Kampus Times- Perjalanan DeepMind tidak bermula dari laboratorium biologi, melainkan dari ambisi membangun kecerdasan buatan yang mampu belajar dan memecahkan persoalan kompleks. Demis Hassabis mendirikan DeepMind di London pada 2010 dengan menghimpun talenta dari berbagai disiplin, termasuk ilmu komputer, fisika, dan bidang terkait kecerdasan buatan.
Pada tahap awal, tantangan DeepMind bukan hanya menciptakan algoritma yang cerdas. Pengembangan AI membutuhkan sumber daya komputasi dan talenta penelitian dalam jumlah besar. Persaingan mendapatkan peneliti terbaik juga semakin ketat karena perusahaan teknologi besar di Silicon Valley memiliki kemampuan finansial dan infrastruktur yang jauh lebih besar.
Kondisi tersebut ikut menjelaskan keputusan DeepMind bergabung dengan Google pada 2014. Akuisisi tersebut memberikan akses terhadap sumber daya komputasi dan ekosistem teknologi yang dibutuhkan untuk mengejar penelitian AI berskala besar.
AlphaGo dan Momen yang Mengubah Arah
Salah satu tonggak terpenting muncul melalui AlphaGo. Sistem AI tersebut dikembangkan untuk memainkan Go, permainan papan asal Asia yang memiliki ruang kemungkinan sangat besar dan selama bertahun-tahun dianggap sebagai tantangan berat bagi kecerdasan buatan.
Pada 2016, AlphaGo menghadapi Lee Sedol, juara dunia Go asal Korea Selatan, dalam pertandingan yang disaksikan jutaan orang di seluruh dunia. AlphaGo akhirnya menang 4–1. Namun, bukan hanya kemenangan yang menarik perhatian, melainkan cara AI tersebut menghasilkan langkah yang sulit dipahami pemain manusia.
Mengapa Move 37 Begitu Penting?
Pada gim kedua, AlphaGo memainkan apa yang kemudian dikenal sebagai Move 37. Langkah tersebut terlihat sangat tidak biasa bagi pemain profesional. Bahkan komentator awalnya menduga langkah itu adalah kesalahan.
Namun, langkah tersebut justru terbukti efektif. DeepMind kemudian menjelaskan bahwa Move 37 menjadi contoh kemampuan sistem AI menemukan strategi yang tidak sekadar meniru pola permainan manusia.
Bagi perkembangan DeepMind, momen tersebut memiliki arti lebih luas. Jika AI mampu menemukan pendekatan baru dalam permainan yang sangat kompleks, muncul pertanyaan berikutnya: apakah pendekatan serupa dapat digunakan untuk menghadapi persoalan ilmiah dunia nyata?
Pertanyaan itulah yang ikut membuka jalan menuju AlphaFold.
AlphaFold Menjawab Misteri Protein Folding
Protein adalah molekul penting yang menjalankan berbagai fungsi dalam sel. Rangkaian asam amino pada protein harus melipat menjadi struktur tiga dimensi tertentu, dan bentuk tersebut sangat berkaitan dengan fungsi biologisnya.
Masalahnya, memprediksi struktur tiga dimensi protein berdasarkan urutan asam aminonya merupakan persoalan ilmiah yang sangat sulit. Selama puluhan tahun, para peneliti berusaha mencari metode komputasi yang mampu memberikan prediksi akurat.
AlphaFold kemudian membawa perubahan besar. Sistem tersebut menggunakan pembelajaran mesin untuk memprediksi struktur tiga dimensi protein dari urutan asam amino. AlphaFold 2 pada 2020 menunjukkan lompatan kemampuan yang kemudian dipandang sebagai solusi terhadap persoalan protein folding yang telah berlangsung sekitar 50 tahun.
Dari Prediksi Struktur hingga Revolusi Biomedis
Dampak AlphaFold tidak berhenti pada keberhasilan algoritma. Pada 2022, Google DeepMind dan mitranya membuat prediksi struktur untuk hampir seluruh protein yang telah dikatalogkan, sehingga pengetahuan tersebut dapat dimanfaatkan komunitas ilmiah secara lebih luas.
Basis data AlphaFold kemudian berkembang menjadi salah satu sumber penting bagi penelitian biologi komputasional. Menurut Google DeepMind, lebih dari 3 juta peneliti di lebih dari 190 negara telah menggunakan AlphaFold untuk berbagai kebutuhan penelitian.
