Perspektif Arsitek: Demis Hassabis and AlphaFold: How Systems Engineering — Apa Maknanya Bagi Masa Depan Engineering?
Ringkasan: Keberhasilan Demis Hassabis dan DeepMind memecahkan misteri pelipatan protein (protein folding) selama 50 tahun bukanlah sekadar kemenangan brute-force compute, melainkan mahakarya systems engineering. Dengan menggabungkan prinsip fisika, mekanisme attention dari arsitektur Transformer, dan disiplin validasi hipotesis yang ketat, AlphaFold2 membuktikan bahwa AI yang memahami domain constraints akan selalu mengalahkan model yang hanya mengandalkan skala data semata. Di era di mana kita terbiasa melempar lebih banyak GPU untuk menyelesaikan masalah, pendekatan DeepMind mengajarkan kita pentingnya meruntuhkan arsitektur yang sudah "cukup baik" demi mencapai akurasi absolut.
Saya masih ingat momen di bangku kuliah ketika pertama kali diperkenalkan pada Paradoks Levinthal dalam kelas bioinformatika. Cyrus Levinthal, seorang ahli biologi molekuler, pada tahun 1969 mengemukakan sebuah observasi yang secara matematis terdengar seperti mimpi buruk bagi para computer scientist. Ia mencatat bahwa sebuah protein berukuran rata-rata memiliki jumlah kemungkinan konfigurasi lipatan (folding configurations) yang sangat masif—sekitar $10^{300}$ kemungkinan.
Untuk memberikan perspektif, jumlah atom di seluruh alam semesta yang dapat diamati "hanya" sekitar $10^{80}$. Jika sebuah rantai protein mencoba setiap kemungkinan lipatan secara berurutan, proses tersebut akan memakan waktu lebih lama dari usia alam semesta itu sendiri. Namun, di dalam tubuh kita, saat Anda membaca kalimat ini, jutaan protein melipat diri mereka ke dalam struktur tiga dimensi yang sangat presisi hanya dalam hitungan milidetik. Alam semesta memiliki algoritma optimasi yang luar biasa efisien, dan selama lebih dari setengah abad, umat manusia gagal melakukan reverse-engineering terhadap algoritma tersebut.
Hingga akhirnya, lanskap sains berubah secara permanen. Pada tahun 2024, Demis Hassabis dan John Jumper dianugerahi Hadiah Nobel Kimia atas pencapaian monumental mereka dalam memprediksi struktur protein. Melalui model AI yang mereka sebut AlphaFold2, mereka berhasil memprediksi struktur dari hampir seluruh protein yang diketahui oleh sains. Ini bukan sekadar pencapaian akademis; ini adalah disrupsi fundamental yang kini menjadi tulang punggung dalam riset farmasi (drug discovery) dan teknologi lingkungan.
Namun, sebagai seorang software architect, yang paling membuat saya terobsesi dari kisah ini bukanlah piala Nobel itu sendiri. Yang membuat saya terpukau adalah bagaimana mereka membangun sistem tersebut. Kisah AlphaFold bukanlah narasi klise tentang "kami mengumpulkan data yang sangat banyak dan melatih neural network raksasa di atas ribuan GPU." Ini adalah kisah tentang systems engineering tingkat tinggi, tentang keberanian untuk membuang arsitektur yang sudah terbukti menang, dan tentang bagaimana mengawinkan domain knowledge (fisika dan biologi evolusioner) dengan machine learning.
Mari kita bedah arsitektur di balik revolusi ini, dan melihat mengapa pendekatan engineering Demis Hassabis adalah masterclass yang harus dipelajari oleh setiap arsitek sistem di era AI modern ini.
Dari Papan Catur, Video Game, hingga Biologi Molekuler
Untuk memahami arsitektur AlphaFold, kita harus terlebih dahulu memahami arsitek utamanya. Demis Hassabis bukanlah tipikal ilmuwan komputer konvensional. Latar belakangnya adalah perpaduan yang sangat langka dan spesifik, yang pada akhirnya membentuk filosofi engineering di DeepMind.
Hassabis adalah seorang child prodigy di dunia catur, mencapai gelar Master pada usia 13 tahun. Dari catur, ia belajar tentang search space—bagaimana mengevaluasi jutaan kemungkinan langkah di masa depan dan memangkas (pruning) cabang-cabang keputusan yang tidak relevan. Di usia remajanya, ia banting setir menjadi game developer dan menjadi lead programmer untuk Theme Park, sebuah game simulasi legendaris di tahun 90-an. Dari pengembangan game, ia belajar tentang state machines, simulasi sistem kompleks, dan bagaimana membangun engine yang beroperasi berdasarkan aturan-aturan fisika buatan.
