AlphaGo nije promijenio samo go: pokazao je kako AI ulazi u znanstvene alate
Wikimedia Commons: Google📷 AI-generated / Tech&Space editorial visual
- ★AlphaGo-ova arhitektura kombiniranja neuronskih mreža i pretraživanja stabla postala je temelj za rješavanje problema u biologiji, matematici i računarstvu
- ★AlphaFold 2, direktni nasljednik, 2020. riješio je problem savijanja proteina i stvorio otvorenu bazu od 200 milijuna struktura koje koriste tri milijuna istraživača
- ★Kritičari upozoravaju da je prijelaz s igre na znanost često prenaglašen — arhitekture se koriste kao polazišta, ne kao gotova rješenja, a ljudski inženjering ostaje ključan
Prije deset godina, AlphaGo pobjedom nad Lee Sedolom nije samo osvojio partiju goa — prekinuo je psihološku barijeru koja je ljudima davala monopol na strateško razmišljanje. Ono što je ostalo zapamćeno nije puka pobjeda, već arhitektura koja je omogućila proboj izvan okvira igre.
Struktura koja kombinira neuronske mreže i Monte Carlo pretraživanje stabla postala je temelj za rješavanje problema u biologiji, matematici i računarstvu. AlphaFold 2, direktni nasljednik te 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 za rad na cjepivima, enzimima i terapijama.
Brojevi impresioniraju, no stvarno pitanje ostaje: koliko je toga bilo moguće bez AlphaGovog napretka u pretraživanju i učenju?
Od pobjede nad Lee Sedolom do AlphaFolda: što je ostvarljivo, a što je još uvijek u sferi obećanja
Wikimedia Commons: Google official press📷 © Tech&Space
Na Međunarodnoj matematičkoj olimpijadi 2024. godine, AlphaProof i AlphaGeometry 2 osvojili su srebrno odličje, a do 2025. Gemini u 'Deep Think' modu dosegnuo je razinu zlatnog. Među najzanimljivijim posljedicama jest otkriće novog algoritma za množenje matrica od strane AlphaEvolvea — fundamentalne operacije u neuralnim mrežama. Ovo nije tehnički kuriozitet, već optimizacija koja može ubrzati cjelokupne računalne sustave.
Ako se pokaže skalabilnom, industrije od fintecha do robotike dobit će novi alat za povećanje efikasnosti.
Unatoč uspjesima, kritičari upozoravaju da je prijelaz s igre na znanost često prenaglašen. Arhitekture služe kao polazišta, ne kao gotova rješenja — ljudski inženjering ostaje ključan. AlphaGo je dokazao da strojevi mogu prevladati u definiranim okruženjima; sljedeći desetljećni zadatak je dokazati da ta istraživanja mogu jednako elegantno funkcionirati u kaosu stvarnog svijeta.
