مُنح نصف جائزة نوبل في الكيمياء لعام 2024 إلى ديفيد بيكر（David Baker）، «تقديرًا للإسهامات في التصميم الحاسوبي للبروتينات»؛ أما النصف الآخر فمُنح مناصفةً إلى ديميس هاسابيس (Demis Hassabis) و جون إم. جامبر（John M. Jumper）، «تقديرًا لإنجازاتهما في التنبؤ ببنية البروتينات».

ديفيد بيكر هو مدير معهد تصميم البروتينات في جامعة واشنطن، ويُعد رائدًا في مجال تصميم البروتينات. ومنذ عام 2003، نجح في تصميم بروتينات مبتكرة جديدة كليًا، مثل Top7، تُستخدم على نطاق واسع في مجالات الأدوية واللقاحات والمواد النانوية والمستشعرات المصغرة وغيرها. كما طرح منذ عام 1999 خوارزمية RoseTTA للتنبؤ ببنية البروتينات، قبل AlphaFold من Deepmind.

أما الفائزان الآخران فهما أكثر ألفة. Demis Hassabis هو المؤسس المشارك والرئيس التنفيذي لـ Google DeepMind، ويشغل John M. Jumper حاليًا منصب مدير في Google DeepMind.قاد الاثنان فريقًا لتطوير نموذج الذكاء الاصطناعي AlphaFold 2، فحلا مشكلة حيّرت الأوساط العلمية طوال 50 عامًا：التنبؤ بالبنية المعقدة للبروتين انطلاقًا من تسلسل الأحماض الأمينية.

البروتينات هي الأدوات الكيميائية الأساسية للحياة، فهي تتحكّم في جميع التفاعلات الكيميائية الحيوية وتدفعها، وتؤدي أدوارًا محورية بوصفها هرمونات ومواد إشارات وأجسامًا مضادة وفي بناء الأنسجة. في البروتينات، ترتبط الأحماض الأمينية معًا في سلاسل طويلة تنطوي لتشكّل بنى ثلاثية الأبعاد. ومنذ عقد الـ 70 من القرن الماضي، حاول الباحثون التنبؤ ببنية البروتين انطلاقًا من تسلسل أحماضه الأمينية، لكن التقدم كان بطيئًا، حتى جاء الاختراق المذهل الذي حققته DeepMind قبل أربع سنوات.

في عام 2020، طوّر Demis Hassabis وJohn Jumper نظام AlphaFold 2 استنادًا إلى الجيل الأول من AlphaFold. وهو قادر تقريبًا على التنبؤ ببنى جميع البروتينات التي تعرف إليها الباحثون، وعددها 2 مئة مليون بروتين، وقد استُشهد به حتى الآن أكثر من 2 عشرة آلاف مرة، واستخدمه أكثر من 200 عشرة آلاف شخص من 190 دولة، وأسهم في تحقيق تقدم هائل في مجالات تشمل لقاحات الملاريا وعلاج السرطان وتصميم الإنزيمات وأبحاث مقاومة المضادات الحيوية. وفي الواقع، قبل نوبل، نال الاثنان العام الماضي جائزة الاختراق في علوم الحياة، المعروفة باسم «أوسكار العلوم»، وجائزة لاسكر، المعروفة بأنها «مؤشر نوبل»، تقديرًا لمساهماتهما البارزة في أبحاث الطب الأساسي.

قالت الأكاديمية الملكية السويدية للعلوم في بيانها，“لولا البروتينات لما أمكن للحياة أن توجد. واليوم نستطيع التنبؤ ببنى البروتينات وتصميم بروتينات خاصة بنا، وهو ما يجلب للبشرية منافع عظيمة.”

فور علم الحساب الرسمي لـGoogle DeepMind بخبر الفوز بالجائزة، نشر منشورًا «يزفّ البشرى».

