Google es (todavía) pionero en inteligencia artificial

Alfabeto (NASDAQ: GOOG) (NASDAQ: GOOGL) es mejor conocido por su motor de búsqueda líder en la industria, Google. Pero a pesar de que esta herramienta ha tenido una adopción generalizada en todo el mundo, la mayoría de las personas probablemente no consideren la tecnología oculta. La Búsqueda de Google se apoya en la inteligencia artificial para comprender el lenguaje y ofrecer resultados más precisos. En otras palabras, intenta interpretar lo que quieres decir, no solo lo que escribe en la barra de búsqueda.

Sin embargo, hay más en Alphabet que Google y sigue siendo pionero en nuevos casos de uso de inteligencia artificial en sus diversos negocios. En esto Pase a los camerinos video, que se transmitió 27 de septiembre de 2021John Bromels, colaborador de Motley Fool, analiza algunas formas en las que Alphabet utiliza la inteligencia artificial.

John Bromels: Hablando de inteligencia artificial, el primer nombre que me viene a la mente es Alphabet. El símbolo de cotización es GOOG y GOOGL. Este es un pequeño compañero útil. De hecho, así es como me veo cuando no estoy proyectado en una pantalla, este tipo amarillo de aquí. Creemos que Google es un motor de búsqueda, que tiene suites de negocios y varias otras cosas. Pero Google en realidad está haciendo mucho entre bastidores, específicamente Google y Alphabet.


Recomendado: ¿Qué es el Big data?.


Las otras empresas forman parte de Alphabet en general, y en realidad hacen mucho entre bastidores, especialmente en inteligencia artificial. Para sentar las bases para una gran cantidad de trabajo de inteligencia artificial moderno y contemporáneo, en realidad hay que remontarse a 1997 cuando IBMDeep Blue venció por primera vez al Gran Maestro Internacional Gary Kasparov en Ajedrez. Esto fue un gran problema considerando eso, y la gente no recuerda esto, el año anterior a que Deep Blue en realidad no lo hizo. Había jugado Gary Kasparov y perdido. Tuvo una revancha en el 97 y pudo ganar. Por supuesto, Deep Blue es cosa de IBM. IBM también conmocionó al mundo en 2011 cuando Watson derrotó a Ken Jennings y Brad Rutter en peligro. Pero Google realmente llegó a los titulares unos años después, en 2017, y este fue el gran premio. Su computadora AlphaGo derrotó a un Go Master chino tres juegos seguidos en 2017.

Go es mucho más complejo que el ajedrez en términos de la cantidad de posibles movimientos y la cantidad de posibles iteraciones que Google no hizo lo que IBM hizo con Deep Blue. En 1997, Deep Blue, literalmente, los programadores hicieron que Deep Blue considerara todos los movimientos posibles y saliera a examinar cada posibilidad y luego regresara y eligiera la que tuviera la mayor cantidad de combinaciones de medias posibles saliendo de esa rama que estableció porque Go es miles. y miles de veces más complejo con muchos más movimientos posibles. Quiero decir, creo que hay algo así como billones de posibles movimientos o posibles secuencias en cualquier juego de Go. Lo que hizo AlphaGo, que era el proyecto de Google, lo enseñaron haciéndolo jugar solo. Jugando contra juegos para descubrir cuáles eran las mejores prácticas y la mejor estrategia. Fuera de ese proceso, esto en realidad, las cosas de Chess and the Go lanzaron el interés de Google y Alphabet en resolver estos problemas de inteligencia artificial y aprendizaje automático. Llevaría mucho tiempo analizar todas las cosas que Google y Alphabet están tratando de hacer en inteligencia artificial y aprendizaje automático porque tienen numerosos proyectos. Pero solo quería resaltar uno de esos.

DeepMind es el nombre de la subsidiaria de Alphabet, al igual que Google es una subsidiaria de Alphabet, DeepMind es la subsidiaria de Alphabet que busca específicamente inteligencia artificial y aprendizaje automático. Google convierte esto en la cuestión del plegamiento de proteínas. Este es un proceso muy específico en biotecnología. Cuando una proteína se forma a partir de un montón de aminoácidos, toma estos aminoácidos, que tienen la forma de hilos de lana, cadenas de lana, y los pliega para formar este tipo de estructura tridimensional. Al igual que casi como sostener un trozo de papel en un pájaro de Origami u otro animal. El caso es que utiliza muchos de los mismos inmunoácidos, puede convertirlos en estas estructuras, pero cada estructura determina lo que puede hacer esa proteína. Piense en ello como si pudiera tomar la misma hoja de papel y doblarla en numerosos animales de Origami. Lo mismo ocurre con las proteínas.

Sin embargo, si su proteína está un poco mal, si se dobla ligeramente mal, puede causar una gran cantidad de problemas genéticos, incluidas cosas como la fibrosis quística. Eso es el resultado de una proteína que se forma de manera ligeramente diferente. Puede llevar años y toneladas y toneladas de dinero e investigación para tratar de analizar la estructura y el pliegue de una sola proteína y poder predecir cómo funcionará en el laboratorio.

DeepMind de Alphabet decidió intentar resolver este problema en 2016, comenzaron a trabajar en IA en 2016. En 2018, tienen este programa llamado AlphaFold, logra una victoria apenas en la competencia bienal de efectivo, que es una competencia bienal para ver. si podemos predecir cómo se van a formar las proteínas basándonos en los aminoácidos que las contienen, esencialmente replicando por predicción estos años y años de trabajo de laboratorio y todo este dinero.

Luego, el año pasado en 2020, DeepMind regresó con AlphaFold 2, dos años después, y esencialmente, anunció que este problema se resolvió porque AlphaFold 2 pudo replicar mediante un simple modelado de predicción. Básicamente, fue capaz de replicar lo que a los científicos les lleva años y años hacer en el laboratorio, observando la proteína real. Pudo predecir: «Sí, así es como se verá». Esto tiene implicaciones increíbles para la biotecnología y el trabajo genético y otros campos de tratamiento de enfermedades y afecciones. Eso es, literalmente, una cosa que Google y Alphabet están haciendo entre las docenas de cosas que están haciendo en este campo.

Este artículo representa la opinión del autor, que puede estar en desacuerdo con la posición de recomendación «oficial» de un servicio de asesoría premium de Motley Fool. ¡Somos abigarrados! Cuestionar una tesis de inversión, incluso una de las nuestras, nos ayuda a todos a pensar críticamente sobre la inversión y a tomar decisiones que nos ayuden a ser más inteligentes, felices y ricos.