La división de Google especializada en inteligencia artificial, DeepMind, ha vuelto a dar la campanada. Si ya nos ha enseñado mucho sobre el potencial del machine learning y sus aplicaciones en IAs concretas, como AlphaGo, ahora se han atrevido con la ciencia.
Y es que DeepMind ha conseguido, con AlphaFold, una inteligencia artificial capaz de predecir la estructura en tres dimensiones de una proteína, basándose en su secuencia genética. Ya se ha definido como un salto científico que podría haber tardado años en llegar y que, mediante esta tecnología, se convierte en más cercano y accesible.
AlphaFold: Inteligencia artificial aplicada a la ciencia
Comprender la estructura de las proteínas puede ser clave en el diagnóstico y tratamiento de enfermedades, así como el conocimiento científico del cuerpo humano.
El post oficial de DeepMind apunta que el equipo de AlphaFold lleva los dos últimos años trabajando en esta IA, que genera modelos en tres dimensiones mucho más precisos que los conseguidos en la comunidad científica en los últimos años.
Una vez más, esta división de Google aplica el Deep learning y el Big Data. Esta vez, para el conocimiento de datos genómicos. La forma en la que se pliegan las proteínas define su función y, en palabras del co-fundador y CEO de DeepMind, Demis Hassabis, se trata de un proyecto que arrojará luz sobre “un problema científico fundamental y de gran importancia”.
El cuerpo humano puede generar un número enorme de proteínas, que se estima que podría rondar entre las decenas de miles y los miles de millones. Cada uno es una cadena de amino ácidos y dependiendo de la forma en la que cada parte se dobla y pliega adquirirá una estructura diferente y función.
Ciencia, tecnología e innovación
DeepMind consiguió con AlphaGo una inteligencia artificial capaz de aprender y jugar a Go, un juego de tablero ancestral chino. En 2016, este software consiguió ganar al campeón del mundo, Lee Sedol, testeando las capacidades de esta compañía y su producto.
Hasta ahora se habían utilizado numerosas técnicas para entender el comportamiento de la estructura de las proteínas. En ningún caso el resultado fue tan revelador como el conseguido con AlphaFold. Cada vez que se le provee una proteína a AlphaFold, utiliza una red neural para predecir la distancia entre los amino ácidos que la componen, los ángulos entre sus conexiones químicas y, con todo ello, genera una “estructura boceto”. De ahí busca la estructura de mayor eficiencia energética.
Lo más curioso de estas inteligencias artificiales es la capacidad de aprendizaje y, mientras que tardó una quincena en predecir las primeras estructuras de proteínas, el proceso se ha acelerado ahora hasta un par de horas.
El potencial de esta tecnología es enorme y sus aplicaciones científicas incalculables. En cualquier caso, también es muy reseñable la labor de DeepMind. Nos queda esperar, con mucha curiosidad, cuál será la siguiente dirección que tomará esta compañía de inteligencia artificial.
