EuroEkonóm.sk
Demis Hassabis: od DeepMind k moderní éře Gemini a AlphaFold
Demis Hassabis patří k nejvýraznějším osobnostem současného výzkumu umělé inteligence. Jeho jméno je spojeno se společností DeepMind, programem AlphaGo, systémem AlphaFold i vývojem moderních modelů umělé inteligence. Jeho profesní dráha propojuje informatiku, neurovědu a biotechnologie a ukazuje, jak může výzkum AI přispívat k řešení složitých vědeckých problémů.
Od šachového talentu k výzkumu lidského mozku
Demis Hassabis se narodil v roce 1976 v Londýně. Už v dětství vynikal v šachu a později se věnoval také tvorbě počítačových her. Tato zkušenost ho přivedla k zájmu o to, jak lze pomocí počítačů napodobovat plánování, učení a další schopnosti lidské mysli.
Vystudoval informatiku na University of Cambridge a po působení v herním průmyslu se zaměřil na neurovědu. Doktorát získal na University College London, kde zkoumal paměť a představivost. Právě spojení poznatků o mozku s výpočetními metodami později výrazně ovlivnilo jeho přístup k vývoji umělé inteligence.
DeepMind a cesta k umělé inteligenci
V roce 2010 Hassabis spolu se Shanem Leggem a Mustafou Suleymanem založil společnost DeepMind. Jejím cílem bylo vyvíjet systémy, které se dokážou učit z dat a zkušeností a řešit široké spektrum úloh. Výzkumníci kombinovali hluboké neuronové sítě s posilovaným učením, tedy metodou, při níž se systém zlepšuje na základě odměn a zpětné vazby.
Společnost v roce 2014 koupil Google. DeepMind si zachoval významnou výzkumnou roli a jeho týmy postupně vytvořily řadu systémů, které posunuly hranice strojového učení. V roce 2023 se výzkumná organizace DeepMind spojila s týmem Google Brain a vznikla jednotka Google DeepMind, jejímž generálním ředitelem se stal Hassabis.
AlphaGo a průlom ve strategických hrách
Mezi nejznámější projekty DeepMind patří AlphaGo, systém určený ke hře go. Tato hra má mimořádně rozsáhlý počet možných pozic, a proto se dlouho považovala za obtížnou výzvu pro počítače. V roce 2016 AlphaGo porazil jihokorejského profesionálního hráče Lee Sedola, tehdy jednoho z nejlepších hráčů světa.
Výsledek přitáhl pozornost veřejnosti k možnostem moderní AI. AlphaGo ukázal, že kombinace hlubokého učení a posilovaného učení může vést k novým strategiím, které se nemusí podobat běžným lidským postupům. Na tento vývoj navázal AlphaZero, který se dokázal naučit hrát go, šachy a šógi bez přímého využití lidských partií jako vzorů.
AlphaFold a předpovídání struktury bílkovin
Dalším zásadním projektem je AlphaFold, systém pro předpovídání trojrozměrné struktury bílkovin z jejich aminokyselinové sekvence. Znalost struktury pomáhá vědcům lépe porozumět tomu, jak bílkoviny fungují a jakou roli hrají v biologických procesech. Dříve mohlo určování struktur vyžadovat rozsáhlý experimentální výzkum a mnoho let práce.
AlphaFold2, představený v roce 2020, dosáhl výrazného pokroku v přesnosti předpovědí. Následně byla rozsáhlá databáze struktur zpřístupněna vědecké komunitě, což usnadnilo výzkum v biologii, medicíně i vývoji léčiv. Systém nenahrazuje experimentální ověřování, vědcům však poskytuje užitečný nástroj a výchozí bod pro další práci.
Význam tohoto výzkumu ocenila také Nobelova cena za chemii za rok 2024. Demis Hassabis a John Jumper získali polovinu ceny za předpovídání struktur bílkovin pomocí umělé inteligence; druhou polovinu obdržel David Baker za výpočetní návrh bílkovin.
Gemini a současný vývoj generativní AI
V posledních letech se pozornost Google DeepMind soustředí také na generativní umělou inteligenci. Rodina modelů Gemini je navržena pro práci s různými typy dat, například s textem, obrazem, zvukem a videem. Modely mohou pomáhat při vyhledávání informací, analýze obsahu, programování i dalších úlohách.
Vývoj Gemini je týmovou prací odborníků z Google DeepMind a dalších částí společnosti Google. Hassabis jako ředitel organizace udává strategické směřování výzkumu, nelze však jednotlivé modely ani jejich schopnosti připisovat pouze jemu. Jeho role spočívá především ve vedení výzkumných týmů a v určování dlouhodobých priorit v oblasti umělé inteligence.
Vědecký přínos i odpovědnost za vývoj AI
Hassabis prosazuje využívání umělé inteligence nejen pro komerční aplikace, ale také jako nástroje pro vědecké objevy. Projekty jako AlphaFold ukazují, že strojové učení může pomoci zpracovat problémy, které jsou pro tradiční postupy mimořádně náročné. Současně však stále platí, že výsledky AI je třeba kriticky hodnotit a ověřovat.
Rychlý vývoj pokročilých modelů přináší také otázky bezpečnosti, spolehlivosti a společenského dopadu. Hassabis se veřejně vyjadřuje k potřebě odpovědného vývoje a vhodných pravidel pro umělou inteligenci. Diskuse o těchto tématech je důležitá zejména proto, že systémy AI se stále častěji používají ve vzdělávání, výzkumu i každodenním životě.
Demis Hassabis jako představitel nové éry umělé inteligence
Profesní dráha Demise Hassabise propojuje výzkum lidského mozku, strojové učení a aplikovanou vědu. Od založení DeepMind přes úspěch AlphaGo až po přínos AlphaFold a rozvoj modelů Gemini se podílel na projektech, které významně ovlivnily vnímání možností umělé inteligence.
Jeho práce zároveň připomíná, že největší přínos AI nemusí spočívat pouze v automatizaci běžných úkolů. Umělá inteligence může rozšiřovat možnosti vědeckého poznání, pokud je vyvíjena obezřetně, její výstupy se důsledně ověřují a lidé zůstávají odpovědní za způsob jejího využití.
