AlphaFold gewinnt den Chemie-Nobelpreis 2024

Am 9. Oktober 2024, einen Tag nachdem der Physikpreis an neuronale Netze gegangen war, zog der Chemie-Nobelpreis nach. Eine Hälfte ging an David Baker für computergestütztes Proteindesign, die andere an Demis Hassabis und John Jumper von Google DeepMind, „für die Vorhersage von Proteinstrukturen”. Ihr Modell AlphaFold ist einer der bislang klarsten Fälle, in denen KI einen echten wissenschaftlichen Durchbruch erzielt.

Ein fünfzig Jahre altes Problem

Proteine sind Ketten aus Aminosäuren, die sich zu verwickelten dreidimensionalen Formen falten, und die Form bestimmt weitgehend die Funktion. Diese Form allein aus der Sequenz vorherzusagen, hatte Forscher seit den 1970ern beschäftigt. 2020 knackte AlphaFold2 das Problem gut genug, um zu zählen, und sagte Strukturen mit einer Genauigkeit voraus, die mit langsamen, teuren Labormethoden mithalten konnte.

DeepMind veröffentlichte anschließend vorhergesagte Strukturen für nahezu alle rund 200 Millionen der Wissenschaft bekannten Proteine. Zur Zeit des Preises hatten mehr als zwei Millionen Forscher die Datenbank genutzt, in Arbeiten von Antibiotikaresistenz bis zu Enzymen, die Plastik zersetzen.

Dieselbe Linie

AlphaFold entstand nicht aus dem Nichts. DeepMind war das Labor hinter AlphaGo, und derselbe Werkzeugkasten aus tiefen neuronalen Netzen, trainiert auf großen Datensätzen, steckt unter beidem. Das erinnert daran, dass die Deep-Learning-Methoden der ImageNet-Ära weit über Chatbots und Bilder hinausreichten.

Warum das wichtig ist

Zwei Nobelpreise in Folge machten deutlich, dass 2024 nicht nur das Jahr des Chatbots war. KI war zu einem Werkzeug der Entdeckung geworden, zu jener Art Instrument, das verändert, wie andere Wissenschaften arbeiten. Es schärfte auch eine alte Frage: Wenn ein Modell die Vorhersage macht, wer genau hat dann die Wissenschaft betrieben? Die Antwort des Komitees war klar genug, um den Preis zwischen dem Bauen von Proteinen von Hand und dem Vorhersagen per Maschine zu teilen.