„Za 10-15 lat możemy wejść w nową złotą erę odkryć, coś na kształt renesansu”. Tę wizję roztacza Demis Hassabis, szef Google DeepMind i laureat Nagrody Nobla z chemii z 2024 roku. W rozmowie podczas Światowego Forum Ekonomicznego w Davos przesuwa środek ciężkości debaty o AI: z chatbotów i produktywności na fundamentalne odkrywanie praw natury.
To perspektywa, która zmienia optykę. Podczas gdy świat ekscytuje się generowaniem tekstów i obrazków, w laboratoriach DeepMind toczy się gra o coś znacznie większego: o zbudowanie maszyny, która przyspieszy postęp w biologii i fizyce o całe dekady.
2014: Punkt zwrotny i strach Muska
W branżowych opowieściach styczeń 2014 roku wraca jako moment założycielski obecnego układu sił. To wtedy Google przejął DeepMind. Hassabis zdradza jednak kulisy, które nadają temu wydarzeniu nowy wymiar: odrzucił wówczas wyższą ofertę od Marka Zuckerberga, a samo przejęcie tak bardzo przestraszyło Elona Muska, że ten w reakcji postanowił sfinansować powstanie OpenAI.
Dlaczego DeepMind wybrał Google? Hassabis powtarza to do dziś: „compute”. Już wtedy wiedział, że generowanie przewagi w AI (i dążenie do AGI) będzie wymagało nie tylko talentu, ale infrastruktury obliczeniowej, której nikt inny nie mógł dostarczyć.
Dziesięć lat później Google zamknął tę klamrę, łącząc zespoły DeepMind i Google Brain w jedną jednostkę pod wodzą Hassabisa. To sygnał, że skończył się czas eksperymentów, a zaczęła się faza wdrażania i skalowania.
AlphaFold: Biologia w skali platformy
Biografia Hassabisa często sprowadzana jest do drogi „od szachisty do naukowca”. To jednak uproszczenie. Kluczem jest dobór problemów. DeepMind od początku wybierał zadania wymagające planowania i uogólniania: najpierw gry (Go, StarCraft), a potem naukę.
Największym tryumfem tego podejścia jest AlphaFold. Projekt ten rozwiązał 50-letni problem biologii: przewidywanie trójwymiarowego kształtu białka na podstawie sekwencji aminokwasów. Za ten przełom Hassabis otrzymał Nobla.
Ale ważniejsze od medalu jest to, co stało się potem. AlphaFold został udostępniony jako baza danych zawierająca struktury ponad 200 milionów białek. DeepMind informuje, że korzysta z niej już ponad 3 miliony badaczy w 190 krajach. To realna zmiana dynamiki pracy laboratoriów: hipotezy stawia się szybciej i taniej, zanim ruszy kosztowna machina eksperymentów fizycznych.
Isomorphic Labs i medycyna „in silico”
Naturalnym przedłużeniem AlphaFold jest Isomorphic Labs, spółka-siostra DeepMind, której celem jest „rozwiązanie” chorób. Wizja jest prosta: tradycyjne tworzenie leków trwa dekadę, kosztuje miliardy i jest obarczone ogromnym ryzykiem błędu. Hassabis chce przenieść ten proces do świata wirtualnego (in silico).
Symulacje komputerowe mają służyć do projektowania leków, a tradycyjne „mokre laboratoria” jedynie do ich końcowej walidacji. Spółka ma już aktywne programy badawcze z gigantami takimi jak Eli Lilly czy Novartis. Według zapowiedzi, pierwsze leki zaprojektowane w ten sposób mogą trafić do badań klinicznych już pod koniec 2026 roku.
Druga zmiana o 22:00
Jak zarządzać dwiema rewolucyjnymi firmami (Google DeepMind i Isomorphic Labs) jednocześnie? Hassabis zdradza swój nietypowy rytm dnia, który pokazuje cenę bycia na szczycie innowacji. Jego dzień biurowy to maraton spotkań operacyjnych. Następnie robi przerwę na kolację z rodziną, by około 22:00 rozpocząć „drugą zmianę”, która trwa do 4:00 rano. To w nocy, w ciszy, zajmuje się pracą kreatywną i badawczą.
Przyszłość: Agenci i okulary, które wreszcie mają sens
Patrząc w przyszłość, Hassabis wskazuje na dwa trendy. Po pierwsze: agenci AI. Systemy przestaną tylko „gadać”, a zaczną planować i wykonywać zadania.
Po drugie: powrót inteligentnych okularów. Hassabis uważa, że technologia wreszcie dojrzała do wizji Google Glass sprzed lat. Jeśli AI potrafi zrozumieć kontekst użytkownika (co widzi, co słyszy, gdzie jest), okulary przestają być gadżetem, a stają się „uniwersalnym asystentem”. To może być „killer app”, na którą czekał sprzętowy świat AI.
Radykalna obfitość
Najważniejszy wniosek z rozmowy w Davos? Hassabis patrzy na AI jak na akcelerator nauki. W jego optymistycznej wizji systemy te pomogą nam odkryć nowe materiały, opanować fuzję jądrową i wyleczyć choroby, prowadząc do ery „radykalnej obfitości”.
Jednocześnie jest to wizja obarczona ryzykiem. Im bardziej AI wchodzi w obszary o wysokiej stawce (leki, energia), tym większa presja na to, by modele przestały „halucynować”, a zaczęły trzymać rygor naukowy. Prawdziwym testem tej „złotej ery” nie będzie więc liczba użytkowników chatbota, ale liczba wyleczonych pacjentów i odkrytych praw fizyki.
Leave a Comment