AlphaFold: co naprawdę zmienił, a czego nie

Plansza z osiemnastowiecznego podręcznika chemii pokazuje formy kryształów wyliczone z reguł, zanim ktokolwiek zobaczył pojedynczą cząsteczkę. Kształt dawał się przewidzieć, bo rządził nim porządek dostatecznie prosty.

Białko jest odwrotnością tego przypadku - i właśnie dlatego jego kształt opierał się przez pół wieku.

Na czym polegał problem

Białko powstaje jako łańcuch aminokwasów, a potem samo zwija się w trójwymiarowy kształt. Ten kształt decyduje o funkcji: co białko wiąże, co przecina, do czego pasuje.

Kształt jest zapisany w sekwencji - to wiadomo od lat sześćdziesiątych. Nie było wiadomo, jak go z niej odczytać. Liczba możliwych ułożeń łańcucha jest astronomiczna, a białko trafia w swoje w ułamku sekundy.

Wyznaczenie struktury doświadczalnie - krystalografią rentgenowską albo mikroskopią krioelektronową - zajmuje miesiące do lat na jedno białko. Do 2021 roku ustalono w ten sposób kształt około stu tysięcy unikatowych białek. Znanych sekwencji były miliardy.

Dlaczego wynik AlphaFold uznano od razu

Bo nie ogłosił go producent, tylko sprawdzian.

CASP to konkurs organizowany od lat dziewięćdziesiątych. Zespoły dostają sekwencje białek, których struktury właśnie zmierzono, ale jeszcze nie opublikowano. Przewidywania porównuje się z pomiarem. Nie da się tego wygrać uczeniem na odpowiedziach, bo odpowiedzi jeszcze nie ma w żadnym zbiorze danych.

W czternastej rundzie konkursu, ocenianej przez niezależnych organizatorów, AlphaFold osiągnął dokładność, którą podsumowano jako zbliżoną do doświadczalnej - także dla białek bez znanego podobnego odpowiednika, czyli w najtrudniejszej kategorii.

To jest kluczowa różnica wobec większości głośnych wyników w tej dziedzinie: istniał niezależny sędzia i istniała prawda, do której można było porównać. Tam, gdzie takiego sprawdzianu nie ma - jak przy ocenie tekstu generowanego przez modele językowe - postęp jest o wiele trudniejszy do wykazania, o czym piszemy przy testach, które się zużywają.

Co się dzięki temu zmieniło

Powstała baza. Zamiast liczyć strukturę na własnym sprzęcie, można ją pobrać. Pierwsze wydanie: ponad 360 tysięcy przewidzianych struktur dla 21 proteomów organizmów modelowych, z oszacowaniem pewności dla każdej reszty aminokwasowej. Kolejne wydania objęły niemal całą znaną przestrzeń sekwencji.

Zmieniła się kolejność pracy. Wcześniej: pomysł, potem lata na ustalenie struktury, potem badanie funkcji. Dziś: pobranie przewidzianej struktury w kilka minut, a pomiar doświadczalny wtedy, gdy jest naprawdę potrzebny.

Zmieniła się dostępność. Struktury białek organizmów, którymi nikt bogaty się nie interesował - pasożytów tropikalnych, bakterii glebowych - są dostępne tak samo jak ludzkie. To jest efekt rzadko wymieniany, a praktycznie największy.

Czego to nie rozwiązało

Warto rozdzielić trzy rzeczy, bo w podsumowaniach zlewają się w jedną.

Kształt to nie funkcja. Wiedza, jak białko wygląda, nie mówi wprost, co robi w komórce, z czym się wiąże i kiedy. To jest osobne pytanie i nadal wymaga eksperymentu.

Struktura to nie lek. Projektowanie leku wymaga wiedzy o powinowactwie, przenikaniu do tkanek, metabolizmie i toksyczności. Struktura białka docelowego jest jednym składnikiem, i to nie najtrudniejszym.

Statyczny obraz to nie biologia. Wiele białek działa właśnie dzięki temu, że zmieniają kształt. Przewidziany kształt uśredniony bywa dla nich mniej użyteczny, niż się wydaje.

Czego uczy ten przypadek o samej sztucznej inteligencji

To jest najlepiej udokumentowany przypadek, w którym metoda uczenia maszynowego przesunęła granicę nauki - i warto zobaczyć, na czym stał ten sukces.

Był twardy sprawdzian. Niezależny, ślepy, z prawdą znaną komuś innemu. Bez tego nie byłoby jak odróżnić postępu od dobrego marketingu.

Był ogromny zbiór danych o wysokiej jakości. Sto tysięcy struktur zmierzonych przez dekady pracy laboratoriów całego świata i udostępnionych publicznie. Model nie wziąłby się bez tego zasobu i nie jest to szczegół techniczny, tylko warunek konieczny.

Problem miał ostrą definicję. Wejście: sekwencja. Wyjście: współrzędne atomów. Miara błędu: odległość od pomiaru. Dziedziny, w których nie da się tak sformułować zadania - jak większość tego, o czym rozmawia się przy AGI - są trudniejsze nie mocą obliczeniową, tylko brakiem definicji sukcesu.

Co z tego wynika

Dla biologii: narzędzie już wpisane w codzienną pracę, dokładnie tam, gdzie kiedyś czekało się miesiącami.

Dla oceny doniesień o AI: przy każdym „przełomie” warto zapytać o te trzy rzeczy - czy jest niezależny sprawdzian, skąd wzięły się dane i czy zadanie ma jednoznaczną miarę poprawności. Tam, gdzie odpowiedź na wszystkie trzy brzmi „tak”, wynik zwykle się broni. Tam, gdzie nie - najczęściej mówimy o prawach skalowania i nadziei, a nie o rozstrzygnięciu.