Nachdem John J. Hopfield und Geoffrey Hinton am vergangenen Dienstag den Nobelpreis für Physik für ihre bahnbrechenden Arbeiten zu neuronalen Netzen verliehen hatten, verlieh die Königlich Schwedische Akademie der Wissenschaften am Mittwoch den Nobelpreis für Chemie an andere Akteure der KI: Demis Hassabis und John Jumper sowie dem amerikanischen Forscher David Baker für seine Forschung zu Proteinen.
John Hopfield und Geoffrey Hinton wurden ausgezeichnet „für bahnbrechende Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen“.
John Hopfield ist ein amerikanischer Physiker und Neurowissenschaftler, der vor allem für seine Beiträge zur Theorie neuronaler Netze bekannt ist. Der 91-jährige J. Hopfield ist Howard A. Prior Distinguished Professor für Biowissenschaften und Distinguished Professor für Molekularbiologie an der Princeton University. Bevor er sich der Computational Neuroscience zuwandte, arbeitete er in verschiedenen Bereichen der Physik, darunter Festkörperphysik und Biophysik. Er nutzte diese Fähigkeiten, um die kognitiven Prozesse des Gehirns durch mathematische Ansätze zu modellieren.
Er ist der Erfinder des 1982 vorgeschlagenen rekurrenten neuronalen Netzwerks Hopfield-Netzwerk. Dieses Modell, eine Form des selbstorganisierten assoziativen Gedächtnisses, wird zur Mustererkennung und kombinatorischen Optimierung verwendet. Seine Arbeit hat zahlreiche Fortschritte in den Bereichen Kognition, Computerbiologie und KI inspiriert.
Er teilt diesen Nobelpreis mit einem Pionier des Deep Learning, Geoffrey Hinton. Damit wurden einige der Grundlagen aufgegriffen und erweitert, die Hopfield für seine eigene Arbeit gelegt hatte, insbesondere im Bereich der unüberwachten Lernnetzwerke und für die Boltzmann-Maschine, ein Netzwerk, das in der Lage ist, autonom zu lernen, Merkmale in Daten zu erkennen, was probabilistisch ist Erweiterung der Hopfield-Netzwerke.
Durch die Anwendung der Prinzipien der statistischen Physik trainierte Geoffrey Hinton diese Maschine, Bilder zu klassifizieren oder neue Beispiele für Muster zu generieren. Seine Arbeit, für die er 2019 zusammen mit Yann LeCun und Yoshua Bengio den Turing-Preis erhielt, ebnete den Weg für den Aufstieg des maschinellen Lernens, den wir heute beobachten.
Beide warnen jedoch vor den Gefahren, die KI für die Menschheit darstellen könnte, wenn sie in die falschen Hände käme, was dazu führte, dass Geoffrey Hinton, heute 76 Jahre alt, letztes Jahr Google Brain verließ.
Demis Hassabis, John Jumper und David Baker, Träger des Nobelpreises für Chemie 2024
Die Königlich Schwedische Akademie der Wissenschaften hat außerdem beschlossen, diesen Preis in zwei Teile aufzuteilen: „Eine Hälfte an David Baker „für rechnergestütztes Proteindesign“ und die andere Hälfte gemeinsam an Demis Hassabis und John M. Jumper „für die Vorhersage der Proteinstruktur“.“
Heiner Linke, Präsident des Nobelkomitees für Chemie, betont:
„Eine der Entdeckungen in diesem Jahr betrifft den Aufbau unserer eigenen spektakulären Proteine. Die andere besteht darin, einen 50 Jahre alten Traum zu verwirklichen: die Struktur von Proteinen anhand ihrer Aminosäuresequenzen vorhersagen zu können. Diese beiden Entdeckungen eröffnen endlose Möglichkeiten.“
David Baker ist ein amerikanischer Biochemiker, Professor an der University of Washington und Direktor des Institute for Protein Design. Er ist ein Pionier in der Entwicklung rechnerischer Werkzeuge zur Herstellung künstlicher Proteine mit spezifischen Eigenschaften und Funktionen, die es in der Natur nicht gibt. Diese können sich selbst zu komplexen Strukturen zusammenfügen oder zur Neutralisierung von Viren oder Toxinen eingesetzt werden und so den Weg für neue Therapien ebnen.
Mit seinem Team an der University of Washington entwickelte David Baker die Rosetta-Software, die darauf ausgelegt ist, die dreidimensionale Struktur von Proteinen vorherzusagen und zu entwerfen. Diese Software verwendet hochentwickelte Algorithmen, um zu modellieren, wie sich Aminosäuren zu funktionellen dreidimensionalen Strukturen falten, eine zentrale Herausforderung in der Molekularbiologie. Dank Rosetta gelang es ihnen 2003, Top7 zu entwickeln, ein Protein aus 93 Aminosäuren, das sich zu einer stabilen dreidimensionalen Struktur faltet.
Alphafold
Der Neurowissenschaftler Demis Hassabis, CEO und Mitbegründer von DeepMind, jetzt eine Google-Tochtergesellschaft, und der KI-Forscher John Jumper haben die Art und Weise verändert, wie Wissenschaftler an die Vorhersage der Proteinstruktur herangehen.
Dank KI ist ihr AlphaFold-Modell in der Lage, die Form eines Proteins anhand seiner Aminosäuresequenz in wenigen Monaten per Computer vorherzusagen, anstatt zu versuchen, sie experimentell zu bestimmen: eine Methode, die mehrere Jahre dauert, teuer und mühsam ist.
Die erste Version des 2018 veröffentlichten Modells sowie die 2020 vorgestellte Alpha 2 gewannen den Wettbewerb „Critical Assessment of Protein Structure Prediction“ (CASP). Im Jahr 2021 veröffentlichte DeepMind die vorhergesagten Formen von mehr als 350.000 Proteinen und erstellte so eine sehr genaue Karte menschlicher Proteine.
Heute enthält diese Datenbank Strukturvorhersagen für fast alle bekannten Proteine.
Die Arbeit der beiden Männer, die bereits im vergangenen Jahr mit dem Lasker-Preis ausgezeichnet wurde, hat tiefgreifende Auswirkungen auf die Bereiche Biologie, Medizin und Biotechnologie.