وأصدر Demis Hassabis أيضًا بيانًا قال فيه:

“إن الفوز بجائزة نوبل شرف حياتي. أشكر الأكاديمية الملكية السويدية للعلوم، وأشكر John Jumper وفريق AlphaFold، وأشكر فريقي DeepMind وGoogle الأوسع نطاقًا، وجميع الزملاء الذين أسهموا في بلوغ هذه اللحظة. كرّست مسيرتي المهنية لتقدّم الذكاء الاصطناعي، لما يمتلكه من إمكانات لا تضاهى لتحسين حياة مليارات البشر. وقد استخدم AlphaFold أكثر من 200 من وحدات العشرة آلاف من الباحثين لدفع أعمال حيوية إلى الأمام، من تصميم الإنزيمات إلى اكتشاف الأدوية. وآمل أن ننظر مستقبلًا إلى AlphaFold بوصفه أول دليل عملي على الإمكانات الهائلة للذكاء الاصطناعي في تسريع الاكتشاف العلمي.”

ثم قال John Jumper: «هذا دليل مهم على قدرة الذكاء الاصطناعي على تسريع البحث العلمي، والمساعدة في نهاية المطاف على فهم الأمراض وتطوير علاجات لها. يعود الفضل في هذا العمل إلى الفريق المتميز في Google DeepMind، وتُقرّ هذه الجائزة أيضًا بإسهاماتهم البارزة».

وهكذا، مع جيفري إي. هينتون (Geoffrey E. Hinton)، «عرّاب الذكاء الاصطناعي» الذي سبقهما إلى الفوز بجائزة الفيزياء وأثار نقاشًا واسعًا، بات القاسم المشترك بين هؤلاء الفائزين الذين استقطبوا أكبر قدر من الاهتمام هذا العام واضحًا — فهينتون شخصية محورية في Google Brain، الذي حمل طموحات Google المبكرة في الذكاء الاصطناعي، وديميس هاسابيس هو روح Google Deepmind، الذي حمل مهام أبحاث Google في الذكاء الاصطناعي خلال السنوات الأخيرة.

لا عجب أن حتى «حفلة نوبل» أُقيمت مباشرة في مجمع Google.

وراء منح جوائز نوبل تباعًا لعلماء الذكاء الاصطناعي، حققت Google أيضًا «مكاسب هائلة».

هجوم Google

من حيث التسلسل الزمني، كانت Google بالتأكيد أسبق الشركات الكبرى إلى دخول مجال الذكاء الاصطناعي.

مع أن كثيرًا من روايات القصة تصف المزايدة السرية التي جرت في شتاء عام 2012 بفندق كازينو قرب بحيرة تاهو في الولايات المتحدة بأنها منافسة عادلة بين عمالقة التقنية الثلاثة Google وMicrosoft وBaidu، إلى جانب DeepMind، على شركة DNNResearch الصغيرة التي أسسها هينتون للتو، والتي لم يكن لديها أي منتج فعلي سوى بضع أوراق بحثية، فإن النظر إلى الأمر بأثر رجعي يكشف أن نتيجة هذه المزايدة كانت في الواقع محسومة منذ زمن. فأحد منابعها كان تحديدًا دفعة من Google قبل ذلك بـ6 أشهر.

في الشهر 6 من عام 2012، أطلق Google Brain علنًا مشروع «قط غوغل（The Cat Neurons）»، الذي يستخدم الخوارزميات للتعرف على القطط في مقاطع فيديو YouTube. قاده أندرو نغ، وشارك فيه Jeff Dean، وحظي بدعم كبير من مؤسس الشركة Larry Page.

بنى المشروع شبكة عصبية كبيرة تضم 10 مئة مليون وصلة، واستخدم 1000 عشرة آلاف مقطع فيديو غير موسوم من YouTube لتدريبها على 16,000 وحدة CPU. ومن خلال التعلم غير الخاضع للإشراف، نجح النظام في تعلّم التعرّف على وجوه القطط ذاتيًا، بدقة بلغت 74.8%، واستطاع أيضًا التعرّف على وجوه البشر وغيرها من الأشياء.

لكن أندرو نغ اختار الانسحاب وهو في أوج نجاحه خلال المرحلة الأخيرة من المشروع، وقبل رحيله أوصى لدى Google بأن يتولى أستاذه هينتون العمل خلفًا له. وقال هينتون إنه لن يغادر الجامعة، وإنه لا يرغب إلا في «قضاء صيف واحد» لدى Google. وهكذا أصبح أكبر متدرب سنًا في تاريخ Google.

