He won a Nobel here for AlphaFold. Then he left. - John Jumper
| Istilah | Arti |
|---|---|
| AlphaFold | Sistem AI buatan DeepMind yang memprediksi bentuk tiga dimensi protein dari urutan asam aminonya, dan menjadi pokok bahasan utama video ini. |
| protein | Mesin molekuler kecil dari rantai asam amino yang melipat diri dan menjalankan hampir semua pekerjaan di dalam sel tubuh. |
| protein structure | Bentuk tiga dimensi hasil lipatan rantai protein, yang menentukan apa yang bisa diikat protein dan bagaimana ia bekerja di dalam sel. |
| diffusion | Teknik model generatif yang membangun hasil dari data penuh derau secara bertahap, dipakai AlphaFold 3 terutama untuk merapikan detail struktur. |
| equivariance | Sifat model yang hasilnya ikut berputar atau bergeser secara konsisten ketika masukannya diputar, yang menurut Jumper hanya menyumbang sedikit keberhasilan AlphaFold 2. |
| ablations | Percobaan mencopot satu bagian model untuk mengukur seberapa besar sumbangannya, yang dipakai tim AlphaFold untuk mengetahui ide mana yang benar-benar penting. |
| Nobel Prize | Penghargaan ilmiah paling bergengsi di dunia, dan separuh Nobel Kimia 2024 diberikan kepada Demis Hassabis dan John Jumper atas prediksi struktur protein. |
| DeepMind | Laboratorium riset AI milik Google tempat AlphaFold dikembangkan, yang kini ditinggalkan John Jumper untuk bergabung dengan Anthropic. |
| bitter lesson | Pandangan populer bahwa metode umum dengan komputasi besar akhirnya mengalahkan pengetahuan manusia yang ditanam ke model, yang menurut Jumper sering diterapkan secara keliru. |
| biology | Ilmu tentang makhluk hidup dan cara kerja sel, bidang tempat AlphaFold menyelesaikan masalah lipatan protein yang sudah puluhan tahun belum terpecahkan. |
| drug | Obat, biasanya molekul kecil berisi puluhan atom yang menempel pada protein dan mengubah perilakunya, yang kini bisa dimodelkan oleh AlphaFold 3. |
| machine learning | Cabang AI yang membuat komputer belajar pola dari data, yang menurut Jumper berarti terus menguji hipotesis dan sering mendapati dugaan sendiri salah. |
Video dari Machine Learning Street Talk ini menampilkan John Jumper, pemimpin tim AlphaFold yang meraih separuh Nobel Kimia 2024 bersama Demis Hassabis, dan yang baru saja mengumumkan kepindahannya dari Google DeepMind ke Anthropic. Selama puluhan tahun, membaca DNA sudah mudah, tetapi mengetahui bentuk tiga dimensi satu protein bisa memakan waktu sekitar setahun dan biaya sekitar 100 ribu dolar. AlphaFold memprediksi struktur itu dalam 5 sampai 10 menit dengan ketelitian kira-kira selebar satu atom, lalu DeepMind merilis lebih dari 200 juta prediksi struktur yang kini dipakai lebih dari 3 juta orang di sekitar 190 negara. Pertanyaan utama video ini adalah apa yang sebenarnya diselesaikan AlphaFold, apa yang belum, dan apakah pendekatannya bisa menjadi contoh bagi AI untuk sains. Jumper menekankan kerendahan hati: AlphaFold bukan model seluruh sel atau obat penyakit, melainkan alat yang sangat baik memprediksi satu jenis hasil eksperimen. Pembawa acara menutup dengan pesan bahwa kemajuan sains butuh rekayasa serius, pengetahuan domain, dan model hibrida yang disesuaikan.
Jumper memberi contoh pemakaian nyata, seperti menggabungkan cryo-EM dengan AlphaFold untuk memahami protein pengangkut kolesterol, dan menemukan cara protein Midnolin menjepit protein lain sebelum didaur ulang sel. AlphaFold 3 diperluas ke molekul selain protein, termasuk obat, dan dimanfaatkan Isomorphic Labs untuk merancang obat. Soal arsitektur, ia menjelaskan bahwa AlphaFold 1 memakai CNN, sedangkan AlphaFold 2 bertumpu pada Evoformer, structure module dengan invariant point attention, dan fungsi loss FAPE. Ablation menunjukkan equivariance hanya menyumbang sekitar 2 poin dari selisih 30 poin GDT, sehingga keberhasilannya lahir dari banyak ide menengah yang ditumpuk. AlphaFold 3 memang memakai diffusion, tetapi menurutnya struktur utama sudah ditentukan oleh jaringan besar sebelumnya. Ia tidak menyukai cara orang menerapkan bitter lesson, karena data tetap terbatas dan arsitektur khusus AlphaFold 2 setara dengan sekitar 100 kali lipat data. Ia juga membedakan memprediksi, mengendalikan, dan memahami. Di akhir, Emmanuel Nji bercerita bahwa AlphaFold memangkas kerja bertahun-tahun menjadi 2 sampai 3 bulan dan menargetkan pelatihan sekitar 1.000 ilmuwan Afrika dalam sepuluh tahun.
Kata kunci
- AlphaFold
- protein structure
- diffusion
- equivariance
- Mengikuti wawancara dengan John Jumper, peraih Nobel Kimia 2024 yang memimpin tim AlphaFold, tentang apa yang sudah dan belum diselesaikan AlphaFold.
- Memahami perjalanan AlphaFold 1 sampai 3: ablation, equivariance, symmetry, dan diffusion untuk struktur protein.
- Menimbang AlphaFold sebagai contoh model hibrida yang dikustomisasi untuk sains, bukan penerapan bitter lesson murni.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.