Separuh Hadiah Nobel Kimia tahun 2024 diberikan kepada David Baker（David Baker），“sebagai penghargaan atas kontribusi dalam desain protein komputasional”; separuh lainnya dianugerahkan bersama kepada Demis Hassabis（Demis Hassabis）dan John M. Jumper，“sebagai penghargaan atas pencapaian mereka dalam prediksi struktur protein”.
David Baker adalah direktur Institute for Protein Design di University of Washington dan dikenal sebagai pelopor bidang desain protein. Sejak tahun 2003, ia berhasil merancang berbagai protein inovatif yang sepenuhnya baru, termasuk Top7, yang digunakan secara luas dalam obat-obatan, vaksin, bahan nano, sensor mini, dan bidang lainnya. Pada tahun 1999, ia sudah mengusulkan algoritma prediksi struktur protein RoseTTA, lebih awal daripada AlphaFold milik Deepmind.
Dua penerima penghargaan lainnya bahkan lebih dikenal. Demis Hassabis adalah salah satu pendiri sekaligus CEO Google DeepMind, sedangkan John M. Jumper saat ini menjabat sebagai direktur Google DeepMind.Dengan memimpin tim untuk mengembangkan model AI AlphaFold 2, keduanya memecahkan persoalan yang telah membingungkan dunia sains selama 50 tahun: memprediksi struktur kompleks protein dari urutan asam amino.
Protein adalah perangkat kimia dasar kehidupan. Protein mengendalikan dan mendorong semua reaksi biokimia, serta memainkan peran penting sebagai hormon, zat pembawa sinyal, antibodi, dan penyusun jaringan. Di dalam protein, asam amino saling terhubung membentuk rantai panjang yang terlipat menjadi struktur tiga dimensi. Sejak tahun 70-an pada abad lalu, para peneliti terus mencoba memprediksi struktur protein berdasarkan urutan asam aminonya, tetapi kemajuannya lambat, hingga terobosan menakjubkan yang dihadirkan DeepMind empat tahun lalu.
Pada tahun 2020, Demis Hassabis dan John Jumper mengembangkan AlphaFold 2 berdasarkan AlphaFold generasi pertama. Sistem ini mampu memprediksi struktur hampir seluruh 2 ratus juta protein yang telah diidentifikasi para peneliti, hingga kini telah dikutip lebih dari 2 puluh ribu kali, dan digunakan oleh lebih dari 200 juta orang dari 190 negara, mendorong kemajuan besar dalam bidang-bidang seperti vaksin malaria, pengobatan kanker, desain enzim, dan penelitian resistansi antibiotik. Sebenarnya, sebelum menerima Nobel, keduanya sudah menerima Penghargaan Terobosan dalam Ilmu Hayati yang dikenal sebagai “Oscar dunia sains” dan Penghargaan Lasker yang disebut “penunjuk arah Nobel” pada tahun sebelumnya, sebagai penghargaan atas kontribusi luar biasa mereka terhadap penelitian kedokteran dasar.
Akademi Ilmu Pengetahuan Kerajaan Swedia menyatakan dalam pernyataannya，“Tanpa protein, kehidupan tidak dapat ada. Kini kita mampu memprediksi struktur protein dan merancang protein kita sendiri, yang membawa manfaat luar biasa bagi umat manusia.”
Setelah mengetahui kabar kemenangan tersebut，akun resmi Google DeepMind segera mengunggah tulisan untuk “membagikan kabar gembira”。
Demis Hassabis juga menyatakan dalam sebuah pernyataan:
“Menerima Hadiah Nobel merupakan kehormatan seumur hidup bagi saya. Terima kasih kepada Akademi Ilmu Pengetahuan Kerajaan Swedia, John Jumper dan tim AlphaFold, tim DeepMind dan Google secara lebih luas, serta semua rekan yang berkontribusi pada momen ini. Saya telah mengabdikan karier saya untuk kemajuan AI karena potensinya yang tiada tanding untuk meningkatkan kehidupan miliaran orang. AlphaFold telah digunakan oleh lebih dari 200 puluh ribu peneliti untuk memajukan pekerjaan penting, mulai dari perancangan enzim hingga penemuan obat. Saya berharap kelak kita dapat memandang AlphaFold sebagai bukti nyata pertama dari potensi besar AI untuk mempercepat penemuan ilmiah.”