بوصفه مرجعًا في مجال التعلم العميق، أدرك هينتون سريعًا عيوب المشروع، وأشار إلى أن مشروع قطط Google «شغّل الشبكة العصبية الخطأ، واستخدم القدرة الحاسوبية الخطأ». ولذلك، بعد انتهاء «فترة التدريب» القصيرة، جمع هينتون فورًا طالبيه إيليا سوتسكيفر وأليكس كريجيفسكي لتشكيل فريق، وطوّروا بنية شبكة عصبية جديدة باسم AlexNet. وشاركوا بثمرة تدريب باستخدام 4 وحدات معالجة رسومية من NVIDIA فقط في مسابقة ImageNet للتعرف على الصور لعام 2012، وحققوا في النهاية فوزًا أحدث تحولًا جذريًا بدقة بلغت 84%.

في الشهر 10 من العام نفسه، قدّم فريق Hinton رسميًا خوارزمية AlexNet الفائزة في مؤتمر الرؤية الحاسوبية بفلورنسا. وتمكّن فريق أكاديمي من قلب التوقّعات وهزيمة Google رغم التفاوت الهائل في العتاد وموارد البحث والتطوير، مما أحدث ضجّة عارمة في الوسطين الأكاديمي والصناعي. وأصبحت ورقة AlexNet أيضًا من أكثر الأوراق تأثيرًا في تاريخ علوم الحاسوب، إذ تجاوز عدد الاستشهادات بها 12 من مئات الآلاف.

بعد ذلك، سُجّلت شركة DNNResearch التي أسسها الثلاثة رسميًا. وأصبح تطور المزايدة لاحقًا أكثر سلاسة؛ فعندما ارتفع التقييم إلى 4400 من وحدات عشرة آلاف دولار أمريكي، أوقف Hinton المزاد وانضم رسميًا إلى Google مع طالبَيه، ليتولى منصب نائب رئيس Google Brain وزميل الأبحاث الهندسية.

كتب Hinton آنذاك في بيان：“سأواصل التدريس بدوام جزئي في جامعة تورونتو، لكن في Google، أستطيع أن أرى كيف نتعامل مع الحوسبة فائقة الضخامة.”

خلال مسيرته في Google التي استمرت عشر سنوات حتى الشهر 5 من عام 2023، واصل هينتون المشاركة في أبحاث الشبكات العصبية الاصطناعية واسعة النطاق، وقدّم إسهامات تأسيسية للتقنيات التي تقوم عليها أنظمة الذكاء الاصطناعي الحديثة مثل Bard وChatGPT. وشارك أيضًا في تطوير مكتبة التعلم الآلي مفتوحة المصدر TensorFlow، وأسهم في تعزيز قدرات تطبيقات الذكاء الاصطناعي مثل التعرّف على الصور وفهم اللغة، وفي تطبيق تقنيات التعلم العميق على نطاق واسع في منتجات Google وخدماتها المختلفة.

لم تتباطأ Google قط في جمع المواهب والتقنيات. وبعد عامين فقط من الاستحواذ على DNNResearch، ضمّت أيضًا DeepMind التي أسسها Hassabis، وكانت من منافسيها في المزايدة آنذاك.

بحسب ما ورد، استأجرت Google آنذاك طائرة خاصة خصيصًا لنقل Hinton إلى لندن من أجل ”معاينة البضاعة“، وعدّلت المقعد خصيصًا لمعالجة مشكلة آلام ظهره التي كانت تمنعه من السفر جوًا. أما Facebook، التي أزاحتها Google آنذاك، فاتجهت بعد إخفاقها في ضم DeepMind إلى استقطاب Yann LeCun بعرض مالي مرتفع، وهو أحد «العمالقة الثلاثة للتعلم العميق».

قصة Deepmind

أما من جانب DeepMind، فقد واجهت بالفعل صعوبات مالية قبل استحواذ Google عليها؛ إذ كانت الشركة تواصل استنزاف الأموال دون أن تجد نموذج أعمال مستدامًا، بل كانت على شفا الإفلاس.

