Toppen! Nu Àr du prenumerant pÄ Warp News
HÀrligt! Genomför ditt köp i kassan för full tillgÄng till Warp News
Varmt vÀlkommen tillbaka! Du Àr nu inloggad.
Tack! Kolla din inkorg för att aktivera ditt konto.
Klart! Din faktureringsinformation Àr nu uppdaterad.
Uppdateringen av faktureringsinformationen misslyckades.
🧬 FrĂ„n spel till vetenskapligt genombrott - historien om AlphaFold

🧬 FrĂ„n spel till vetenskapligt genombrott - historien om AlphaFold

Historien om datorer som tÀvlar mot mÀnniskor Àr lÄng och vÀcker ofta enorm uppmÀrksamhet. Men vad Àr det bra för? Vad betyder det om en dator kan vinna i schack, Go eller Starcraft? Vi fick svaret nÀr AlphaFold löste en 50-Ärig utmaning inom biologi.

Mathias Sundin
Mathias Sundin

Dela artikeln

Premium Supporters -  klicka hÀr för att lyssna pÄ artikeln.

1985 spelade en ung, kaxig stormĂ€stare i schack – Garry Kasparov – trettiotvĂ„ partier samtidigt. Inte mot andra mĂ€nniskor utan mot datorer. Han vann alla matcher enkelt, förutom en. En dator gjorde motstĂ„nd och Kasparov var tvungen att skĂ€rpa koncentrationen. Han lurade datorn genom att offra en bonde och vann.

Resultat Kasparov 32 - Datorerna 0.

Bild frÄn Chess Programming Wiki.

Kasparov versus Deep Blue

Elva Är senare spelade Kasparov igen mot en dator, och den hÀr gÄngen bara en, kallad Deep Blue. En betydligt kraftfullare maskin Àn de han hade stött pÄ tidigare. Den kunde berÀkna 100 miljoner möjliga drag per sekund. NÄgot som ingen mÀnsklig hjÀrna vara nÀra. Inte ens Garry Kasparovs.

I det första partiet chockade datorn Kasparov genom att offra en bonde, ett liknande drag som hans eget 1985.

"Det var ett underbart och extremt mÀnskligt drag. ... Jag kÀnde en ny typ av intelligens pÄ andra sidan bordet."

Detta var en första glimt av vad som skulle komma. Datorer var inte bara berÀkningsmaskiner utan de började tÀnka.

IBMs Deep Blue vann det partiet men förlorade matchen 4-2.

Kasparov spelade mot en uppgraderad Deep Blue igen nĂ€sta Ă„r, och nu kunde maskinen berĂ€kna 200 miljoner drag per sekund. Det mĂ€rktes och inför sista partiet var stĂ€llningen lika –  2 Âœ - 2 Âœ.  Om datorn vann det sista partiet skulle det vara första gĂ„ngen en maskin hade slagit en schackvĂ€rldsmĂ€stare.

I det avgörande partiet var matchen jÀmn nÀr datorn gillrade en fÀlla och offrade ett torn. Kasparov tog betet, vilket ledde till att han förlorade 20 drag senare.

Kasparov 2 œ - Deep Blue 3 œ.

NĂ€sta utmaning: Go

Schack Ă€r komplicerat för en dator att vinna, eftersom det inte gĂ„r att berĂ€kna alla möjliga drag. Du mĂ„ste tĂ€nka framĂ„t och, som datorn lĂ€rde sig, ibland ta kortsiktiga förluster för lĂ„ngsiktiga vinster. Ännu mer komplicerat för en dator Ă€r ett annat brĂ€dspel, Go.

Det spelas pÄ ett brÀde med 19 x 19 rutor. Som i schack har du svarta och vita pjÀser, kallade stenar. Om den andra spelarens stenar omger en sten tas den bort frÄn brÀdet. MÄlet Àr att kontrollera ett större omrÄde Àn din motstÄndare.

Det Àr mer komplicerat för en dator eftersom det finns sÄ mÄnga fler alternativ. I schack finns det 20 möjliga öppningsdrag. I Go har den första spelaren 361 möjliga drag. En bra Go-spelare beskriver att de nÀstan kÀnner vad rÀtt drag Àr.

"Jag ser ett drag och Àr sÀker pÄ att det Àr rÀtt, men kommer inte att kunna berÀtta exakt hur jag vet. Jag ser det bara", sÀger Go-spelaren Michael Redmond.

Att vinna över mÀnskliga stormÀstare i Go var nÀsta utmaning för datorn. Nu kallad AlphaGo, utvecklat av företaget DeepMind, som Àgs av Alphabet.