John Jumper kemudian menyatakan：“Ini merupakan bukti penting bahwa AI mampu mempercepat penelitian ilmiah dan pada akhirnya membantu memahami penyakit serta mengembangkan metode pengobatan. Karya ini merupakan hasil kerja tim luar biasa di Google DeepMind, dan penghargaan ini juga mengakui kontribusi luar biasa mereka。”
Pada titik ini, jika ditambah Geoffrey E. Hinton, “bapak AI” yang sebelumnya lebih dahulu memperoleh Hadiah Fisika dan memicu banyak perbincangan, persamaan di balik para peraih penghargaan yang paling disorot tahun ini terlihat jelas——Hinton adalah tokoh inti Google Brain, yang membawa ambisi awal Google dalam AI, sedangkan Demis Hassabis adalah jiwa Google Deepmind, yang mengemban tugas riset AI Google dalam beberapa tahun terakhir.
Pantas saja bahkan “pesta Nobel” langsung diadakan di kampus Google.
Di balik pemberian Hadiah Nobel kepada ilmuwan AI secara berturut-turut, Google juga “menang besar-besaran”.
Serangan Google
Dilihat dari linimasanya, Google jelas merupakan perusahaan besar yang paling awal memasuki bidang kecerdasan buatan.
Meskipun banyak versi cerita menggambarkan lelang rahasia yang berlangsung pada musim dingin tahun 2012 di sebuah hotel kasino di tepi Danau Tahoe, Amerika Serikat, sebagai persaingan adil antara tiga raksasa teknologi Google, Microsoft, Baidu dan DeepMind untuk memperebutkan DNNResearch, perusahaan kecil yang baru didirikan Hinton dan belum memiliki produk nyata selain beberapa makalah. Namun, jika ditinjau kembali, hasil lelang ini sebenarnya sudah ditentukan sejak awal. Sebab, salah satu asal mulanya justru adalah dorongan Google 6 bulan sebelumnya.
Pada bulan 6 tahun 2012, Google Brain secara terbuka meluncurkan proyek “Kucing Google（The Cat Neurons）”, yang menggunakan algoritma untuk mengenali kucing dalam video YouTube. Proyek ini dipimpin oleh Andrew Ng, melibatkan Jeff Dean, dan mendapat dukungan besar dari pendiri perusahaan, Larry Page.
Proyek ini membangun jaringan saraf besar dengan 10 ratus juta koneksi, menggunakan 1000 puluh ribu video tanpa label dari YouTube untuk pelatihan pada 16,000 CPU. Melalui pembelajaran tanpa pengawasan, sistem tersebut berhasil belajar sendiri mengenali wajah kucing dengan akurasi 74.8%, serta mampu mengenali objek lain seperti wajah manusia.
Namun, pada tahap akhir proyek, Andrew Ng memilih mundur saat masih berada di puncak. Sebelum pergi, ia merekomendasikan gurunya, Hinton, kepada Google untuk melanjutkan pekerjaannya. Hinton menyatakan bahwa ia tidak akan meninggalkan universitas dan hanya bersedia “menghabiskan satu musim panas” di Google. Begitulah ia menjadi peserta magang tertua dalam sejarah Google.
