Demis Hassabis Prediksi AI Bisa Bantu Menyembuhkan Semua Penyakit dalam Dekade Mendatang

Salah satu persoalan terbesar dalam dunia medis adalah lamanya proses menemukan dan mengembangkan obat baru. Secara tradisional, membawa satu obat dari tahap penelitian hingga tersedia di pasaran dapat memerlukan lebih dari 10 tahun dan biaya yang sangat besar.

AI berpotensi mengubah bagian awal dari proses tersebut. Model komputasi dapat membantu peneliti menganalisis struktur molekul, memprediksi interaksi biologis, serta menyaring berbagai kemungkinan kandidat obat jauh lebih cepat.

Menurut visi Hassabis, fase pencarian awal yang sebelumnya dapat berlangsung bertahun-tahun berpotensi dipangkas menjadi hitungan minggu. Namun, percepatan tersebut bukan berarti AI dapat menggantikan seluruh proses ilmiah.

Penemuan yang dihasilkan model tetap harus dibuktikan melalui eksperimen. Dalam bidang kesehatan, keamanan dan efektivitas tidak cukup ditentukan berdasarkan prediksi komputer.

Salah satu bukti paling kuat mengenai kemampuan AI mempercepat sains adalah AlphaFold, sistem yang dikembangkan oleh Google DeepMind untuk memprediksi struktur protein.

Protein merupakan komponen fundamental dalam tubuh manusia dan memainkan peran penting dalam berbagai proses biologis. Memahami bentuk tiga dimensi protein membantu ilmuwan mempelajari bagaimana penyakit bekerja dan bagaimana obat dapat dirancang untuk memengaruhinya.

Sebelum era AlphaFold, pemetaan struktur protein berlangsung sangat lambat. Dalam gambaran yang disampaikan Hassabis, komunitas ilmiah membutuhkan sekitar 60 tahun untuk memetakan sebagian kecil struktur protein yang telah diketahui.

AlphaFold kemudian membawa perubahan dramatis. Dalam waktu sekitar satu tahun, sistem tersebut digunakan untuk memprediksi sekitar 200 juta struktur protein, yang mencakup hampir seluruh protein yang dikenal.

Terobosan tersebut menjadi salah satu tonggak penting dalam hubungan antara AI dan ilmu kehidupan. Atas kontribusinya terhadap AlphaFold, Demis Hassabis bersama John Jumper dan David Baker menerima Hadiah Nobel Kimia 2024.

Kemampuan AI menghasilkan solusi yang kompleks juga memunculkan pertanyaan penting: bagaimana jika manusia tidak sepenuhnya memahami alasan di balik suatu prediksi?

Hassabis menilai persoalan tersebut dapat dihadapi melalui pendekatan empiris. Dalam ilmu praktis seperti pengembangan obat, sebuah solusi tidak boleh dipercaya hanya karena dihasilkan oleh model AI.

Kandidat obat tetap harus diuji di laboratorium dan melalui uji klinis. Dengan demikian, keberhasilan AI dalam menghasilkan hipotesis ilmiah tetap ditempatkan dalam kerangka metode ilmiah yang mengutamakan pengujian, bukti, keamanan, dan efektivitas.

Pendekatan ini penting karena kesalahan dalam sistem kesehatan dapat memiliki konsekuensi langsung terhadap kehidupan manusia.

Sebagai pemimpin perusahaan teknologi besar, Hassabis menghadapi tantangan lain: bagaimana membagi sumber daya antara kepentingan komersial dan penelitian fundamental.

Google DeepMind membutuhkan komputasi dalam jumlah besar untuk mengembangkan berbagai produk AI, termasuk chatbot dan teknologi komersial lainnya. Pada saat yang sama, penelitian seperti AlphaFold membutuhkan sumber daya komputasi dan ilmuwan dalam skala besar.

Hassabis melihat hubungan antara keduanya bukan semata-mata sebagai konflik. Keberhasilan komersial dapat menghasilkan sumber daya yang kemudian digunakan untuk membiayai penelitian ilmiah berisiko tinggi dan berjangka panjang.

Hasil penelitian tersebut juga dapat didistribusikan secara luas. Basis data AlphaFold menjadi contoh bagaimana hasil riset AI dapat memberikan manfaat bagi komunitas ilmiah di luar perusahaan.

Model seperti ini menciptakan semacam siklus: keberhasilan teknologi menghasilkan nilai ekonomi, nilai tersebut mendukung penelitian berikutnya, sementara hasil penelitian berpotensi melahirkan terobosan baru yang kembali memberikan manfaat bagi masyarakat.

Visi Hassabis tidak berhenti pada penemuan obat. Ia juga memperkirakan bahwa Artificial General Intelligence atau AGI mungkin tercapai sekitar tahun 2030, dengan kemungkinan bergeser sekitar satu tahun lebih cepat atau lebih lambat.

Jika prediksi tersebut benar, AGI berpotensi menjadi titik penting dalam perkembangan teknologi dan ilmu pengetahuan. Sistem dengan kemampuan pemecahan masalah yang jauh lebih luas dapat membantu manusia menangani persoalan ilmiah yang selama ini membutuhkan waktu sangat panjang.

Dalam konteks kesehatan, kemajuan tersebut dapat mempercepat pemahaman tentang penyakit, desain obat, penelitian biologis, hingga pengembangan terapi baru.

Namun, prediksi mengenai AGI tetap merupakan proyeksi, bukan kepastian. Tantangan teknis, keselamatan, regulasi, dan penerapannya di dunia nyata masih harus dihadapi.

Visi Demis Hassabis menunjukkan bahwa masa depan AI tidak hanya ditentukan oleh seberapa pintar mesin menghasilkan teks, gambar, atau jawaban. Potensi yang lebih mendasar terletak pada kemampuannya menjadi alat untuk mempercepat penemuan ilmiah dan membantu manusia menghadapi persoalan kesehatan.

AlphaFold telah memberikan gambaran mengenai kemungkinan tersebut dengan mempercepat pemetaan struktur protein dalam skala yang sebelumnya sulit dibayangkan. Langkah berikutnya adalah menerjemahkan kemampuan komputasi tersebut menjadi obat dan terapi yang benar-benar aman serta efektif.

Jika AI dan AGI mampu mempercepat ilmu pengetahuan secara signifikan, dekade mendatang dapat menjadi salah satu periode paling penting dalam sejarah kedokteran. Namun, ambisi besar tersebut tetap membutuhkan kombinasi antara teknologi, eksperimen ilmiah, pengawasan manusia, dan tanggung jawab etis.

FAQ

1. Siapa Demis Hassabis? Demis Hassabis adalah Co-founder dan CEO Google DeepMind serta salah satu tokoh penting dalam pengembangan AI dan riset ilmiah berbasis komputasi.
2. Apa itu AlphaFold? AlphaFold adalah sistem AI yang dikembangkan Google DeepMind untuk memprediksi struktur tiga dimensi protein.
3. Mengapa AlphaFold penting bagi dunia kesehatan? Pemahaman struktur protein dapat membantu ilmuwan mempelajari penyakit dan mempercepat proses pengembangan kandidat obat.
4. Apakah AI bisa langsung menciptakan obat yang aman? Tidak. Kandidat yang dihasilkan AI tetap harus melalui pengujian laboratorium dan uji klinis untuk membuktikan keamanan serta efektivitasnya.
5. Kapan Demis Hassabis memperkirakan AGI tercapai? Hassabis memperkirakan AGI kemungkinan hadir sekitar tahun 2030, dengan perkiraan pergeseran sekitar satu tahun.