"Nó sẽ thay đổi mọi thứ": Tại sao đột phá trí tuệ nhân tạo mới của DeepMind lại quan trọng đến vậy?

    Dink,  

    Chặng đường cống hiến của AlphaFold mới chỉ ở bước đầu, ta còn chưa biết ngày mai nó sẽ làm rạng danh DeepMind theo cách nào nữa!

    Phần mềm trí tuệ nhân tạo của DeepMind vừa hóa giải thành công thử thách đã làm đau đầu các nhà khoa học suốt gần 50 năm nay. Hệ thống có tên AlphaFold của DeepMind thể hiện cho giới khoa học thấy khả năng dự đoán đúng cấu trúc của protein sau quá trình cuộn gập.

    Protein là thành phần không thể thiếu để tạo nên tế bào xây dựng sự sống, và việc giải mã được phần lớn chúng là một bước nhảy vọt lớn của khoa học. Như Christian Anfinsen, nhà sinh hóa học đoạt giải Nobel, nêu giả thuyết trong chính bài diễn văn nhận giải thưởng cao quý: ông ước tính số lượng cách cuộn gập của một protein bình thường phải có tới 300 chữ số “0”.

    Nó sẽ thay đổi mọi thứ: Tại sao đột phá trí tuệ nhân tạo mới của DeepMind lại quan trọng đến vậy? - Ảnh 1.

    Mô hình gập cuộn protein 3D do AlphaFold tạo ra.

    Giải pháp tìm ra được cấu trúc đúng của một protein trong số cách gập khổng lồ kia không phải chuyện đơn giản, thế mà hệ thống AI của DeepMind đã làm được điều không tưởng. AlphaFold gỡ bỏ rào cản tồn tại suốt nửa thế kỷ qua và mang trong mình tiềm năng thay đổi ngành dược cũng như nghiên cứu sinh học.

    Các nhà khoa học hết lời ca tụng AlphaFold. Năm 2020 đánh dấu mốc lần thứ hai hệ thống trí tuệ nhân tạo AlphaFold tham gia thử thách thuộc quy mô chương trình Đánh giá Phê bình Khả năng dự đoán Cấu trúc (CASP). CASP được tổ chức 2 năm một lần, và tại CASP14, hệ thống AlphaFold của DeepMind dự đoán được cấu trúc protein với độ chính xác chưa từng có.

    Nó sẽ thay đổi tất cả”, nhà sinh học tiến hóa Andrei Lupas, một trong những giám khảo tại sự kiện CASP, nói với phóng viên tạp chí khoa học Nature. “Nó sẽ thay đổi dược phẩm. Sẽ thay đổi nghiên cứu. Sẽ thay đổi công nghệ sinh học. Nó sẽ thay đổi mọi thứ”.

    Nó sẽ thay đổi mọi thứ: Tại sao đột phá trí tuệ nhân tạo mới của DeepMind lại quan trọng đến vậy? - Ảnh 2.

    Độ chính xác đáng nể của mô hình AlphaFold dựng được.

    Trên thang từ 0-100, khả năng dự đoán cấu trúc protein sau khi cuộn gập của AlphaFold đạt được số điểm 92,4. Khi xảy ra lỗi, các nhà nghiên cứu phân tích và chỉ ra rằng sai sót trong cấu trúc protein chỉ có kích cỡ bằng bề ngang của một nguyên tử. Giáo sư Ewan Birney, giám đốc Phòng thí nghiệm Sinh học Phân tử Châu Âu hài hước kể rằng ông suýt thì ngã ngửa khỏi ghế khi nhìn thấy độ chính xác mang tính cách mạng.

    Đánh mắt nhìn lại chặng đường phát triển của hệ thống AI do DeepMind phát triển, ta bỗng nhận thấy chúng lớn nhanh nhường nào. Dường như mới hôm qua, DeepMind vẫn bận bịu với cờ vây, với StarCraft 2 thì hôm nay, AlphaFold của DeepMind đã đang cố gắng giải được yếu tố cơ bản làm nên sự sống.

    Lý giải: cuộn gập protein là gì?

    Các nhà nghiên cứu sử dụng cơ sở dữ liệu gồm 170.000 cấu trúc protein để huấn luyện AlphaFold, và nhờ kiến trúc xây dựng hệ thống tiên tiến hơn trước, độ chính xác của AlphaFold lần này đã cao hơn nhiều so với lần tham gia CASP trước đây. Vấn đề phức tạp thì giải pháp tìm ra đáp án ắt cũng phải lằng nhằng.

    Hiện tại, các nhà khoa học dựa vào những kỹ thuật dựng cấu trúc protein mang tính thử nghiệm, nhiêu khê để có được kết quả mong muốn. Nếu hiểu được cấu trúc 3D của protein, ta sẽ đào sâu vào nghiên cứu được cơ chế hoạt động của bệnh tật cũng như thuốc men. Bên cạnh đó, đột phá mà AlphaFold đạt được quá ư đúng lúc: nhân loại vẫn chưa kiểm soát được đại dịch Covid-19.

    Theo lời nhận định của đội nghiên cứu, sau khi ứng dụng AlphaFold vào phân dịch virus SARS-CoV-2 gây nên đại dịch ta đang phải gánh chịu, họ thấy rằng việc dự đoán cấu trúc con virus chết người có độ chính xác khá cao. 

    Ở thời điểm hiện tại, AlphaFold sẽ tập trung vào hỗ trợ nghiên cứu bệnh sốt rét, bệnh ngủ Châu Phi, những bệnh do ký sinh trùng gây nên và bệnh do nhiễm Leishmaniasis. AlphaFold sẽ còn có thể biểu diễn sức mạnh của mình trong nghiên cứu enzyme ăn mòn rác thải và nhiều những nghiên cứu sinh học khác nữa. Thành công hôm nay mới chỉ là khởi đầu thôi!

    Tham khảo InputMag

    Tin cùng chuyên mục
    Xem theo ngày