Demis Hassabis
Científico, Investigador y Empresario nacido en el Reino Unido (1976).
Es el co-fundador de Google DeepMind e Isomorphic Labs. Consultor de Inteligencia Artificial del gobierno británico y Premio Nobel de Química en 2024
Para Demis, los juegos siempre han sido de suma importancia; desde los 6 años jugaba ajedrez de forma competitiva. En repetidas ocasiones fue capitán del equipo infantil / juvenil nacional británico. Obtuvo el nivel Chess Master a los 13 años.
A los 8 años compró su primer computadora con las ganancias de sus torneos de ajedrez. Aprendió a programar de forma autodidacta, escribió su primer programa de Inteligencia Artificial para jugar Reversi.
A los 16 años obtuvo su certificado de preparatoria (A-Levels) dos años antes de lo normal. Debido a que era muy jóven para atender a clases en el campus, la Universidad de Cambridge le pidió que se tomara un año sabático.
Durante ese año, Demis ganó un concurso organizado por Bullfrog Productions, una importante empresa desarrolladora de videojuegos.
El premio era un empleo como programador en esa compañía, por ser menor de edad, Bullfrog no lo podía incluír en la nómina, así que durante su estadía en la empresa, Demis recibía su sueldo en efectivo y sin que hubiera ningún registro de la transacción.
En Bullfrog co-desarrolló “Theme Park”, un videojuego que vendió millones de copias y en el que Demis experimentó con la IA.
Al final de su año en Bullfrog, Peter Molyneux CEO de la empresa, le ofreció un millón de libras esterlinas para quedarse en lugar de ir a la Universidad, pero Demis (de 17 años) rechazó la oferta.
En Cambridge, estudió Ciencias de la Computación, hizo su postgrado en Neurociencias Cognitivas en UCL y siguió su formación en Neurociencias e Inteligencia Artificial en el MIT y Harvard.
DeepMind
En 2010 fundó DeepMind junto con Shane Legg y Mustafa Suleyman.
Una empresa dedicada a la investigación y desarrollo de IA, su misión es “Solucionar la inteligencia y después usarla para solucionar todo lo demás”
El primer reto de DeepMind fue crear un modelo de IA que aprendiera a jugar el clásico videojuego de Atari Pong, quizá el videojuego más básico que existe.
En 2014 Google adquiere DeepMind por 400 millones de libras esterlinas
Después de haber dominado no solo Pong, sino 44 otros juegos de Atari, DeepMind crea el modelo AlphaGo para aprender a jugar Go, uno de los juegos de mesa más complejos que hay.
En 2016 AlphaGo, venció al campeon mundial de Go, Lee Sedol.
En 2016 DeepMind comenzó a enfocar su tecnología en solucionar problemas más tangibles, implementó un modelo basado en AlphaGo que ayudó a optimizar el consumo eléctrico en los centros de datos de Google un 30%
También en 2016, DeepMind se centró en el Plegamiento de Proteinas, un problema de la biología molecular sin una solución eficiente desde la década de los 60´s.
Las proteinas están presentes en todos los procesos biológicos: transformar luz solar en energía (fotosíntesis), movernos (contracción muscular), reproducirnos y pasar nuestra información genética (división celular /replicación de ADN)
Se tiene registro de más de 200 millones de proteinas, todas ellas con funcionalidad distinta, todas ellas formadas con alguna combinación de 20 aminoacidos. Las distintas combinaciones de estos aminoacidos generan una estructura tridimensional específica, que determina la función de la proteina y su interacción con los procesos biológicos.
En 2016 solo se tenía modelo tridimensional de 125,000 de estas proteinas (el .06% de las proteinas conocidas). Los métodos utilizados para determinar esta estructura podían tardar meses, años y con algunas proteinas simplemente no era posible, además el costo de esta investigación era muy alto.
Conocer esta estructura tridimensional nos permite comprender la función de la proteína y los procesos biológicos en los que interactúa.
