Dopo aver assegnato martedì scorso a John J. Hopfield e Geoffrey Hinton il Premio Nobel per la fisica per il loro lavoro pionieristico sulle reti neurali, l’Accademia reale svedese delle scienze ha assegnato mercoledì il Premio Nobel per la chimica ad altri attori dell’intelligenza artificiale: Demis Hassabis, John Jumper così come il ricercatore americano David Baker per le sue ricerche sulle proteine.
Sono stati premiati John Hopfield e Geoffrey Hinton “per scoperte e invenzioni fondamentali che consentono l’apprendimento automatico con reti neurali artificiali”.
John Hopfield è un fisico e neuroscienziato americano, noto principalmente per i suoi contributi alla teoria delle reti neurali. Ora 91enne, J Hopfield è Howard A. Prior Distinguished Professor di Scienze della vita e Distinguished Professor di Biologia Molecolare presso l’Università di Princeton. Prima di dedicarsi alle neuroscienze computazionali, ha lavorato in varie aree della fisica, tra cui la fisica dello stato solido e la biofisica. Ha utilizzato queste competenze per modellare i processi cognitivi del cervello attraverso approcci matematici.
È l’inventore della rete neurale ricorrente nota come rete Hopfield, proposta nel 1982. Questo modello, che è una forma di memoria associativa auto-organizzata, viene utilizzato per il riconoscimento di schemi e l’ottimizzazione combinatoria. Il suo lavoro ha ispirato numerosi progressi nei campi della cognizione, della biologia computazionale e dell’intelligenza artificiale.
Condivide questo premio Nobel con un pioniere del deep learning, Geoffrey Hinton. Ciò ha ripreso ed esteso alcune delle basi gettate da Hopfield per il proprio lavoro, in particolare nel campo delle reti di apprendimento non supervisionato e per la macchina Boltzmann, una rete capace di imparare a riconoscere caratteristiche nei dati in modo autonomo, che è un metodo probabilistico estensione delle reti Hopfield.
Applicando i principi della fisica statistica, Geoffrey Hinton ha addestrato questa macchina a classificare le immagini o generare nuovi esempi di modelli. Il suo lavoro, per il quale ha ricevuto il Premio Turing nel 2019 insieme a Yann LeCun e Yoshua Bengio, ha aperto la strada all’ascesa dell’apprendimento automatico che osserviamo oggi.
Tuttavia, entrambi mettono in guardia dalle minacce che l’intelligenza artificiale potrebbe rappresentare per l’umanità se fosse nelle mani sbagliate, cosa che ha portato Geoffrey Hinton, ora 76enne, a lasciare Google Brain l’anno scorso.
Demis Hassabis, John Jumper e David Baker, vincitori del Premio Nobel per la Chimica 2024
Anche l’Accademia reale svedese delle scienze ha deciso di dividere questo premio in due: “Una metà a David Baker “per la progettazione computazionale delle proteine” e l’altra metà congiuntamente a Demis Hassabis e John M. Jumper “per la previsione della struttura delle proteine”.”
Heiner Linke, presidente del Comitato Nobel per la Chimica, sottolinea:
“Una delle scoperte di quest’anno riguarda la costruzione delle nostre spettacolari proteine. L’altro è realizzare un sogno vecchio di 50 anni: essere in grado di prevedere la struttura delle proteine in base alle loro sequenze di aminoacidi. Queste due scoperte aprono infinite possibilità”.
David Baker è un biochimico americano, professore all’Università di Washington e direttore dell’Institute for Protein Design. È un pioniere nello sviluppo di strumenti computazionali per creare proteine artificiali con proprietà e funzioni specifiche che non esistono in natura. Questi possono autoassemblarsi in strutture complesse o essere utilizzati per neutralizzare virus o tossine, aprendo la strada a nuove terapie.
Con il suo team dell’Università di Washington, David Baker ha sviluppato il software Rosetta, progettato per prevedere e progettare la struttura tridimensionale delle proteine. Questo software utilizza sofisticati algoritmi per modellare il modo in cui gli amminoacidi si ripiegano in strutture tridimensionali funzionali, una sfida centrale nella biologia molecolare. Grazie a Rosetta, nel 2003, sono riusciti a progettare Top7, una proteina composta da 93 aminoacidi che si ripiega in una struttura tridimensionale stabile.
Alphafold
Il neuroscienziato Demis Hassabis, CEO e co-fondatore di DeepMind, ora una filiale di Google, e il ricercatore di intelligenza artificiale John Jumper hanno trasformato il modo in cui gli scienziati si avvicinano alla previsione della struttura delle proteine.
Grazie all’intelligenza artificiale, il loro modello AlphaFold è in grado di prevedere al computer la forma di una proteina dalla sua sequenza di aminoacidi in pochi mesi, invece di cercare di determinarla sperimentalmente: un metodo che richiede diversi anni, costoso e laborioso.
La prima versione del modello, pubblicata nel 2018, così come Alpha 2, presentata nel 2020, hanno vinto il concorso Critical Assessment of Protein Structure Prediction (CASP). Nel 2021, DeepMind ha pubblicato le forme previste di oltre 350.000 proteine e ha così stabilito una mappa molto precisa delle proteine umane.
Oggi questo database contiene previsioni sulla struttura di quasi tutte le proteine conosciute.
Il lavoro dei due uomini, già premiato l’anno scorso con il Premio Lasker, ha profonde implicazioni nei campi della biologia, della medicina e della biotecnologia.