الذكاء الاصطناعي يفوز بجائزة نوبل أخرى، هذه المرة في الكيمياء: Google DeepMinders Hassabis وJumper يحصلان على جائزة AlphaFold

الائتمان: VentureBeat مصنوع من Midjourney V6

حصل ثلاثة من العلماء، وهم ديميس هاسابيس، المؤسس المشارك والرئيس التنفيذي لقسم الذكاء الاصطناعي في Google DeepMind، بالإضافة إلى جون جامبر، كبير علماء الأبحاث في Google DeepMind وديفيد بيكر من جامعة واشنطن، على جائزة نوبل.”https://www.nobelprize.org/prizes/chemistry/2024/press-release/”>2024 جائزة نوبل في الكيمياء لعملهم الرائد في التنبؤ وتطوير بروتينات جديدة.

فاز DeepMinders ل”https://venturebeat.com/ai/googles-alphafold-3-ai-predicts-the-very-building-blocks-of-life/” الهدف=”_blank” rel=”noreferrer noopener”> ألفا فولد 2وهو نظام ذكاء اصطناعي قادر على التنبؤ بالبنية ثلاثية الأبعاد للبروتينات من خلال تسلسل الأحماض الأمينية الخاصة بها. وفي الوقت نفسه، فاز بيكر لقيادته مختبرًا حيث تم استخدام الأحماض الأمينية العشرين التي تشكل البروتينات لتصميم أحماض جديدة، بما في ذلك بروتينات “للأدوية واللقاحات والمواد النانوية وأجهزة الاستشعار الصغيرة”، وفقًا لإعلان لجنة نوبل.

تسلط الجائزة الضوء على كيفية إحداث الذكاء الاصطناعي ثورة في العلوم البيولوجية، وتأتي بعد يوم واحد فقط مما أعتقد أنه حدث”https://venturebeat.com/ai/ai-pioneer-geoffrey-hinton-who-warned-of-x-risk-wins-nobel-prize-in-physics/”>أول جائزة نوبل تُمنح لتكنولوجيا الذكاء الاصطناعي، تلك الجائزة المخصصة للفيزياء لزميل Google DeepMinder Geoffrey Hinton والأستاذ John J. Hopfield من جامعة برينستون، لعملهما في الشبكات العصبية الاصطناعية.

أعلنت الأكاديمية الملكية السويدية للعلوم عن الجائزة كما فعلت مع جائزة الفيزياء، التي تبلغ قيمتها 11 مليون كرونة سويدية (حوالي مليون دولار أمريكي)، مقسمة بين الفائزين – نصفها سيذهب إلى بيكر والنصف الآخر مقسم مرة أخرى إلى أرباع الفائزين. المجموع إلى هاسابيس و الطائر.

وشددت اللجنة على التأثير غير المسبوق لـ AlphaFold، ووصفته بأنه اختراق حل مشكلة عمرها 50 عامًا في علم الأحياء: التنبؤ ببنية البروتين، أو كيفية التنبؤ بالبنية ثلاثية الأبعاد للبروتين من تسلسل الأحماض الأمينية.

لعقود من الزمن، عرف العلماء أن وظيفة البروتين يتم تحديدها من خلال شكله ثلاثي الأبعاد، لكن التنبؤ بكيفية طي سلسلة الأحماض الأمينية في هذا الشكل كان معقدًا بشكل لا يصدق. لقد حاول الباحثون حل هذه المشكلة منذ سبعينيات القرن الماضي، ولكن نظرًا للعدد الهائل من تكوينات الطي المحتملة (المعروفة باسم مفارقة ليفينثال)، ظلت التنبؤات الدقيقة بعيدة المنال.