أنقذت صفقة استحواذ Google بقيمة 6 مئة مليون دولار شركة DeepMind؛ فلم تحافظ على فريقها التقني الأساسي فحسب، بل وفرت لها أيضًا موارد حوسبة قوية، شملت دعم منصات الحوسبة السحابية ومراكز البيانات. وأتاح ذلك لـ DeepMind تدريب الشبكات العصبية العميقة بقدرة حوسبة أكبر، ولا سيما أثناء تطوير AlphaGo، مما رفع سرعة الحساب ودقة النموذج بدرجة كبيرة. وإضافة إلى ذلك، قدمت Google وحدات TPU المصممة خصيصًا (وحدات معالجة الموترات)، مما حسّن كفاءة تدريب نماذج التعلم العميق والاستدلال بها، كما استُخدمت أداة الذكاء الاصطناعي الأساسية TensorFlow على نطاق واسع في أبحاث DeepMind، للمساعدة في تعزيز أداء AlphaGo.

AlphaGo برنامج ذكاء اصطناعي للعبة غو طوّره فريق DeepMind. ومن خلال تحليل ملايين سجلات المباريات والتعلّم المعزّز باللعب ضد نفسه، أتقن استراتيجيات غو المعقدة، وأصبح قادرًا على تجاوز أفضل لاعبي غو البشر. وفي عام 2016، فاز AlphaGo على بطل العالم في غو لي سيدول بنتيجة 4 مقابل 1، فذاع صيته بتلك المواجهة وأذهل العالم.

لكن في نظر هاسابيس، لم يكن التحقق عبر ألعاب الرقعة من قدرة الذكاء الاصطناعي على حل المشكلات المعقدة سوى البداية. والأهم هو استخدامه لتوجيه أنظمة التعلم العامة للتعامل مع تحديات العالم الحقيقي، بما يحسّن حياة البشر فعلًا، ويُحدث تحولًا في القطاعات، ويدفع التقدم العلمي.

وهكذا، خلال بضعة أشهر، سارعت DeepMind إلى توظيف علماء أحياء وتشكيل فريق متعدد التخصصات يركّز على حل معضلة طيّ البروتينات، وهو ما أفضى في النهاية إلى ولادة مشروع AlphaFold عام 2018. وبعد عدة دورات من التطوير، أحدث AlphaFold تحولًا جذريًا في البحوث البيولوجية بفضل قدرته الرائدة على التنبؤ ببنية البروتينات، مظهرًا الآفاق الواسعة لتطبيق الذكاء الاصطناعي في العلوم.

في الشهر 5 من هذا العام، أعلنت Google Deepmind رسميًا مجددًا إطلاق الجيل الجديد من نموذج التنبؤ بالبروتينات AlphaFold 3 بالتعاون مع Isomorphic Labs، ونُشرت الورقة البحثية ذات الصلة في مجلة Nature.

مقارنة بالإصدار السابق، لم يحرز AlphaFold 3 تقدمًا في التنبؤ بطيّ البروتينات فحسب، بل أتاح أيضًا، للمرة الأولى، التنبؤ بدقة عالية ببنى الجزيئات الحيوية، مثل البروتينات وDNA وRNA والربيطات، وبالتفاعلات بينها. ساعد هذا الاختراق العلماء على فهم آليات الأمراض والعمليات الحيوية بعمق أكبر، مع تقليص وقت البحث والتطوير وتكاليفه بدرجة كبيرة. وسواء في تطوير مواد متجددة، أم في تسريع تصميم الأدوية وأبحاث علم الجينوم، فقد فتح AlphaFold 3 آفاقًا أوسع للتطبيق في مجال الجزيئات الحيوية.

ولم يقتصر الأمر على ذلك، بل أطلق الفريق أيضًا، بالاستناد إلى AlphaFold 3، منصة مجانية باسم AlphaFold Server تتيح للعلماء حول العالم إجراء أبحاث غير تجارية، مما يعزز إتاحة الاستكشاف العلمي للجميع.

من خلال DeepMind، تواصل Google استقطاب نخبة الباحثين من أنحاء العالم، وتوفر لهم تمويلًا طويل الأمد يتيح التركيز على الأبحاث الرائدة دون الاضطرار إلى الاعتماد على عوائد تجارية قصيرة الأجل. كما منحت Google شركة DeepMind استقلالية استراتيجية كبيرة، تتيح لها اختيار اتجاهات البحث بحرية. وهذه الاستقلالية وهذا الدعم طويل الأمد هما ما أرسى أساسًا متينًا لأبحاث DeepMind الاستشرافية.

