Una inteligencia artificial predice la interacción entre todas las moléculas de la vida

Demis Hassabis, hijo de un grecochipriota y una singapurense criado en Londres, es un prodigio del ajedrez. Comenzó a jugar a los cuatro años y a los 13 ya era un maestro. Estudió informática, se doctoró en neurociencia y fundó Deepmind, que actualmente es el puntal de inteligencia artificial, o IA, de la empresa propietaria de Google. Hace unos días, Hassabis, de 47 años, recordaba en una entrevista el día en que fue totalmente consciente de la potencia imparable de esta tecnología. Una mañana de 2018, mientras se tomaba un café, le echó una partida a AlphaZero, la IA de ajedrez que había creado. Pudo ganarla sin muchos problemas. En unas horas, el programa, que se ensañaba a sí mismo jugando cientos de miles de partidas, ya estuvo a punto de vencerle. Por la noche ya era “el mejor jugador de ajedrez que jamás haya existido”. Todo en apenas nueve horas. “Fue asombroso verlo en directo. Era inevitable preguntarse ¿qué podrá hacer este sistema en ciencia o cualquier otro problema complejo?”, explica.

Seguir leyendo

“‘Nature’ no debería publicar estudios así”

Alfonso Valencia, director de ciencias de la vida en el Centro Nacional de Supercomputación, es crítico con la nueva aportación de Deepmind, aunque reconoce que “sin duda supone un progreso importante”. “Muestran que un modelo general de predicción de complejos de macromoleculas es posible, lo comparan con métodos anteriores, principalmente de David Baker, su único competidor serio, y muestran mejoras significativas, aunque basadas en pocos casos, docenas en cada categoría, lo que hace los resultados mucho menos fiables”, señala. “El problema obvio es que al ofrecerse en un servidor, los usuarios tenderán a ignorar las limitaciones y tomar los resultados como fiables en todos los casos. Este problema no es nuevo y servidores anteriores de predicción de estructura ya sufrían de interpretaciones abusivas. Ahora, con nuevos métodos que son más populares, potentes y visibles, el problema va a ser peor. Aunque se puede usar el método como servidor web, no hacen el software público. Esto es un error y ‘Nature’ no debería publicar estudios con resultados que no pueden ser ni reproducidos, ni validados independientemente. No puede ser una cuestión de fe creerse o no los resultados que presentan”, dice.

El experto continúa: “Finalmente, veremos como el mundo académico puede adaptarse a este nuevo cambio y cuánto tiempo tardaremos en tener métodos equivalentes abiertos y públicos. Si nos basamos en los casos anteriores, como Alphafold 2, yo diría que muy poco. Entonces tendremos una evaluación más fiable e independiente de capacidades y limitaciones”.