حقق AlphaFold، الذي طورته Google DeepMind، طفرة باستخدام الذكاء الاصطناعي للتنبؤ بالهياكل ثلاثية الأبعاد للبروتينات بدقة شبه تجريبية، مما يعني أن التنبؤات التي قدمتها AlphaFold للبنية ثلاثية الأبعاد للبروتين قريبة جدًا من النتائج التي تم الحصول عليها من الطرق التجريبية التقليدية. مثل علم البلورات بالأشعة السينية، أو المجهر الإلكتروني المبرد، أو التحليل الطيفي بالرنين المغناطيسي النووي (NMR) – لا يمكن تمييزها تقريبًا.

عندما حقق AlphaFold “دقة شبه تجريبية”، كان قادرًا على التنبؤ بهياكل البروتين بمستوى من الدقة ينافس هذه الطرق، عادةً ضمن هامش خطأ يبلغ حوالي 1 أنجستروم (0.1 نانومتر) لمعظم البروتينات. وهذا يعني أن تنبؤات النموذج تطابقت بشكل وثيق مع الهياكل الفعلية التي تم تحديدها بالوسائل التجريبية، مما يجعلها أداة تحويلية لعلماء الأحياء.

لقد أدى عمل هاسابيس وجمبر، الذي تم تطويره في مختبر ديب مايند في لندن، إلى إحداث تحول في مجالات البيولوجيا البنيوية واكتشاف الأدوية، مما يوفر أداة قوية للعلماء في جميع أنحاء العالم.

وقال هاسابيس في بيان: “لقد تم استخدام AlphaFold بالفعل من قبل أكثر من مليوني باحث لتعزيز العمل المهم، من تصميم الإنزيم إلى اكتشاف الأدوية”. “آمل أن ننظر إلى AlphaFold باعتباره أول نقطة إثبات للإمكانات المذهلة للذكاء الاصطناعي في تسريع الاكتشافات العلمية.”

التأثير العالمي لـ AlphaFold

يمكن الوصول إلى تنبؤات AlphaFold مجانًا عبر قاعدة بيانات بنية البروتين AlphaFold، مما يجعلها واحدة من أهم الأدوات العلمية المتاحة ذات الوصول المفتوح. وقد استخدم أكثر من مليوني باحث من 190 دولة هذه الأداة، مما أدى إلى إضفاء الطابع الديمقراطي على الوصول إلى أحدث الذكاء الاصطناعي وتمكين تحقيق اختراقات في مجالات متنوعة مثل البيولوجيا الجزيئية، وتطوير الأدوية، وحتى علوم المناخ.

من خلال التنبؤ بالبنية ثلاثية الأبعاد للبروتينات في دقائق – وهي المهام التي كانت تستغرق سنوات في السابق – يعمل AlphaFold على تسريع التقدم العلمي. وقد تم استخدام النظام لمعالجة مقاومة المضادات الحيوية، وتصميم الإنزيمات التي تحلل البلاستيك، والمساعدة في تطوير اللقاحات، مما يشير إلى فائدته في كل من الرعاية الصحية والاستدامة.

تحدث جون جمبر، الرئيس المشارك لتطوير AlphaFold، عن أهميته قائلاً: “يشرفنا أن يتم تكريمنا للوفاء بالوعد الطويل لعلم الأحياء الحسابي لمساعدتنا على فهم عالم البروتين وإرشاد العمل المذهل لعلماء الأحياء التجريبيين. ” وأكد أن AlphaFold هي أداة للاكتشاف، تساعد العلماء على فهم الأمراض وتطوير علاجات جديدة بوتيرة غير مسبوقة.

أصول AlphaFold

يمكن إرجاع جذور AlphaFold إلى استكشاف DeepMind الأوسع للذكاء الاصطناعي.

بدأ هاسابيس، وهو معجزة في لعبة الشطرنج، مسيرته المهنية في عام 1994 عندما كان عمره 17 عامًا، حيث شارك في تطوير لعبة الفيديو الناجحة. متنزه، والذي صدر في 15 يونيو من ذلك العام.

بعد دراسة علوم الكمبيوتر في جامعة كامبريدج والحصول على درجة الدكتوراه في علم الأعصاب الإدراكي، شارك في تأسيس شركة DeepMind في عام 2010، باستخدام”https://x.com/packyM/status/1844036392416100793″>فهمه للشطرنج لجمع التمويل من الرأسمالي المغامر المتناقض الشهير بيتر ثيل. وكانت الشركة المتخصصة في الذكاء الاصطناعي”https://techcrunch.com/2014/01/26/google-deepmind/”> استحوذت عليها Google في عام 2014 لحوالي 500 مليون دولار أمريكي.

بصفته الرئيس التنفيذي لشركة Google DeepMind، قاد هاسابيس اختراقات في مجال الذكاء الاصطناعي، بما في ذلك إنشاء أنظمة تتفوق في ألعاب مثل Go والشطرنج.

بحلول عام 2016، حققت شركة DeepMind اعترافًا عالميًا بتطوير أنظمة الذكاء الاصطناعي التي يمكنها إتقان لعبة Go القديمة، متغلبةً على أبطال العالم. كانت هذه الخبرة في الذكاء الاصطناعي هي التي بدأت شركة DeepMind في تطبيقها على العلوم، بهدف حل تحديات أكثر أهمية، بما في ذلك طي البروتين.

تم إطلاق مشروع AlphaFold رسميًا في عام 2018، ليدخل في مسابقة التقييم النقدي للتنبؤ ببنية البروتين (CASP)، وهو تحدٍ عالمي نصف سنوي للتنبؤ بهياكل البروتين. في ذلك العام، فازت شركة AlphaFold بالمسابقة، متفوقة على الفرق الأخرى، ومبشرة بعصر جديد في علم الأحياء الهيكلي. لكن الاختراق الحقيقي جاء في عام 2020، عندما”https://venturebeat.com/business/deepmind-open-sources-alphafold-2-for-protein-structure-predictions/” الهدف=”_blank” rel=”noreferrer noopener”> تم الكشف عن AlphaFold2حل العديد من أصعب مشاكل طي البروتين بدقة كان يُعتقد في السابق أنها بعيدة المنال.

ألفا فولد 2كان نجاح DeepMind بمثابة تتويج لسنوات من البحث في الشبكات العصبية والتعلم الآلي، وهي المجالات التي أصبحت فيها DeepMind رائدة عالميًا.

تم تدريب النظام على مجموعات بيانات واسعة من هياكل البروتين المعروفة وتسلسلات الأحماض الأمينية، مما يسمح له بتعميم التنبؤات الخاصة بالبروتينات التي لم يسبق له مواجهتها – وهو إنجاز لم يكن من الممكن تصوره من قبل.

في وقت سابق من هذا العام، تم الكشف عن Google DeepMind وIsomorphic Labs”https://venturebeat.com/ai/googles-alphafold-3-ai-predicts-the-very-building-blocks-of-life/”> ألفا فولد 3، الجيل الثالث من النموذج، والذي يقول المبدعون إنه يستخدم نسخة محسنة من وحدة Evoformer، وهي بنية تعلم عميقة كانت أساسية لأداء AlphaFold 2 الرائع.

يشتمل النموذج الجديد أيضًا على شبكة نشر، مماثلة لتلك المستخدمة في مولدات صور الذكاء الاصطناعي، والتي تعمل بشكل متكرر على تحسين الهياكل الجزيئية المتوقعة من سحابة من الذرات إلى تكوين نهائي دقيق للغاية.

مساهمة ديفيد بيكر في تصميم البروتين

بينما قام هاسابيس وجمبر بحل مشكلة التنبؤ، عمل ديفيد بيكر في ذلك من جديد يقدم تصميم البروتين نهجًا تحويليًا بنفس القدر: إنشاء بروتينات جديدة تمامًا غير موجودة في الطبيعة.