Esta información nos ayuda a generar medicinas más eficientes y en menor tiempo. Se pueden desarrollar proteinas (enzimas) que consuman plástico y nos ayuden a corregir el problema de los microplásticos. Comprender el proceso por el cual surgen proteinas “malformadas” relacionadas con enfermedades como Alzheimer, Parkinson, Cáncer, etc..
DeepMind creó el modelo AlphaFold, durante 2 años lo desarrolló y educó para presentarlo en 2018 / CASP13 (Critical Assessment of Protein Structure Prediction) una competición bi-anual en la que se revisan nuevas metodologías para predecir el plegamiento de proteinas.
Las reglas de CASP determinan que si un método predictivo alcanzaba el 90% de exactitud, se nombraría como la Solución al problema de Plegamiento de Proteinas.
En CASP13 AlphaFold ganó la competencia con más del 50% de sus predicciones correctas, pero con una exactitud de 68%
DeepMind desarrolló AlphaFold2, cambió radicalmente la forma en que le enseñaban a este modelo, incorporaron a más gente al equipo de trabajo. Estaban determinados no solo a ganar CASP14 en 2020, sino a mejorar su porcentaje de exactitud.
El 30 de Noviembre de 2020 El Comité organizador de CASP reconoció a AlphaFold2 como amplio ganador de la competencia y como Solución al problema de Plegamiento de Proteinas. AlphaFold2 había logrado alcanzar el 97% de certeza, con una exactitud atómica media de menos de 1 Angstrom.
En 2022 DeepMind y El laboratorio Europeo de Biologia Molecular (EMBL-EBI), lanzan la base de datos de estructuras proteicas (AFDB) que contiene todas las proteinas producidas por el genoma humano (Proteoma Humano) junto con el proteoma de 20 organismos más, en total 350,000 estructuras proteicas. 6 días después DeepMind agrega a la base de datos el 98% de las proteinas conocidas, alcanzando casi 200 millones de estructuras proteicas. Esta base de datos es de libre acceso universal.
Liderazgo
La motivación principal de Demis es el conocimiento y esto le permite tener un estilo de liderazgo humanista y enfocado al bienestar general, más que al bienestar individual.
Esta característica se ve reflejada en no aceptar 1 millón de libras esterlinas a los 17 años, una edad en donde el beneficio individual es comúnmente una gran motivación.
Este nato deseo de conocimiento y bienestar general lo podemos percibir en los objetivos que se ha fijado con DeepMind. En lugar de buscar desarrollar productos que sean comercialmente redituables, Demis ha logrado mantener intacta la filosofía de investigación de DeepMind.
En 2022 tras haber logrado que AlphaFold2 fuera reconocido como Solución al problema de plegamiento de proteinas, fue decisión de Demis publicar detalladamente la metodología detrás de AF2 y registrar como “código abierto” todo el código de AF2.
También fue decisión de Demis, que la base de datos de estructuras proteicas de AF2 y AF3 sean de libre acceso para la investigación no comercial, esto ha permitido a casi 3 millones de científicos alrededor del mundo a acelerar sus respectivas investigaciones.
Es un líder racional y estratégico, características que el ajedrez le ayudó a desarrollar pero que son rasgos natos de su personalidad. Podemos observar esta habilidad estratégica en las decisiones que ha tomado desde muy jóven, cuando tuvo una epifanía en pleno torneo de ajedrez que le permitió forjar su misión: “Solucionar la Inteligencia Artificial”
Desde ese punto ha tomado las decisiones precisas para lograr ganar el juego a largo plazo:
- La selección de los co-fundadores de DeepMind
- La selección de Google como socio para desarrollar la empresa según su visión original
Estas decisiones le han permitido tener suficientes recursos económicos para llevar a cabo investigación y desarrollo de IA de forma metódica, ética y sin presiones comerciales.
AlphaFold le ha dado un enorme capital ético-moral ya que la gente confiará mucho más en cualquier modelo de IA creado por Demis que como científico/investigador ha demostrado una enorme preocupación en el desarrollo e implementación de IA éticamente, que un modelo de IA desarrollado por cualquier empresario.