Sebagai pakar terkemuka dalam bidang pembelajaran mendalam, Hinton segera menyadari kelemahan proyek tersebut dan menyatakan bahwa Google Cat “menjalankan jaringan saraf yang salah dan menggunakan kemampuan komputasi yang salah.” Maka, setelah “masa magang” singkat itu berakhir, Hinton segera mengumpulkan murid-muridnya, Ilya Sutskever dan Alex Krizhevsky, untuk membentuk tim dan mengembangkan arsitektur jaringan saraf baru, AlexNet. Dengan hasil pelatihan yang hanya menggunakan 4 GPU NVIDIA, mereka mengikuti kompetisi pengenalan gambar ImageNet tahun 2012 dan akhirnya meraih kemenangan yang mengubah peta persaingan dengan akurasi 84%.
Pada bulan 10 tahun yang sama, tim Hinton secara resmi memperkenalkan algoritma juara AlexNet pada konferensi visi komputer di Firenze. Sebuah tim akademis bangkit mengalahkan Google meskipun terdapat kesenjangan besar dalam perangkat keras dan sumber daya penelitian serta pengembangan, sehingga menggemparkan dunia akademis dan industri. Makalah AlexNet juga menjadi salah satu makalah paling berpengaruh dalam sejarah ilmu komputer, dengan jumlah sitasi lebih dari 12 puluh ribu.
Selanjutnya, perusahaan DNNResearch milik ketiganya resmi didaftarkan. Perkembangan lelang berikutnya pun berjalan semakin wajar. Ketika nilai penawaran dinaikkan menjadi 4400 puluh ribu dolar AS, Hinton menghentikan lelang dan bersama kedua mahasiswanya resmi bergabung dengan Google, dengan dirinya menjabat sebagai wakil presiden Google Brain dan peneliti teknik.
Saat itu Hinton menulis dalam sebuah pernyataan：“Saya akan terus mengajar paruh waktu di University of Toronto，tetapi di Google，saya bisa melihat bagaimana kami menangani komputasi berskala sangat besar。”
Selama sepuluh tahun berkarier di Google hingga bulan 5 tahun 2023, Hinton terus terlibat dalam penelitian jaringan saraf tiruan berskala besar dan memberikan kontribusi mendasar bagi teknologi yang melandasi sistem AI modern seperti Bard dan ChatGPT. Ia juga ikut mengembangkan pustaka perangkat lunak pembelajaran mesin sumber terbuka TensorFlow, mendorong peningkatan kemampuan aplikasi AI seperti pengenalan gambar dan pemahaman bahasa, serta menerapkan teknologi pembelajaran mendalam secara luas pada berbagai produk dan layanan Google.
Google tidak pernah memperlambat upayanya menghimpun talenta dan teknologi. Hanya dua tahun setelah mengakuisisi DNNResearch, Google juga mengakuisisi DeepMind yang didirikan Hassabis, salah satu pesaing yang ikut menawar saat itu.
Kabarnya, saat itu Google bahkan secara khusus menyewa pesawat pribadi untuk membawa Hinton ke London guna ”memeriksa barang“, serta memodifikasi kursinya untuk mengatasi masalah nyeri punggung yang membuatnya tidak dapat naik pesawat. Sementara itu, Facebook, yang tersingkir oleh Google saat itu, setelah gagal mendapatkan DeepMind beralih merekrut Yann LeCun, salah satu dari “tiga tokoh besar pembelajaran mendalam”, dengan bayaran tinggi.
Kisah Deepmind
Beralih ke DeepMind, sebenarnya sebelum diakuisisi oleh Google, DeepMind sudah mengalami kesulitan keuangan. Perusahaan itu terus membakar uang, tetapi belum berhasil menemukan model bisnis yang berkelanjutan, bahkan berada di ambang kebangkrutan.