تم تطوير مختبر بيكر، الذي يقع مقره في معهد تصميم البروتين بجامعة واشنطن رشيد، أداة حسابية تستخدم لتصميم البروتينات الاصطناعية.

أدى عمل بيكر إلى تطوير البروتينات التي يمكن استخدامها لإنشاء علاجات جديدة، بما في ذلك الإنزيمات المصممة خصيصًا والجزيئات الشبيهة بالفيروسات التي قد تكون بمثابة لقاحات. حتى أن مجموعته صممت بروتينات للكشف عن الفنتانيل، وهو مادة أفيونية تقع في قلب أزمة صحية عالمية.

من خلال تصميم بروتينات جديدة من الصفر، توسع أبحاث بيكر حدود ما يمكن أن تفعله البروتينات، مكملة القوة التنبؤية لـ AlphaFold من خلال تمكين إنشاء جزيئات مصممة خصيصًا لوظائف محددة.

مستقبل الذكاء الاصطناعي في العلوم

ويسلط الاعتراف بجائزة نوبل لعمل ألفا فولد وبيكر الضوء على اتجاه أوسع: وهو أن الذكاء الاصطناعي يتحول بسرعة إلى أداة لا غنى عنها في البحث العلمي. أثار نجاح AlphaFold اهتمامًا جديدًا بإمكانيات الذكاء الاصطناعي في حل المشكلات المعقدة في مختلف المجالات، بما في ذلك تغير المناخ والزراعة وعلوم المواد.

وسلطت لجنة نوبل الضوء على الإمكانات التحويلية لهذه الاكتشافات، مؤكدة أنها “تفتح إمكانيات واسعة” لمستقبل البيولوجيا والكيمياء. لطالما تحدث هاسابيس بصوت عالٍ عن قدرة الذكاء الاصطناعي على تحفيز الابتكار، لكنه أيضًا واضح الرؤية بشأن المخاطر. وقال في مقابلة أجريت معه مؤخرا: “إن الذكاء الاصطناعي لديه القدرة على تسريع الاكتشافات العلمية بمعدل لم نشهده من قبل، ولكن من الأهمية بمكان أن نستخدمه بشكل مسؤول”.

مع استمرار تطور أنظمة الذكاء الاصطناعي مثل AlphaFold، فإن قدرتها على محاكاة العمليات البيولوجية والتنبؤ بالنتائج يمكن أن تُحدث ثورة في الرعاية الصحية وجهود الاستدامة وما هو أبعد من ذلك. إن جائزة نوبل التي حصل عليها جامبر وهاسابيس هي اعتراف بالتأثير الهائل لعملهما، ولكنها تشير أيضًا إلى بزوغ فجر عصر جديد في العلوم – عصر يلعب فيه الذكاء الاصطناعي دورًا مركزيًا في كشف أسرار الحياة.

ماذا بعد؟

تعترف جائزة نوبل في الكيمياء لعام 2024 بالمساهمات العميقة لديميس هاسابيس، وجون جمبر، وديفيد بيكر، الذين أعاد عملهم الرائد تشكيل مشهد علم البروتين. وقد نجحت AlphaFold، التي أصبحت الآن أداة أساسية للباحثين في جميع أنحاء العالم، في تسريع الاكتشافات بطرق لم يكن من الممكن تصورها من قبل.

يعمل عمل ديفيد بيكر في تصميم البروتين الحسابي على توسيع إمكانيات الابتكار البيولوجي، وتقديم حلول جديدة للتحديات العالمية.

تمثل هذه التطورات معًا بداية حقبة جديدة للذكاء الاصطناعي في العلوم، حيث بدأت الاحتمالات تتكشف للتو (المقصود من التورية).

وبينما يظل متفائلاً بشأن التأثير الإيجابي للذكاء الاصطناعي، يحذر هاسابيس من أن المخاطر، بما في ذلك احتمال حدوث كوارث على نطاق مجتمعي، يجب أن تؤخذ على محمل الجد مثل أزمة المناخ.