Pemanfaatannya mencakup penelitian penyakit, biologi dasar, ketahanan tanaman, kesehatan jantung, hingga pengembangan pendekatan baru dalam penemuan obat. Artinya, AI tidak lagi hanya berfungsi sebagai alat untuk mengotomatisasi pekerjaan, tetapi mulai berperan dalam menghasilkan pengetahuan baru.
Dari AlphaFold Menuju Isomorphic Labs
Keberhasilan AlphaFold juga mendorong pengembangan pendekatan yang lebih luas dalam penemuan obat. Isomorphic Labs didirikan pada 2021 dengan visi menerapkan AI pada desain obat secara lebih sistematis.
Perkembangan berikutnya terlihat melalui AlphaFold 3. Sistem ini memperluas kemampuan prediksi dari protein menuju berbagai molekul biologis, termasuk DNA, RNA, dan molekul kecil yang berperan dalam obat. Kemampuan tersebut membuka peluang untuk memahami interaksi molekuler secara lebih menyeluruh.
Bagi dunia farmasi dan biomedis, perkembangan tersebut penting karena interaksi antarmolekul menjadi salah satu dasar dalam memahami mekanisme penyakit dan merancang kandidat obat.
Nobel Kimia 2024 Menjadi Pengakuan Historis
Terobosan AlphaFold akhirnya memperoleh pengakuan tertinggi melalui Nobel Kimia 2024. Demis Hassabis dan John Jumper menerima penghargaan tersebut atas pengembangan AlphaFold, sementara David Baker mendapatkan bagian penghargaan atas kontribusinya dalam desain protein komputasional.
Penghargaan tersebut menunjukkan perubahan penting dalam hubungan antara kecerdasan buatan dan ilmu pengetahuan. AI tidak lagi hanya dipandang sebagai teknologi untuk meningkatkan produktivitas, tetapi juga sebagai instrumen yang dapat membantu manusia menjawab pertanyaan fundamental tentang kehidupan.
Hassabis juga menempatkan pencapaian ilmiah tersebut di atas orientasi finansial semata. Bagi dirinya, pengakuan Nobel menjadi simbol bahwa memilih jalur penelitian dan sains dapat menghasilkan dampak yang jauh lebih luas daripada sekadar membangun perusahaan teknologi untuk mengejar valuasi.
Kesimpulan
Rekam jejak DeepMind memperlihatkan sebuah pola yang menarik: terobosan teknologi dapat muncul ketika metode komputasi diterapkan pada persoalan yang sebelumnya dianggap terlalu kompleks.
AlphaGo menunjukkan bahwa AI dapat menemukan strategi yang tidak lazim bagi manusia. Dari pengalaman tersebut, pendekatan serupa berkembang menuju AlphaFold dan membantu membuka salah satu persoalan lama dalam biologi, yakni bagaimana protein membentuk struktur tiga dimensinya.
Kini, AlphaFold telah digunakan jutaan peneliti di seluruh dunia, sementara Isomorphic Labs membawa pendekatan AI lebih jauh ke ranah penemuan obat. Perjalanan tersebut menunjukkan bahwa masa depan kecerdasan buatan mungkin tidak hanya ditentukan oleh kemampuannya menghasilkan teks, gambar, atau kode, tetapi juga oleh kemampuannya membantu manusia menemukan jawaban atas pertanyaan ilmiah paling sulit.
FAQ
- Apa itu DeepMind? DeepMind adalah perusahaan riset kecerdasan buatan yang didirikan Demis Hassabis dan kemudian diakuisisi Google pada 2014.
- Apa hubungan AlphaGo dengan AlphaFold? Keberhasilan AlphaGo menunjukkan bahwa AI dapat menemukan strategi baru dalam persoalan kompleks, yang kemudian ikut menginspirasi penerapan pendekatan AI untuk persoalan ilmiah seperti prediksi struktur protein.
- Apa yang dipecahkan AlphaFold? AlphaFold membuat kemajuan besar dalam memprediksi struktur tiga dimensi protein berdasarkan urutan asam aminonya, sebuah persoalan yang telah menjadi tantangan selama sekitar 50 tahun.
- Berapa banyak peneliti yang menggunakan AlphaFold? Google DeepMind menyebut AlphaFold telah digunakan oleh lebih dari 3 juta peneliti di lebih dari 190 negara.
- Mengapa Demis Hassabis mendapat Nobel Kimia? Hassabis dan John Jumper menerima Nobel Kimia 2024 atas pengembangan AlphaFold, khususnya kontribusinya dalam memprediksi struktur protein.
