David Baker, Demis Hassabis e John Jumper. nel disegno diffuso dall’Accademia svedese
La realizzazione di un sogno inseguito da 65 anni, quando è stata ottenuta la prima immagine della struttura di una proteina, un altro riconoscimento al contributo che l’intelligenza artificiale sta dando alla ricerca e la dimostrazione di come i grandi investimenti nella ricerca fatti da colossi privati, in questo caso Google DeepMind, diano risultati di eccellenza. C’è tutto questo nei Nobel per la Chimica 2024 assegnati a David Baker, Demis Hassabis e John Jumper, i ricercatori che come abilissimi hacker hanno craccato il segreto della struttura, davvero complessa, delle proteine.
Baker (62 anni), dell’Università di Washington a Seattle, è stato il primo a capire come studiare la struttura delle proteine e a capire come progettarne di nuove, utili per ottenere farmaci, vaccini, nanomateriali o sensori. Divide il Nobel a metà con il britannico Hassabis (48 anni) e l’americano Jumper (39 anni), che lavorano entrambi per l’azienda Google DeepMind a Londra e che lì hanno realizzato il modello di intelligenza artificiale chiamato AlphaFold2 capace di prevedere la struttura di quasi tutte le proteine conosciute. "Il motivo per cui ho lavorato all’IA per tutta la vita è che ho una passione per la scienza – ha detto Hassabis nella prima intervista all’Accademia svedese delle Scienze – Ho sempre pensato che se riuscissimo a costruire l’IA nel modo giusto, potrebbe essere lo strumento definitivo per aiutare i ricercatori, per aiutarci a esplorare l’universo che ci circonda. Spero che AlphaFold ne sia un primo esempio".
AlphaFold 2, per il quale i ricercatori sono stati premiati, è il modello che si è dimostrato in grado di far dialogare fra loro tutte le molecole della vita: risultati straordinari ottenuti in appena quattro anni. Basti pensare che soltanto AlphaFold 2 è in grado di vedere la struttura di oltre 200 milioni di proteine ed è utilizzato da oltre due milioni di ricercatori di 190 Paesi. Grazie a questo strumento è stato possibile accelerare ricerche di importanza fondamentale, come quelle sulla resistenza agli antibiotici o come la progettazione di enzimi capaci di decomporre la plastica. Le possibilità sono vastissime: dalla progettazione di farmaci alla realizzazione di materiali completamente nuovi.
L’IA capace di leggere queste strutture, di capirle e di inventarne di nuove è senz’altro uno strumento potente nelle mani dei ricercatori, ma ha i suoi limiti, come avverte Hassabis: "Non riesce a capire quale sia la domanda giusta da fare, o a individuare l’ipotesi migliore: queste sono cose che devono venire dallo scienziato, dagli esseri umani. Penso che i migliori scienziati, insieme a questo tipo di strumenti, saranno in grado di fare cose incredibili".