M’ha agradat el post de The Guardian titulat Douglas Adams was right – knowledge without understanding is meaningless on es discuteix un article de Nature sobre com la Intel·ligència Artificial ha fet avançar molt la predicció d’estructures de plegat de proteïnes. Es pregunta, per exemple, si s’acaba d’alguna forma la feina per als joves bioquímics, ja que les màquines podran fer més ràpid i millor el que estan fent ara (predir estructures de proteïnes) – o si hauran de buscar nous problemes on la #artint no sigui (al menys per ara) gaire competència.
I aquí entra en la diferència entre coneixement i comprensió: la #artint no en sap, de bioquímica. Per això diuen que no hi coneixement científic.
It’s conceivable that a machine-learning approach will soon enable us to make accurate predictions of how a protein will fold and this may be very useful to know. But it won’t be scientific knowledge. After all, AlphaFold knows nothing about biochemistry. We’re heading into uncharted territory.
Una mica ens passa als químics quàntics, també. Abans fèiem els càlculs als químics experimentals. Ara tots en saben, de fer càlculs, i no els som pas gaire útils. Però segueix vigent “garbage in, garbage out”… la química computacional no és cap caixa negra,, i cal saber què es fa, quines són les limitacions del mètode… i quin és el “state-of-the-art”. També ens haurem d’anar adaptant a les noves circumstàncies. És el progrés.
whether protein structure prediction as an academic field has a future, or whether… the best research will from here on out get done in industrial labs, with mere breadcrumbs left for academic group
Les engrunes (jo diria, les engrunes dels experiments més rutinaris, siguin físics o virtuals) seran per als acadèmics, que amb la llibertat d’explorar nous móns no estem tan sotmesos a la llei del mercat. Hi ha pertorbacions que afecten l’equilibri, però el sistema intenta recobrar-lo.
Foto al Guardian, de Hitchhickers’ guide to the Galaxy.