DeepMind e Biohub discutem limites do AlphaFold e futuro da biologia com IA

Pesquisadores da Google DeepMind e do Biohub se reuniram para discutir as limitações do AlphaFold, uma ferramenta que revolucionou a previsão de estruturas de proteínas. Durante o painel, moderado por Brandon Anderson, Pushmeet Kohli, da DeepMind, e Sal Candido, do Biohub, abordaram como a IA ainda não compreende totalmente a biologia, apesar dos avanços significativos.

Kohli e Candido enfatizaram que o sucesso do AlphaFold foi apenas o começo e que simplesmente aumentar a capacidade computacional e os dados não resolverá os desafios biológicos. Eles argumentaram que é crucial encontrar as leis de escalonamento corretas nos dados biológicos, em vez de apenas aumentar o tamanho dos modelos de IA. A discussão também incluiu a importância de equilibrar a modelagem, a geração de dados e a expertise científica.

Os pesquisadores destacaram que os modelos de linguagem de proteínas podem já conter conhecimentos científicos que ainda não foram explorados. Para avançar na missão de curar todas as doenças, é necessário pensar em inovações significativas, em vez de melhorias incrementais. Além disso, eles mencionaram que a construção de um modelo de célula virtual exigirá conjuntos de dados fundamentalmente diferentes.

Kohli refletiu sobre as lições aprendidas com o AlphaFold e os limites da interpretabilidade humana, questionando se os futuros modelos de fronteira poderão entender outros sistemas de IA melhor do que os humanos. A discussão sugere que a biologia impulsionada por IA pode exigir uma reavaliação das abordagens atuais para desvendar os mistérios do dobramento de proteínas e das doenças humanas.