Matchen mot vÀrldsmÀstaren Lee Sedol fÄngas vackert i dokumentÀren AlphaGo.

Eftersom programmerarna inte kunde lÀra datorn alla möjliga drag, och det Àr omöjligt för datorn att berÀkna dem alla, var de tvungna att lÀra datorn att lÀra sig. Med maskininlÀrning matade de AlphaGo med 30 miljoner Go-matcher, och den spelade ocksÄ ytterligare 30 miljoner matcher mot sig sjÀlv.

AlphaGo vann lÀtt, 4-1, mot den lite chockade 9-dan rankade Lee Sedol.

Att spela spel Àr roligt, men vilken nytta har det?

Det hÀr var inte den enda gÄngerna datorer spelade mot mÀnniskor. IBM skapade Watson för att spela Jeopardy och DeepMind skapade AlphaStar för att spela Starcraft. Kul, men vad Àr det verkliga syftet?

Vi fick svar pÄ den frÄgan nÀr AlphaFold löste en 50-Ärig utmaning inom biologi.

Det var faktiskt ocksÄ en tÀvling.

1972 sa Christian Anfinsen i sitt tacktal för Nobelpriset i kemi, att det borde vara möjligt att helt bestÀmma ett proteins struktur genom dess aminosyrasekvens.

Problemet Àr att rÀkna ut hur en proteinkedja viker sig nÀr den intar sin tredimensionella struktur. Brute force-berÀkningar Àr inte möjliga eftersom siffrorna Àr astronomiskt stora.

För att pÄskynda utvecklingen startade professor John Moult och professor Krzysztof Fidelis CASP. I denna tÀvling förutsÀger lagen vikningen av ett protein som har bestÀmts experimentellt men Ànnu inte publicerats.

DeepMind deltog i tÀvlingen med AlphaFold 2018 och vann direkt. Men de kom inte ens nÀra 90 poÀng, vilket anses vara konkurrenskraftigt med resultat frÄn experimentella metoder.

SÄ DeepMind deltog ocksÄ i Ärets tÀvling och i Är vann de inte bara, de krossade alla, med en medianpoÀng pÄ 92,4.

"Vi utbildade detta system pÄ offentligt tillgÀngliga data bestÄende av ~ 170 000 proteinstrukturer frÄn proteindatabanken tillsammans med stora databaser som innehÄller proteinsekvenser med okÀnd struktur."

Samma sÀtt som de lÀrde AlphaGo att spela Go och AlphaStar att spela Starcraft.

Detta Àr ett viktigt genombrott och vetenskapsvÀrlden jublande.

"Detta berÀkningsarbete representerar ett fantastiskt framsteg pÄ proteinvikningsproblemet, en 50-Ärig stor utmaning inom biologin. Det har intrÀffat Ärtionden innan mÄnga inom omrÄdet trodde."

Professor Venki Ramakrishnan, Nobelpristagare och ordförande för Royal Society

NÀstan alla funktioner som vÄr kropp utför förlitar sig pÄ proteiner och hur de rör sig och förÀndras. Vad ett givet protein kan göra beror pÄ dess unika 3D-struktur. Att ha ett snabbt och inte sÄ dyrt sÀtt att förstÄ den strukturen har enorm potential.

John Moult förklarar:

"Även smĂ„ förĂ€ndringar av dessa vitala molekyler kan ha katastrofala effekter pĂ„ vĂ„r hĂ€lsa, sĂ„ ett av de mest effektiva sĂ€tten att förstĂ„ sjukdomen och hitta nya behandlingar Ă€r att studera de involverade proteinerna."
"Det finns tiotusentals proteiner i mÀnniskor och mÄnga miljarder i andra arter, inklusive bakterier och virus, men att ta reda pÄ formen av bara en krÀver dyr utrustning och kan ta Är."

Nu kan det göras pÄ dagar, timmar och minuter istÀllet.

Jag lÄter John Moult avsluta texten i denna optimistiska ton.

"Det Ă€r sĂ„ spĂ€nnande hur vetenskap fungerar. Att du aldrig kan se exakt, eller ens ungefĂ€r, vad som kommer att hĂ€nda hĂ€rnĂ€st. Det finns alltid dessa överraskningar. Och det Ă€r verkligen det, som forskare, som hĂ„ller dig igĂ„ng. Vad kommer att bli nĂ€sta överraskning?”

FĂ„ ett gratis veckobrev med
faktabaserade optimistiska nyheter


Genom att prenumerera bekrÀftar jag att jag har lÀst och godkÀnner personuppgifter och cookies policy.