Jugaba al ajedrez desde los cuatro años y me hizo reflexionar sobre el pensamiento mismo: ¿cómo se nos ocurren estos planes, estas ideas, cómo resolvemos problemas y cómo podemos mejorar? Lo que me fascinó, quizás incluso más fascinante que los juegos, fueron los procesos mentales que lo sustentan”.
Este interés continuó cuando se pasó al ajedrez por computadora. «Recuerdo que me fascinaba que alguien hubiera programado este trozo de plástico inanimado para que realmente jugara ajedrez contra ti. Y terminé experimentando en mi adolescencia con un ordenador Amiga 500 y desarrollando ese tipo de programas de IA para jugar juegos como Othello. Y realmente, esa fue mi primera experiencia con la IA, y decidí desde muy joven que dedicaría toda mi carrera a intentar ampliar las fronteras de esta tecnología».
Los videojuegos eran el «campo de pruebas perfecto» para los sistemas de IA, afirmó. Y tras crear sistemas de aprendizaje —inspirados en la neurociencia— que dominaban el catálogo de juegos de Atari, y desarrollar el programa informático AlphaGo que derrotó al campeón mundial de Go, Lee Sedol, centró su atención en la ciencia.
Sentí que estábamos listos, teníamos las técnicas lo suficientemente maduras y listas para ser aplicadas fuera del juego y para intentar abordar problemas realmente importantes.
El plegamiento de proteínas (predecir la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos) fue un excelente ejemplo. Las proteínas son los componentes básicos de la vida, y se cree que su función está relacionada con su estructura. Por lo tanto, conocer la estructura de una proteína podría contribuir al descubrimiento de fármacos y a la comprensión de enfermedades.
Los científicos llevaban al menos 50 años trabajando en este desafío cuando, en noviembre de 2020, el Experimento Comunitario sobre la Evaluación Crítica de Técnicas para la Predicción de la Estructura de Proteínas (CASP) declaró que la herramienta AlphaFold2 de DeepMind lo había resuelto. DeepMind utilizó AlphaFold2 para plegar los 200 millones de proteínas conocidas por la ciencia y puso el sistema y estas estructuras a disposición de todos.
“Es como mil millones de años de doctorado en un solo año”, dijo Demis. “Y es asombroso pensar en cuánto se podría acelerar la ciencia. Dos millones de investigadores de prácticamente todos los países del mundo lo utilizan. Ha sido citado más de 30.000 veces y se ha convertido en una herramienta estándar en la investigación biológica”.
Siempre creí que la IA general podría ser la herramienta definitiva para comprender el universo que nos rodea y nuestro lugar en él.
– Sir Demis Hassabis
Demis recibió conjuntamente el Premio Nobel de Química el año pasado en reconocimiento a los importantes avances que hizo posible AlphaFold2 .
Y debido a que estas estructuras biológicas existen en gran parte de la vida en la Tierra, dijo que se han abierto nuevas vías de exploración en una amplia gama de campos, incluidos el clima, la agricultura, las enfermedades y el descubrimiento de fármacos.
“La misión de DeepMind desde el principio fue desarrollar IA de manera responsable para beneficiar a la humanidad, pero la forma en que solíamos articularlo cuando comenzamos era un proceso de dos pasos: paso 1: resolver la Inteligencia Artificial, paso 2: usarla para resolver todo lo demás.
Si analizo todo el trabajo que hemos realizado en los últimos 15 años, primero nuestro trabajo en juegos y ahora con el trabajo científico en el que hemos estado trabajando, se trata de hacer que esta búsqueda sea manejable. Se trata de un problema increíblemente complejo, con muchas soluciones posibles, y hay que encontrar la solución óptima, como encontrar una aguja en un pajar. Y no se puede hacer por la fuerza bruta, así que hay que aprender este modelo de red neuronal para poder guiar la búsqueda eficientemente y encontrar la solución óptima.
“Creo que la IA será aplicable a prácticamente todos los campos, y creo que se lograrán muchísimos avances en los próximos 5 a 10 años gracias a ella”.
Al discutir el camino hacia la Inteligencia Artificial General (AGI), Demis dijo que Google DeepMind estaba haciendo avances en todas las áreas de la comprensión de la IA de la física del mundo real, y destacó su nueva herramienta de generación de video de última generación Veo 2, que genera videos a partir de una descripción de texto, y Genie 2, que puede generar un juego de computadora basado en una sola indicación.
Y enfatizando la importancia de la seguridad de la IA y la responsabilidad que conlleva construir este tipo de sistemas y tecnologías transformadoras, explicó cómo la herramienta SynthID de Google DeepMind marca de agua invisiblemente el contenido generado por IA, que luego puede detectarse como imagen, audio, texto o video generado sintéticamente.
La IA tiene un potencial increíble para ayudarnos a afrontar nuestros mayores desafíos, desde el clima hasta la salud. Pero nos afectará a todos, por lo que creo que es fundamental que interactuemos con una amplia gama de actores de la sociedad. Y creo que esto será cada vez más importante dada la mejora exponencial que estamos observando con estas tecnologías.
Mirando hacia el futuro, Demis dijo que estaba “muy entusiasmado” por la próxima generación de tecnología de asistentes virtuales, o “asistentes universales”, como describió el trabajo de Google DeepMind en un prototipo de asistente de investigación que puede comprender el mundo que nos rodea.
Lo llamamos ‘Proyecto Astra’ y lo tienes en tu teléfono o en otros dispositivos, como unas gafas. Es un asistente que puedes llevar contigo en el mundo real y que te ayuda en la vida diaria.
Dijo que el siguiente paso en IA era construir sistemas de planificación como los que vimos con AlphaGo, que pueden buscar y encontrar buenas soluciones a los problemas, basándose en modelos globales como Google Gemini, que comprenden cómo funciona el mundo real. Combinados, dijo, pueden planificar y lograr resultados en el mundo real.
“Eso es clave para el funcionamiento de cosas como la robótica, que creo que en los próximos dos o tres años será un área enorme que experimentará avances masivos”.
Para finalizar su charla, Demis se describió a sí mismo como “el campeón de Turing” y planteó la pregunta “¿hasta dónde pueden llegar estas máquinas de Turing y la idea de la computación clásica?”.
Se cree que hay muchas cosas que requieren computación cuántica para resolverse. Mi conjetura es que, de hecho, las máquinas de Turing clásicas, sobre las que se basan estos sistemas de IA, pueden hacer mucho más de lo que les atribuíamos.
Si piensas en AlphaFold y el plegamiento de proteínas, las proteínas son sistemas cuánticos que operan a escala atómica, y uno podría pensar que se necesitan simulaciones cuánticas para determinar sus estructuras. Sin embargo, pudimos aproximarnos a esas soluciones con nuestras redes neuronales.
Una idea potencial es que cualquier patrón que se genere o encuentre en la naturaleza pueda descubrirse y modelarse eficientemente mediante uno de estos algoritmos de aprendizaje clásico. Si esto resulta ser cierto, tendrá numerosas implicaciones para la mecánica cuántica y, de hecho, para la física fundamental, algo que espero explorar. Quizás estos sistemas clásicos nos ayuden a descubrir la verdadera naturaleza de la realidad.
Y eso me lleva de nuevo a la razón principal por la que comencé mi camino en la IA hace muchísimos años. Siempre creí que la IA, construida de esta manera, podría ser la herramienta definitiva de propósito general para comprender el universo que nos rodea y nuestro lugar en él. Universidad de Cambridge News. S. B. Traducido al español
Contacto