إلى جانب مجال الألعاب والاختراقات في علم الأحياء، طورت DeepMind أيضًا نموذج تركيب الكلام الواقعي WaveNet المستخدم في مساعد Google، مما حسّن تجربة التفاعل الصوتي. وعززت عبر نموذج الرؤية واللغة والفعل RT-2 قدرة الروبوتات على تنفيذ المهام في بيئات متنوعة. وتشمل أبحاثها أيضًا مسائل معقدة مثل التنبؤ بالطقس ومفاعلات الاندماج النووي، كما دفعت بمزيد من التطور في خوارزميات الحاسوب عبر مشاريع مثل AlphaCode وAlphaDev.

ما زال رصيد Google المتراكم عميقًا

في منافسة الذكاء الاصطناعي اليوم، أثار الصعود السريع لشركات بارزة مثل OpenAI وAnthropic، و«التفوّق الساحق» لـ ChatGPT وClaude على Gemini، شكوكًا لدى الناس بشأن استراتيجية Google للذكاء الاصطناعي لفترة من الزمن. وخصوصًا في تسويق منتجات الذكاء الاصطناعي التوليدي وأدوات المطوّرين تجاريًا، شكّل التطوّر السريع لشركات مثل OpenAI تباينًا واضحًا مع وتيرة Google البطيئة نسبيًا.

لكن جائزتَي نوبل هاتين تبدوان وكأنهما تذكّراننا بأن بيئة Google البحثية الراسخة وتراكم خبراتها التقنية ما زالا ميزة يصعب على الشركات الأخرى تكرارها.

قبل عام 2006، كان بالإمكان تلخيص حال التعلم العميق بمقولة البارون كلفن الشهيرة: «لقد اكتمل تقريبًا بناء صرح التعلم العميق، لكن ثلاث غيمات داكنة صغيرة تطفو في السماء المشرقة بالشمس.»

هذه السحب السوداء الصغيرة الثلاث هي الخوارزميات والقدرة الحاسوبية والبيانات.

وتتمتع Google تحديدًا بمزايا واضحة في هذه المجالات الأساسية. أولًا، تمتلك موارد بيانات هائلة ورائدة عالميًا، وبالاعتماد على منصات مثل YouTube وGoogle Scholar وGoogle Search، توفر Google بيانات تدريب غنية ومتنوعة لنماذج الذكاء الاصطناعي الخاصة بالرؤية والتعرف على الكلام ومعالجة اللغة الطبيعية وغيرها.

ثانيًا، تتمتع Google بميزة بارزة في موارد الحوسبة. فقد سرّعت عتاديات TPU التي طورتها بنفسها تدريب نماذج التعلم العميق بدرجة كبيرة، ولا توفر Google Cloud قدرات حوسبة قوية للأبحاث الداخلية فحسب، بل توفر أيضًا أدوات للمطورين حول العالم تساعدهم على بناء تطبيقات ذكاء اصطناعي معقدة ونشرها بسرعة.

تحتل Google أيضًا موقعًا متقدمًا في مجال البحث والتطوير للخوارزميات. فقد أرست بنية Transformer التي نشأت في فريق Google Brain أسس معالجة اللغة الطبيعية الحديثة، ودفعت تطور جميع نماذج الذكاء الاصطناعي الرائدة اليوم تقريبًا. ولم تدفع هذه التقنيات التقدم الأكاديمي فحسب، بل استُخدمت أيضًا على نطاق واسع في منتجات Google الأساسية.

في عام 2024، ما زال مجال الذكاء الاصطناعي يواجه تحديات الخوارزميات وقدرة الحوسبة والبيانات. ورغم أن شركات كثيرة حققت أيضًا اختراقات في مجالات معينة، يبدو أن Google ما زالت، بالمقارنة، تجمع مزايا الجوانب الثلاثة وتواصل دمجها بفعالية.

في المنافسة مع شركات مثل OpenAI وMicrosoft، ما زالت Google تملك رصيدًا متينًا، ولم تُهزم في سباق الذكاء الاصطناعي. فما زالت إمكانات الذكاء الاصطناعي بعيدة عن أن تُستكشف بالكامل، وفي هذا السباق الطويل، ربما يكون عمق الابتكار التقني واتساعه هما ما يحدد الفائز النهائي.