Akuisisi oleh Google senilai 6 ratus juta dolar AS menyelamatkan DeepMind, mempertahankan tim teknologi intinya sekaligus menyediakan sumber daya komputasi yang kuat, termasuk dukungan platform komputasi awan dan pusat data. Hal ini memungkinkan DeepMind menggunakan daya komputasi yang lebih besar untuk melatih jaringan saraf dalam, khususnya dalam pengembangan AlphaGo, sehingga kecepatan komputasi dan akurasi model meningkat pesat. Selain itu, Google juga menyediakan TPU (Tensor Processing Unit) yang dirancang khusus untuk semakin mengoptimalkan efisiensi pelatihan dan inferensi model pembelajaran mendalam. TensorFlow, perangkat dasar AI, juga digunakan secara luas dalam penelitian DeepMind untuk membantu meningkatkan performa AlphaGo.
AlphaGo adalah program kecerdasan buatan untuk permainan Go yang dikembangkan oleh tim DeepMind. Dengan menganalisis jutaan rekaman pertandingan dan melakukan pembelajaran penguatan melalui permainan melawan dirinya sendiri, program ini menguasai strategi Go yang kompleks dan mampu melampaui pemain Go terbaik manusia. Pada tahun 2016, AlphaGo menang dengan skor 4 banding 1 dalam pertandingan melawan juara dunia Go Lee Sedol, langsung menjadi terkenal dan mengejutkan dunia.
Namun dalam pandangan Hassabis，membuktikan potensi AI untuk memecahkan masalah rumit melalui permainan papan hanyalah permulaan。Yang lebih penting adalah menggunakannya untuk memandu sistem pembelajaran umum dalam menghadapi tantangan dunia nyata，sehingga benar-benar memperbaiki kehidupan manusia、mentransformasi industri dan memajukan perkembangan ilmu pengetahuan。
Maka dalam beberapa bulan, DeepMind dengan cepat merekrut para ahli biologi dan membentuk tim lintas disiplin yang berfokus pada pemecahan persoalan pelipatan protein, hingga akhirnya melahirkan proyek AlphaFold pada tahun 2018. Setelah beberapa kali iterasi, kemampuan terobosan AlphaFold dalam memprediksi struktur protein telah mengubah penelitian biologi secara menyeluruh, memperlihatkan potensi penerapan AI yang besar dalam bidang sains.
Pada bulan 5 tahun ini, Google Deepmind kembali mengumumkan secara resmi peluncuran model prediksi protein generasi baru AlphaFold 3 bersama Isomorphic Labs, dan makalah terkait langsung dimuat dalam jurnal 《Nature》.
Dibandingkan versi sebelumnya, AlphaFold 3 tidak hanya mengalami kemajuan dalam prediksi pelipatan protein, tetapi juga untuk pertama kalinya mampu memprediksi struktur molekul kehidupan seperti protein, DNA, RNA, dan ligan, beserta interaksinya, dengan presisi tinggi. Terobosan ini membantu ilmuwan memahami mekanisme penyakit dan proses kehidupan secara lebih mendalam, sekaligus memangkas waktu serta biaya penelitian dan pengembangan secara signifikan. Baik untuk mengembangkan material terbarukan maupun mempercepat desain obat dan penelitian genomika, AlphaFold 3 membuka ruang penerapan yang lebih luas dalam bidang biomolekul.
Selain itu, tim tersebut juga meluncurkan platform gratis bernama AlphaFold Server berbasis AlphaFold 3, agar ilmuwan di seluruh dunia dapat melakukan penelitian nonkomersial, sehingga semakin memperluas akses terhadap eksplorasi ilmiah.
Melalui DeepMind, Google terus menarik talenta riset terbaik dari seluruh dunia dan menyediakan dukungan pendanaan jangka panjang, sehingga mereka dapat berfokus pada riset terobosan tanpa harus bergantung pada keuntungan komersial jangka pendek. Google juga memberikan otonomi strategis yang tinggi kepada DeepMind, sehingga dapat memilih arah riset dengan bebas. Kemandirian dan dukungan jangka panjang inilah yang menjadi landasan kokoh bagi DeepMind untuk melakukan riset berwawasan ke depan.
