دمیس هاسابیسِ نوبل‌برنده چگونه می‌خواهد اینشتین مصنوعی را خلق کند؟

در سال ۲۰۲۰، آلفافولد ۲ توانست در پیش‌بینی ساختار سه‌بعدی پروتئین‌ها به نقطه‌ای برسد که واقعاً توجه پژوهشگران را بهت‌زده کرد. زیست‌شناسان بیش از نیم قرن بود که برای گره‌گشایی از همین معما می‌کوشیدند؛ اما حالا به نظر می‌رسید هوش مصنوعی می‌تواند بخش بزرگی از این دشواری را، حداقل در عمل، حل کند. با این حال، دمیس هاسابیس به همان نتیجه راضی نشد.

در یکی از نشست‌ها درباره‌ی «گام بعدی»، جان جامپر—همکار هاسابیس—گفت که می‌شود ساختار میلیون‌ها پروتئین را در مدت فقط یک ماه پیش‌بینی کرد. هاسابیس حرف او را وسط سخن قطع کرد: «چرا این کار را انجام ندهیم؟ باید همان کار را انجام بدهیم.» و دقیقاً همان هم رخ داد. دیپ‌مایند توانست ساختار بیش از ۲۰۰ میلیون پروتئین را پیش‌بینی کند و خروجی را بدون هزینه، در اختیار جامعه‌ی پژوهشی سراسر جهان قرار داد.

هاسابیس و جان جامپر به‌خاطر پیش‌بینی ساختار پروتئین‌ها، جایزه‌ی نوبل شیمی ۲۰۲۴ را دریافت کردند.

سال ۲۰۲۴، وعده‌ی دیرینه‌ی هاسابیس سرانجام به نتیجه رسید. او و جان جامپر برای توسعه‌ی روش‌های پیش‌بینی ساختار پروتئین به‌طور مشترک نیمی از جایزه‌ی نوبل شیمی را دریافت کردند. نیم دیگر این جایزه به دیوید بیکر، پژوهشگر دانشگاه واشینگتن، اختصاص یافت؛ کسی که به طراحی محاسباتی پروتئین‌های تازه اعتبار علمی بخشید.

هاسابیس نامش را در کتابی ثبت کرد که پیش از او، فاینمن، کوری، بور، پلانک، کریک و اینشتین نیز امضایش را بر آن زده بودند؛ نشانه‌ای از تداوم یک سنت علمی.

قربانی شدن پژوهش‌های بنیادین در جنگ چت‌بات‌ها

نوبل در زمانی رسید که جهانِ هاسابیس داشت چرخشی جدی پیدا می‌کرد. ChatGPT تعادل را به هم زده بود؛ و گوگل—که پیش‌تر خود را بازیگر بی‌رقیبِ هوش مصنوعی می‌دید—حال باید برای رسیدن به OpenAI و آنتروپیک، هم‌زمان با همان ریتم مسابقه حرکت می‌کرد.

در سال ۲۰۲۳، دیپ‌مایند با گوگل برین ادغام شد و هاسابیس به یکی از چهره‌های تعیین‌کننده‌ی میدان رقابت مدل‌های زبانی بدل گشت؛ از چت‌بات‌ها گرفته تا جمنای، از رقابت محصول‌محصول تا این‌که دانشمندی در درونش، برایش ساخته نشده بود.

البته هاسابیس اصرار داشت که توسعه‌ی محصول را دست‌کم نمی‌گیرد. او در مصاحبه‌ای با وایرد در ژوئن ۲۰۲۵ پذیرفت که گوگل پس از معرفی معماری ترنسفورمر در سال ۲۰۱۷، آن‌قدر در پژوهش‌های بنیادی غرق شده که فرصت تبدیل سریع‌تر دستاوردها به محصول را از دست داده است.

