Demis Hassabis (mr. AlphaZero) è Nobel 2024 per la chimica
Demis Hassabis
(Uberto Delprato)
Che Demis Hassabis fosse un ragazzo speciale lo si era capito molto presto, da quando iniziò in tenerissima età a giocare a scacchi. Sembra avesse solo 4 anni, e a 13 anni aveva 2300 di punteggio Elo e rappresentava l’Inghilterra nei tornei giovanili. Ma la sua vera passione fu da subito l’informatica e a 9 anni aveva già imparato, da autodidatta, a programmare su uno ZX Spectrum comprato con i soldi guadagnati con gli scacchi.
Figlio di un greco-cipriota e una cinese singaporiana, il giovane Demis lasciò presto gli scacchi per dedicarsi agli studi in informatica e poi, in particolare, alle applicazioni di Intelligenza Artificiale. Dopo alcuni anni di esperienza con una sua società di videogiochi, la svolta fu la creazione di DeepMind, una società il cui obiettivo principale era lo sviluppo di applicazioni di Deep Learning e Deep Reinforcement Learning per applicazioni general purpose dell’Intelligenza Artificiale.
Tutti questi termini tecnico-scientifici diventarono improvvisamente qualcosa di importantissimo per i giochi di strategia e per gli scacchi in particolare quando in un articolo scientifico Hassabis e altri ricercatori di DeepMind dimostrarono un approccio rivoluzionario per fare in modo che un programma fosse in grado di imparare autonomamente a giocare a scacchi così bene da battere i programmi scacchistici esistenti. In poche parole, era la nascita di AlphaZero, che seguiva di poco la rivoluzionaria vittoria di AlphaGo contro il campione del mondo di Go, il gioco di strategia per eccellenza.
Se la creazione di AlphaZero (e dei vari programmi che l’hanno seguita applicando lo stesso metodo) è stata una enorme rivoluzione per il suo primo amore, gli scacchi, Demis non si è fermato ad un risultato di impatto scientifico importante ma di applicazione pratica necessariamente limitata.
Proseguendo nelle sue ricerche, prima ha deciso di far confluire DeepMind in Google (con la creazione di “Google DeepMind”), poi ha iniziato a esplorare le potenzialità dell’algoritmo di auto-apprendimento in applicazioni di diagnostica medica. I successi nell’analisi delle immagini del “fondo dell’occhio” hanno aperto molti altri orizzonti di ricerca basati sulla pattern recognition (elemento fondamentale del gioco degli scacchi).
La grande sfida che poi Demis ha deciso di affrontare è stata quella di un problema irrisolto di fondamentale importanza per i biologi: ricostruire la struttura tridimensionale delle proteine. Trasportare un problema di pattern recognition bidimensionale in uno di previsione strutturale tridimensionale non è stato assolutamente semplice ma il team di ricercatori di Google DeepMind è riuscito ad ottenere risultati eccellenti (e verificati in competizioni internazionali) con le versioni di AlphaFold che si sono succedute negli anni: AlphaFold-1 nel 2018, AlphaFold-2 nel 2020 e, recentissimamente, AlphaFold-3.
Ed eccoci arrivati al premio Nobel. I risultati pratici di Alphafold-2 sono stati talmente importanti da costituire una svolta enorme nel lavoro dei biologi, che hanno non solo avuto un database liberamente consultabile che riporta la struttura 3D dei 200 milioni di proteine note, ma anche un modo per poter “progettare” nuove proteine le cui strutture siano potenzialmente in grado di renderle una medicina o un vaccino (per fare esempi facilmente comprensibili).
È del 9 ottobre scorso l’annuncio della Royal Swedish Academy of Sciences, che ha deciso di assegnare il Premio Nobel per la chimica 2024 a David Baker (USA), Demis Hassabis (UK) e John M. Jumper (UK) per i loro risultati nello studio delle proteine.
David Baker (Università di Washington, Seattle) è riuscito nell’impresa quasi impossibile di costruire tipi di proteine completamente nuovi, mentre Demis Hassabis e John Jumper (entrambi di Google DeepMind) hanno sviluppato il modello di intelligenza artificiale che permette di prevedere le complesse strutture delle proteine.
In pratica hanno “decifrato il codice delle incredibili strutture delle proteine”
“Queste scoperte hanno un potenziale enorme.” riporta inoltre il comunicato ufficiale, affermazione corroborata dalla infinita lista di ricercatori che adottano AlphaFold nei loro studi. La versione 3 è addirittura in grado di prevedere le strutture di proteine altamente complesse come il DNA, l’RNA e i ligandi: il sogno di poter progettare a tavolino un vaccino per le prossime pandemie (cosa che risultò impossibile al tempo del COVID-19) sembra davvero più vicino.
Non possiamo dire che tutto ciò sia potuto accadere grazie all’intelligenza visionaria di un ricercatore brillante (oggi 48enne) che ha sviluppato le sue idee anche grazie agli scacchi e alle loro strutture, ma fa molto piacere vedere che il lavoro di Hassabis sia stato riconosciuto: per noi sarà sempre mr. AlphaZero, ma per l’umanità AlphaFold potrebbe rappresentare qualcosa di altrettanto rivoluzionario ma molto, molto più utile.
NB: Non sono un biologo nè un super-esperto di Intelligenza Artificiale, quindi il linguaggio di questo post è volutamente (e anche inevitabilmente) semplice. Consiglio vivamente chi fosse interessato ad approfondire, a leggere gli articoli linkati nel post e ad accedere al materiale reso liberamente accessibile su AlphaFold.
About Author