Selain terobosan dalam bidang permainan dan biologi, DeepMind juga mengembangkan WaveNet, model sintesis suara yang realistis untuk Google Assistant, sehingga meningkatkan pengalaman interaksi suara. Melalui model visi-bahasa-aksi RT-2, DeepMind meningkatkan kemampuan robot untuk menjalankan tugas di beragam lingkungan. Penelitiannya juga mencakup persoalan kompleks seperti prakiraan cuaca dan reaktor fusi nuklir, serta mendorong perkembangan lebih lanjut algoritme komputer melalui proyek seperti AlphaCode dan AlphaDev.
“Bekal” Google tetap melimpah
Dalam persaingan kecerdasan buatan saat ini, pesatnya kebangkitan perusahaan terkemuka seperti OpenAI dan Anthropic, serta “dominasi telak” ChatGPT dan Claude atas Gemini, sempat membuat orang mempertanyakan strategi AI Google. Khususnya dalam proses komersialisasi produk AI generatif dan alat pengembang, pesatnya perkembangan OpenAI dan perusahaan sejenis sangat kontras dengan langkah Google yang relatif lambat.
Namun, dua Hadiah Nobel yang kini ada di hadapan kita seolah mengingatkan bahwa lingkungan riset Google yang kuat dan akumulasi teknologinya tetap menjadi keunggulan yang sulit ditiru perusahaan lain.
Sebelum tahun 2006, keadaan pembelajaran mendalam dapat dirangkum dengan kutipan terkenal Baron Kelvin: “Gedung pembelajaran mendalam pada dasarnya sudah selesai dibangun, hanya saja di langit yang cerah bersinar, mengambang tiga awan gelap kecil.”
Ketiga awan gelap kecil ini masing-masing adalah algoritma, daya komputasi, dan data.
Dan Google justru memiliki keunggulan yang jelas dalam bidang-bidang penting ini. Pertama, Google menguasai sumber daya data sangat besar yang terdepan di dunia. Melalui platform seperti YouTube, Google Scholar, dan Google Search, Google menyediakan data pelatihan yang kaya dan beragam bagi model AI untuk penglihatan, pengenalan suara, dan pemrosesan bahasa alami.
Kedua, Google memiliki keunggulan signifikan dalam sumber daya komputasi. Perangkat keras TPU yang dikembangkannya sendiri sangat mempercepat pelatihan model pembelajaran mendalam. Google Cloud tidak hanya menyediakan daya komputasi yang kuat untuk penelitian internal, tetapi juga menyediakan alat bagi pengembang di seluruh dunia untuk membantu mereka membangun dan menerapkan aplikasi AI yang kompleks dengan cepat.
Dalam bidang riset dan pengembangan algoritma, Google juga berada di garis depan industri. Arsitektur Transformer yang lahir dari tim Google Brain meletakkan dasar pemrosesan bahasa alami modern dan mendorong perkembangan hampir semua model AI mutakhir saat ini. Teknologi-teknologi ini tidak hanya memajukan dunia akademis, tetapi juga diterapkan secara luas dalam produk-produk inti Google.
Pada tahun 2024, bidang AI masih menghadapi tantangan algoritma, daya komputasi, dan data. Meskipun banyak perusahaan juga mencapai terobosan di bidang tertentu, jika dibandingkan, tampaknya Google masih menjadi pihak yang memiliki keunggulan dalam ketiga aspek sekaligus dan terus memadukannya secara efektif.
Dalam persaingan dengan OpenAI, Microsoft, dan perusahaan lainnya, Google masih memiliki “bekal” yang kuat dan belum dikalahkan dalam perlombaan AI. Potensi kecerdasan buatan masih jauh dari tergali sepenuhnya, dan dalam lomba jarak jauh ini, mungkin kedalaman serta keluasan inovasi teknologilah yang menentukan pemenang akhirnya.