دمیس هاسابیس و یان لکان پدرخوانده هوش مصنوعی Samuel de Roman/Getty Images

از نگاه او، گوگل باید از این تجربه درس می‌گرفت. همین‌جا بود که تناقض زندگی حرفه‌ای هاسابیس پررنگ‌تر دیده شد: فردی که سال‌ها برای پژوهش‌های بلندمدت ارزش بسیاری قائل بود، حالا باید آزمایشگاهی را هدایت می‌کرد که سرعت تحویل محصولات، سرنوشت رقابت را تعیین می‌کرد—و خیلی زود مشخص شد این نوع رقابت هزینه‌ی سنگینی هم دارد.

در ژوئن ۲۰۲۶، جان جامپر—شریک جایزه‌ی نوبل هاسابیس—گوگل را ترک کرد و به آنتروپیک رفت. با او، دو همکار دیگر هم مسیر مشابهی را دنبال کردند. در همان موج، چند نفر از هسته‌ی پژوهشی آلفافولد نیز تیم‌های مستقل خود را راه انداختند و یکی از پژوهشگران هم به OpenAI پیوست.

هاسابیس در سال ۲۰۲۶ مدیریت روزمره‌ی دیپ‌مایند را به دیگران سپرد تا تمام تمرکزش را روی پژوهش و آینده‌ی هوش مصنوعی بگذارد

گوگل سایر اعضای تیم را به پروژه‌هایی نزدیک‌تر به جمنای منتقل کرد و در ماه ژوئیه، هر آنچه از آلفافولد باقی مانده بود را منحل کرد. دو سال بعد از اعطای نوبل، عملاً دیگر تیم برنده‌ی جایزه‌ای وجود نداشت.

پنجم آگوست ۲۰۲۶، گوگل اعلام کرد هاسابیس رئیس هیئت‌مدیره‌ی دیپ‌مایند و همچنین دانشمند ارشد آلفابت می‌شود؛ در همین حال کوری کاووکچواوغلو، مدیر ارشد فناوری، اداره‌ی روزمره‌ی آزمایشگاه را به عهده می‌گیرد. سوندار پیچای، مدیرعامل آلفابت، گفت این جایگاه تازه به هاسابیس امکان می‌دهد همه‌ی توجهش را به شکل دادن آینده‌ی AGI متمرکز کند. جف دین، مهندس افسانه‌ای گوگل، نیز در همان جابه‌جایی بزرگ—پس از نزدیک به سه دهه حضور—شرکت را ترک کرد.

طبق گزارش Semafor، مقدمات تغییرات بزرگ دیپ‌مایند دست‌کم یک سال پیش‌تر کلید خورده بود. هاسابیس به‌تدریج اداره‌ی جمنای و همچنین بخش فعالیت‌های مرتبط با محصولات مصرفی را به کاووکچواوغلو واگذار کرد. او را برخلاف میل خودش کنار نگذاشتند؛ بلکه خودش از این‌که در جایگاه یک مدیر اجرایی فناوری قرار بگیرد، در مقایسه با نقش یک دانشمند آینده‌نگر، رضایت کمتری داشت.

هاسابیس همان زمان اعلام کرد قصد دارد روی استراتژی بلندمدت، شتاب دادن به کشف‌های علمی و نیز کارش در Isomorphic تمرکز کند؛ گویی می‌خواست دوباره همان دانشمندِ سابق باشد.

هدف‌گذاری تازه؛ طراحی دارو بدون وعده‌های توخالی

هاسابیس می‌داند که وعده‌های بزرگِ صنعت هوش مصنوعی برای همه قانع‌کننده نیست. مدیران این حوزه سال‌هاست خبر درمان سرطان را تکرار می‌کنند و مردم، خسته از همین ادعاها، دیگر به‌راحتی باور نمی‌کنند. نگرانی‌های عمومی درباره‌ی خطرات هوش مصنوعی و تردید نسبت به منافع واقعی آن باعث شده جذابیت این فناوری در فضای عمومی آمریکا کم‌رنگ شود.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا