AlphaGo: deset godina kasnije i promjena pravila
Wikimedia Commons: Google📷 © Tech&Space
- ★200 milijuna proteina u otvorenoj bazi
- ★IM medalje za AI sustave
- ★Rezultati koji nisu samo u Go igri
Prije deset godina, DeepMindov AlphaGo pobjedom nad Lee Sedolom pokazao je da umjetna inteligencija može prevladati najzahtjevniju strategijsku igru. Ono što je ostalo zapamćeno nije samo puka pobjeda, već metodologija koja je omogućila proboj izvan okvira igre.
Struktura pretraživanja i dubinskog učenja koju je AlphaGo koristio postala je temelj za rješavanje problema u biologiji, matematici i računarstvu. AlphaFold 2, direktni nasljednik AlphaGove arhitekture, 2020. godine riješio je problem savijanja proteina koji je desetljećima odbijao znanstvenu zajednicu.
Rezultat nije bio samo algoritamski trik – otvorena baza od 200 milijuna struktura proteina postala je javni resurs koji koriste tri milijuna istraživača širom svijeta za rad na cjepivima, enzimima i terapijama bolesti. Brojevi govore sami za sebe, ali stvarno pitanje je: koliko je toga bilo moguće bez AlphaGovog napretka u pretraživanju i učenju?
Na Međunarodnoj matematičkoj olimpijadi (IMO) 2024. godine, AlphaProof i AlphaGeometry 2 osvojili su srebrno odličje, a do 2025. godine Googleov Gemini u 'Deep Think' modu dosegnuo je razinu zlatnog odličja.
Wikimedia Commons: Google official press📷 © Tech&Space
Od pobjede nad čovjekom do revolucije u znanosti
Među najzanimljivijim posljedicama AlphaGove revolucije jest otkriće novog algoritma za množenje matrica od strane AlphaEvolvea – fundamentalne operacije u neuralnim mrežama. Ovo nije samo tehnički napredak – radi se o optimizaciji koja može ubrzati cjelokupne računalne sustave.
Ako se ovo pokaže skalabilnim, industrije od fintech do robotike imat će novi alat za povećanje efikasnosti. Unatoč svim uspjesima, postoje i kritične točke.
Većina uspjeha temelji se na strukturalnim metodama iz AlphaGove igre, dok se u drugim područjima poput medicine i fizike još uvijek traže pouzdani slomovi. Hype oko AGI često zaboravlja da su ovi sistemi usko specijalizirani, iako izvanredno uspješni u svojim okvirima.
Što slijedi? Ako se nastavi trendu integriranja AlphaGovih principa pretraživanja i rasuđivanja u šire AI sustave, možemo očekivati proboje u područjima poput kemije, materijala i čak društvenih znanosti.