Het ontdekken en ontwikkelen van nieuwe materialen, een supergeleider op kamertemperatuur, het optimale batterijontwerp: kunstmatige intelligentie staat klaar om ons naar plaatsen te brengen die lang buiten bereik leken. En wat misschien nog wel belangrijker is: de tijd die nodig is om gezondheidsontdekkingen van een onderzoeksstadium naar klinische proeven te brengen, zal dalen van vele jaren naar slechts enkele weken. “We zijn een paar jaar verwijderd van de eerste echt door AI ontworpen medicijnen voor belangrijke ziekten zoals hart- en vaatziekten of kanker.”
Waarom is dit belangrijk?
Het toenemende gebruik van AI stuit op gemengde reacties, waarbij de publieke bezorgdheid groter is dan de positieve verwachtingen. In deze omstandigheden is het cruciaal om te wijzen op het potentieel van AI, zoals Demis Hassabis doet.
Demis Hassabis, het hoofd van Google’s kunstmatige intelligentie divisie en medeoprichter van DeepMind, verwacht dat kunstmatige intelligentie de aanjager zal zijn van grote stappen op veel gebieden. In de Hard Fork podcast van vorige week gaat hij dieper in op waartoe AI volgens hem in de komende jaren in staat zal zijn.
In het steeds veranderende landschap van kunstmatige intelligentie, staat Google’s AI divisie, geleid door Demis Hassabis, vooraan bij het pionieren met de integratie van AI in praktische toepassingen. De verschuiving van losstaande AI-oplossingen naar het gebruik van algemene AI-technieken voor productontwikkeling markeert niet alleen een belangrijke convergentie van onderzoeks- en producttracks binnen Google, maar luidt ook een nieuw tijdperk in waarin de capaciteiten van AI direct worden afgestemd op het oplossen van echte uitdagingen. “Onderzoek en productontwikkeling zijn samengekomen.”
Feedbacklussen
Hassabis benadrukt de cruciale rol van feedbacklussen tussen AI-onderzoek en -toepassing, waarbij gebruik in de echte wereld en feedback van gebruikers van onschatbare waarde zijn voor het verfijnen van AI-modellen. “Het is eigenlijk heel goed voor onderzoek om nauwe feedbacklussen te hebben met goed ontworpen toepassingen, omdat dat de manier is waarop je echt begrijpt hoe je modellen het doen. Je kunt nog zoveel academische statistieken bedenken, maar de echte test is wanneer miljoenen mensen je product gebruiken. Vinden ze het nuttig? Is het goed voor de wereld? Op die manier krijg je natuurlijk heel veel feedback, en dat leidt dan weer tot zeer snelle verbeteringen in de onderliggende modellen.”
Je kunt nog zoveel academische statistieken bedenken, maar de echte test is wanneer miljoenen mensen je product gebruiken.
Demis Hassabis
Deze aanpak heeft het innovatietempo binnen Google versneld en de weg vrijgemaakt voor doorbraken zoals AlphaFold. AlphaFolds succes in het voorspellen van eiwitstructuren heeft enorme implicaties voor het ontdekken van medicijnen en laat zien dat AI een revolutie teweeg kan brengen in de farmaceutische industrie, zegt Hassabis. Met projecten als Isomorphic Labs, dat AI wil inzetten bij het ontwerpen van effectieve medicijnen met minimale bijwerkingen, is Hassabis optimistisch over de nabije toekomst, waarin door AI ontworpen medicijnen voor belangrijke ziekten als kanker en hart- en vaatziekten klinische proeven zullen gaan doen.
Gemengde gevoelens
Ondanks het optimisme binnen de techgemeenschap blijft de publieke opinie over AI verdeeld. Uit een recente enquête van het Pew Research Center bleek dat er meer bezorgdheid dan positieve verwachting was over het toegenomen gebruik van AI. Hassabis gelooft dat de sleutel tot het veranderen van deze perceptie ligt in het laten zien van de tastbare voordelen van AI door middel van impactvolle toepassingen zoals AlphaFold en de implicaties voor medische vooruitgang. “Ik denk dat mensen zich altijd zorgen maken over veranderingen, en het is duidelijk dat AI enorme veranderingen met zich meebrengt. Het begint mensen inmiddels wel te dagen, maar ze hebben er nog geen interactie mee gehad. Wat wij als vakgebied moeten doen, is concrete use cases presenteren die laten zien waar het grote nut ‘m in zit. Een gemiddelde burger weet waarschijnlijk nog niet van AlphaFold, of wat de impact daarvan zal zijn, maar dat zal veranderen als we de eerste door AI ontworpen medicijnen en behandelingen voor vreselijke ziekten kunnen laten zien. Ik denk dat we daar nog maar een paar jaar van verwijderd zijn.”
Met Isomorphic Labs wil Hassabis de AlphaFold-technologieën meenemen naar de chemie en biochemie om daadwerkelijk medicijnen te ontwerpen die zich binden aan de juiste delen van de eiwitstructuren en bacterieën zoals AlphaFold al heeft voorspeld. “We hebben net grote deals gesloten met Big Pharma, voor echte geneesmiddelenprogramma’s. Ik verwacht dat we in de komende jaren AI-ontworpen medicijnen in ziekenhuizen zullen hebben. Dat wordt een geweldige tijd. Dan zullen mensen echt de voordelen gaan voelen in hun dagelijks leven op een voelbare manier.”
Voordeel voor de mensheid
Naarmate AI zich verder ontwikkelt, lijkt de integratie ervan in wetenschappelijk onderzoek en alledaagse toepassingen slechts een zaak van tijd. Hassabis’ visie op AI beperkt zich niet tot technologische vooruitgang, maar gaat over het inzetten van deze vooruitgang om een aantal van de meest urgente uitdagingen in de wereld op te lossen. De stap van AI van een gespecialiseerde tool naar een algemene oplossing die toepasbaar is in verschillende domeinen illustreert het enorme potentieel om de mensheid ten goede te komen.
En dat gaat veel verder dan ‘alleen’ de gezondheidszorg. Hassabis: “Stel je een probleem voor in de wetenschap met een enorme combinatorische zoekbasis, enorme aantallen mogelijkheden, veel meer dan je met brute kracht zou kunnen doorzoeken. Neem de chemie: sommige mensen schatten dat het 10 tot de macht 50 is wat betreft de mogelijke verbindingen die je zou kunnen maken. Het is ondoenlijk om dat met de hand te doen. Je kunt een chemiemodel bouwen dat begrijpt wat haalbaar, je kunt dat gebruiken om te zoeken, maar je doorzoekt daarbij selectief, alleen de mogelijkheden die de hoogste potentiële waarde hebben. Er zijn veel onderdelen in de wetenschap die je op die manier kunt benaderen. Het vinden van een geneesmiddel dat geen bijwerkingen heeft, maar zich precies bindt aan een specifiek eiwit of de bacterie, dat is een voorbeeld. Het vinden van nieuwe materialen, zoals een supergeleider bij kamertemperatuur, of het ultieme batterijontwerp, dat zijn de dingen waar ik onze systemen graag op zou richten.”
Als je dit artikel leuk vindt, lees dan ook:
