Metade do Prêmio Nobel de Química de 2024 foi concedida a David Baker（David Baker），“em reconhecimento às contribuições para o design computacional de proteínas”; a outra metade foi concedida conjuntamente a Demis Hassabis（Demis Hassabis）e John M. Jumper (John M. Jumper)，“em reconhecimento às suas realizações na previsão de estruturas de proteínas”.

David Baker é diretor do Instituto de Design de Proteínas da Universidade de Washington e é reconhecido como pioneiro no design de proteínas. A partir de 2003, ele conseguiu projetar diversas proteínas inovadoras inteiramente novas, como a Top7, amplamente utilizadas em medicamentos, vacinas, nanomateriais e sensores em miniatura, entre outras áreas. E já em 1999 propôs o algoritmo de previsão de estruturas de proteínas RoseTTA, antes do AlphaFold da Deepmind.

Os outros dois premiados são ainda mais conhecidos. Demis Hassabis é cofundador e CEO do Google DeepMind, e John M. Jumper é atualmente diretor do Google DeepMind.Ao liderarem a equipe que desenvolveu o modelo de IA AlphaFold 2, os dois resolveram um problema que desafiava a comunidade científica havia 50 anos：prever a estrutura complexa das proteínas a partir de sua sequência de aminoácidos.

As proteínas são as ferramentas químicas fundamentais da vida: controlam e impulsionam todas as reações bioquímicas, desempenhando papéis essenciais como hormônios, substâncias sinalizadoras, anticorpos e componentes da formação de tecidos. Nas proteínas, os aminoácidos se ligam em longas cadeias que se dobram em estruturas tridimensionais. Desde a década de 70 do século passado, pesquisadores tentam prever a estrutura das proteínas a partir das sequências de aminoácidos, mas o progresso foi lento até o avanço surpreendente apresentado pela DeepMind há quatro anos.

Em 2020, Demis Hassabis e John Jumper desenvolveram o AlphaFold 2 com base na primeira geração do AlphaFold. Ele consegue prever a estrutura de quase todos os 2 centenas de milhões de proteínas já identificadas por pesquisadores, foi citado mais de 2 dezenas de milhares de vezes até hoje e foi usado por mais de 200 dezenas de milhares de pessoas de 190 países, impulsionando grandes avanços em áreas como vacinas contra a malária, tratamentos contra o câncer, projeto de enzimas e pesquisas sobre resistência a antibióticos. Na verdade, antes do Nobel, os dois já haviam recebido, no ano passado, o Prêmio Breakthrough em Ciências da Vida, conhecido como o “Oscar da ciência”, e o Prêmio Lasker, considerado um “indicador do Nobel”, em reconhecimento às suas contribuições excepcionais à pesquisa médica básica.

A Real Academia Sueca de Ciências declarou em um comunicado：“Sem proteínas, a vida não poderia existir. Hoje, podemos prever estruturas de proteínas e projetar nossas próprias proteínas, o que traz enormes benefícios à humanidade.”

Ao saber da premiação, a conta oficial do Google DeepMind publicou imediatamente a “boa notícia”.

Demis Hassabis também declarou:

“Receber o Prêmio Nobel é a honra da minha vida. Agradeço à Academia Real Sueca de Ciências, a John Jumper e à equipe do AlphaFold, às equipes mais amplas da DeepMind e do Google, e a todos os colegas que contribuíram para este momento. Dediquei minha carreira ao avanço da IA porque ela tem um potencial incomparável para melhorar a vida de bilhões de pessoas. O AlphaFold já foi usado por mais de 200 dezenas de milhares de pesquisadores para avançar em trabalhos fundamentais, do projeto de enzimas à descoberta de medicamentos. Espero que, no futuro, possamos ver o AlphaFold como a primeira comprovação concreta do enorme potencial da IA para acelerar as descobertas científicas.”

John Jumper declarou em seguida: “Esta é uma demonstração importante de que a IA pode acelerar a pesquisa científica e, por fim, ajudar a compreender doenças e desenvolver tratamentos. O mérito deste trabalho é da excelente equipe do Google DeepMind, e este prêmio também reconhece sua contribuição extraordinária.”

A essa altura, somando-se a eles Geoffrey E. Hinton, o “padrinho da IA”, que anteriormente havia sido o primeiro a receber o prêmio de Física e gerado intenso debate, fica evidente o ponto em comum por trás desses laureados que mais atraíram atenção neste ano — Hinton é uma figura central do Google Brain, que abrigava as primeiras ambições do Google em IA, enquanto Demis Hassabis é a alma do Google Deepmind, responsável pelas pesquisas de IA do Google nos últimos anos.

Não é de admirar que até a “festa do Nobel” tenha sido realizada no próprio campus do Google.

Por trás dos sucessivos prêmios Nobel concedidos a cientistas de IA, o Google também está “ganhando de lavada”.

A ofensiva do Google

Pela cronologia, o Google foi, sem dúvida, a primeira grande empresa a entrar na área da inteligência artificial.

Embora muitas versões da história descrevam o leilão secreto realizado no inverno de 2012, em um hotel-cassino às margens do lago Tahoe, nos Estados Unidos, como uma disputa justa entre as três gigantes de tecnologia Google, Microsoft e Baidu e a DeepMind pela DNNResearch, a pequena empresa recém-fundada por Hinton que, além de alguns artigos científicos, não tinha nenhum produto concreto. Ao olhar retrospectivamente, porém, o desfecho desse leilão já estava, na verdade, definido. Isso porque uma de suas origens foi justamente uma iniciativa do Google 6 meses antes.

Em 6 de 2012, o Google Brain lançou publicamente o projeto “谷歌猫（The Cat Neurons）”, o projeto dos neurônios de gatos do Google, que usava algoritmos para reconhecer gatos em vídeos do YouTube. Liderado por Andrew Ng, contou com a participação de Jeff Dean e recebeu forte apoio de Larry Page, fundador da empresa.

O projeto construiu uma grande rede neural com 10 centenas de milhões de conexões, treinada em 16,000 CPUs com 1000 dezenas de milhares de vídeos não rotulados do YouTube. Por meio de aprendizado não supervisionado, o sistema aprendeu sozinho a reconhecer rostos de gatos, alcançando uma precisão de 74.8%, e também era capaz de reconhecer rostos humanos e outros objetos.

No entanto, na fase final do projeto, Andrew Ng decidiu sair enquanto estava no auge e, antes de partir, recomendou ao Google seu professor Hinton para assumir o trabalho. Hinton disse que não deixaria a universidade e que só aceitaria “passar um verão” no Google. Assim, tornou-se o estagiário mais velho da história do Google.

Como autoridade na área de aprendizado profundo, Hinton logo percebeu as falhas do projeto e apontou que o gato do Google “executou a rede neural errada e usou a capacidade computacional errada.” Assim, após o breve “período de estágio”, Hinton imediatamente reuniu seus alunos Ilya Sutskever e Alex Krizhevsky para formar uma equipe e desenvolver uma nova arquitetura de rede neural, a AlexNet. Com o resultado treinado usando apenas 4 GPUs da NVIDIA, participou da competição de reconhecimento de imagens ImageNet de 2012 e conquistou uma vitória revolucionária, com uma precisão de 84%.

No mês 10 daquele mesmo ano, a equipe de Hinton apresentou oficialmente o algoritmo campeão AlexNet na conferência de visão computacional em Florença. Uma equipe acadêmica surpreendeu ao derrotar o Google, apesar da enorme disparidade de hardware e recursos de pesquisa e desenvolvimento, causando grande comoção nos meios acadêmico e industrial. O artigo sobre AlexNet também se tornou um dos mais influentes da história da ciência da computação, com mais de 12 dezenas de milhares de citações.

Em seguida, foi formalmente constituída a DNNResearch, empresa dos três. O desenrolar do leilão tornou-se ainda mais natural: quando o valor chegou a 4400 dez mil dólares, Hinton encerrou o leilão e ingressou oficialmente no Google junto com seus dois alunos, assumindo os cargos de vice-presidente do Google Brain e pesquisador de engenharia.

Na época, Hinton escreveu em um comunicado: “Continuarei lecionando em tempo parcial na Universidade de Toronto, mas, no Google, poderei ver como lidamos com a computação em escala gigantesca.”

Ao longo de seus dez anos no Google, até o mês 5 de 2023, Hinton continuou participando de pesquisas sobre redes neurais artificiais em larga escala, oferecendo contribuições fundamentais às tecnologias subjacentes a sistemas modernos de IA, como Bard e ChatGPT. Ele também participou do desenvolvimento da biblioteca de aprendizado de máquina de código aberto TensorFlow, impulsionando as capacidades de aplicações de IA, como reconhecimento de imagens e compreensão da linguagem, e aplicando amplamente o aprendizado profundo aos diversos produtos e serviços do Google.

O Google nunca diminuiu o ritmo de concentração de talentos e tecnologia. Apenas dois anos após adquirir a DNNResearch, também incorporou a DeepMind, fundada por Hassabis, que havia sido uma de suas concorrentes naquela disputa de aquisição.

Segundo relatos, o Google chegou a fretar um avião particular para levar Hinton a Londres para “conferir a mercadoria” e adaptou especialmente o assento para contornar o problema de suas dores nas costas, que o impediam de viajar de avião. Já o Facebook, que havia sido superado pelo Google naquela disputa, após perder a DeepMind, passou a oferecer uma alta remuneração para contratar Yann LeCun, um dos “três grandes nomes do aprendizado profundo”.

A história da Deepmind

Quanto à DeepMind, na verdade, antes de ser adquirida pelo Google, ela já enfrentava dificuldades financeiras. A empresa consumia dinheiro continuamente, mas não conseguia encontrar um modelo de negócios sustentável e chegou à beira da falência.

A aquisição pelo Google por 6 centenas de milhões de dólares salvou a DeepMind, preservando sua equipe técnica principal e fornecendo recursos computacionais robustos, incluindo suporte de uma plataforma de computação em nuvem e de centros de dados. Isso permitiu à DeepMind usar maior capacidade computacional para treinar redes neurais profundas, especialmente no desenvolvimento do AlphaGo, aumentando consideravelmente a velocidade dos cálculos e a precisão dos modelos. Além disso, o Google forneceu TPUs（unidades de processamento de tensores）projetadas especificamente para essa finalidade, otimizando ainda mais a eficiência do treinamento e da inferência dos modelos de aprendizado profundo, e a ferramenta básica de IA TensorFlow também foi amplamente utilizada nas pesquisas da DeepMind, ajudando a melhorar o desempenho do AlphaGo.

AlphaGo é um programa de inteligência artificial para jogar Go desenvolvido pela equipe da DeepMind. Ao analisar milhões de registros de partidas e realizar aprendizado por reforço jogando contra si mesmo, dominou estratégias complexas de Go e tornou-se capaz de superar os melhores jogadores humanos. Em 2016, AlphaGo venceu o campeão mundial de Go Lee Sedol por 4 a 1, conquistando fama com esse confronto e surpreendendo o mundo.

No entanto, aos olhos de Hassabis, demonstrar por meio de jogos de tabuleiro o potencial da IA para resolver problemas complexos é apenas o começo. Mais importante é usá-la para orientar sistemas de aprendizado de propósito geral a enfrentar os desafios do mundo real, melhorando de fato a vida das pessoas, transformando setores e impulsionando o avanço científico.

Assim, em poucos meses, a DeepMind contratou rapidamente biólogos e formou uma equipe interdisciplinar dedicada a resolver o problema do dobramento de proteínas, o que acabou levando ao nascimento do projeto AlphaFold em 2018. Após diversas iterações, o AlphaFold transformou profundamente a pesquisa biológica com sua capacidade revolucionária de prever estruturas de proteínas, demonstrando o grande potencial de aplicação da IA na ciência.

Em maio deste ano（mês 5）, o Google Deepmind voltou a fazer um anúncio oficial: lançou, em conjunto com a Isomorphic Labs, o modelo de nova geração para previsão de proteínas AlphaFold 3, cujo artigo foi publicado na revista 《Nature》.

Em comparação com as versões anteriores, o AlphaFold 3 não apenas avançou na previsão do dobramento de proteínas, como também conseguiu, pela primeira vez, prever com alta precisão as estruturas de moléculas biológicas, como proteínas, DNA, RNA e ligantes, e suas interações. Esse avanço ajuda os cientistas a compreender mais profundamente os mecanismos das doenças e os processos da vida, ao mesmo tempo que reduz significativamente o tempo e os custos de pesquisa e desenvolvimento. Seja no desenvolvimento de materiais renováveis, seja na aceleração do planejamento de fármacos e da pesquisa genômica, o AlphaFold 3 abriu um leque mais amplo de aplicações no campo das biomoléculas.

Além disso, a equipe lançou, com base no AlphaFold 3, uma plataforma gratuita chamada AlphaFold Server, destinada a pesquisas não comerciais de cientistas do mundo inteiro, ampliando ainda mais o acesso à exploração científica.

Por meio da DeepMind, o Google continua atraindo pesquisadores de ponta do mundo inteiro e oferecendo apoio financeiro de longo prazo, permitindo que se concentrem em pesquisas inovadoras sem depender de retornos comerciais imediatos. O Google também concedeu à DeepMind grande autonomia estratégica, permitindo que escolhesse livremente suas linhas de pesquisa. Essa independência e esse apoio de longo prazo estabeleceram uma base sólida para as pesquisas prospectivas da DeepMind.

Além dos avanços nos jogos e na biologia, a DeepMind também desenvolveu o WaveNet, um modelo de síntese de voz realista usado no Google Assistente, melhorando a experiência de interação por voz. Com o modelo de visão-linguagem-ação RT-2, ampliou a capacidade dos robôs de executar tarefas em ambientes variados. Suas pesquisas também abrangem problemas complexos, como previsão do tempo e reatores de fusão nuclear, e impulsionam o desenvolvimento de algoritmos computacionais por meio de projetos como AlphaCode e AlphaDev.

O “patrimônio” do Google continua robusto

Na atual competição em inteligência artificial, a rápida ascensão de empresas de destaque como OpenAI e Anthropic e a “superioridade esmagadora” de ChatGPT e Claude sobre Gemini chegaram a gerar dúvidas sobre a estratégia de IA do Google. Especialmente na comercialização de produtos de IA generativa e ferramentas para desenvolvedores, o rápido desenvolvimento da OpenAI e de empresas semelhantes contrastou fortemente com o ritmo relativamente lento do Google.

No entanto, os dois Prêmios Nobel que temos diante de nós parecem nos lembrar de que o ambiente fértil de pesquisa científica e o conhecimento tecnológico acumulado pelo Google continuam sendo vantagens difíceis de reproduzir para outras empresas.

Antes de 2006, a situação do aprendizado profundo podia ser resumida pela célebre frase do barão Kelvin：“O edifício do aprendizado profundo já está basicamente concluído; apenas três pequenas nuvens escuras flutuam no céu ensolarado.”

Essas três pequenas nuvens escuras são os algoritmos, a capacidade computacional e os dados.

E é justamente nessas áreas essenciais que o Google possui vantagens claras. Primeiro, detém vastos recursos de dados de destaque mundial; por meio de plataformas como YouTube, Google Scholar e Google Search, o Google fornece dados de treinamento ricos e diversificados para modelos de IA de visão, reconhecimento de voz e processamento de linguagem natural.

Em segundo lugar, o Google tem uma vantagem significativa em recursos computacionais. Seu hardware TPU, desenvolvido internamente, acelera muito o treinamento de modelos de aprendizado profundo, e o Google Cloud não apenas fornece grande capacidade computacional para a pesquisa interna, como também oferece ferramentas a desenvolvedores de todo o mundo, ajudando-os a criar e implantar rapidamente aplicações complexas de IA.

Na pesquisa e no desenvolvimento de algoritmos, o Google também está na vanguarda do setor. A arquitetura Transformer, criada pela equipe Google Brain, estabeleceu as bases do processamento moderno de linguagem natural e impulsionou o desenvolvimento de quase todos os modelos de IA de ponta atuais. Essas tecnologias não apenas promoveram avanços no meio acadêmico, como também foram amplamente aplicadas aos principais produtos do Google.

Em 2024, a área de IA continua enfrentando desafios de algoritmos, capacidade computacional e dados. Embora muitas empresas também tenham alcançado avanços em determinadas áreas, em comparação, parece que o Google ainda é quem reúne vantagens nos três aspectos e continua a combiná-las de forma eficaz.

Na competição com empresas como OpenAI e Microsoft, o Google continua tendo recursos sólidos e tampouco foi derrotado na corrida da IA. O potencial da inteligência artificial está longe de ter sido plenamente explorado e, nessa corrida de longa distância, talvez sejam a profundidade e a amplitude da inovação tecnológica que determinem o vencedor final.