Tidak berhenti di situ, ia kemudian mengambil gelar PhD di bidang cognitive neuroscience di University College London (UCL). Ia meneliti hippocampus, bagian otak yang bertanggung jawab atas memori episodik dan navigasi spasial. Ia mempelajari bagaimana otak manusia memodelkan dunia fisik.
Ketika Hassabis mendirikan DeepMind, misinya sangat ambisius namun terstruktur: "Solve intelligence, and then use that to solve everything else."
Banyak orang melihat kesuksesan awal DeepMind dalam menaklukkan game Atari atau mengalahkan juara dunia Go (melalui AlphaGo) sebagai tujuan akhir. Namun, bagi Hassabis, game hanyalah sandbox—lingkungan pengujian yang aman dengan aturan yang deterministik dan perfect information. Tujuan sebenarnya selalu adalah sains. Dan target utamanya adalah masalah paling menantang dalam biologi struktural: protein folding.
Selama puluhan tahun, para ilmuwan mengandalkan metode eksperimental seperti kristalografi sinar-X (X-ray crystallography) dan mikroskopi cryo-elektron (Cryo-EM) untuk memetakan struktur protein. Proses ini sangat lambat, membutuhkan waktu berbulan-bulan hingga bertahun-tahun, dan menghabiskan biaya jutaan dolar hanya untuk satu struktur protein. Jika DeepMind bisa memprediksi struktur ini hanya dari sekuens asam amino (kode genetik 1D) menggunakan komputasi, mereka akan mempercepat kemajuan biologi ribuan kali lipat.
Mereka pun memasuki arena CASP (Critical Assessment of protein Structure Prediction), sebuah kompetisi dua tahunan yang sering disebut sebagai Olimpiade pelipatan protein. Di sinilah perjalanan engineering yang sesungguhnya dimulai.
Ilusi Kemenangan dan Keberanian untuk Membongkar Ulang
Pada tahun 2018, DeepMind mengikuti CASP13 dengan iterasi pertama mereka: AlphaFold1. Hasilnya mengejutkan dunia akademis. AlphaFold1 memenangkan kompetisi tersebut dengan margin yang signifikan, mengalahkan laboratorium-laboratorium bioinformatika top dunia.
Dari kacamata engineering, AlphaFold1 adalah sebuah sistem yang brilian pada masanya. Model ini menggunakan arsitektur Convolutional Neural Networks (CNNs), spesifiknya varian dari ResNet yang sangat dalam. Idenya adalah memperlakukan masalah pelipatan protein seperti masalah computer vision. Jaringan saraf ini dilatih untuk memprediksi jarak antara setiap pasang asam amino dalam sekuens, menghasilkan sebuah matriks jarak (distogram). Setelah distogram ini dihasilkan, sebuah algoritma optimasi terpisah (menggunakan gradient descent konvensional) akan mencoba melipat protein secara fisik agar sesuai dengan jarak yang diprediksi oleh CNN tersebut.
Bagi kebanyakan tim engineering, kemenangan di CASP13 adalah momen untuk merayakan kesuksesan dan menggandakan investasi pada arsitektur yang sama. Logika standar di industri teknologi adalah: "Sistem ini bekerja. Mari kita perbesar dataset-nya, tambah jumlah layer ResNet-nya, dan jalankan di atas klaster TPU yang lebih masif. Scale is all you need."
Namun, di sinilah konflik arsitektural terjadi. Hassabis, John Jumper (yang memimpin proyek AlphaFold), dan tim DeepMind menyadari sebuah kenyataan pahit: AlphaFold1 telah mencapai ceiling atau batas maksimal kemampuannya.
Meskipun menang, AlphaFold1 belum mencapai "akurasi atomik" (resolusi di bawah 1 Angstrom) yang dibutuhkan agar model tersebut benar-benar berguna untuk penemuan obat (drug discovery). Masalah fundamentalnya terletak pada inductive bias dari CNN itu sendiri. CNN dirancang untuk memproses piksel-piksel yang berdekatan secara lokal dalam sebuah gambar 2D. Namun, protein bukanlah gambar 2D. Protein adalah graf spasial 3D yang sangat kompleks. Asam amino di posisi ke-10 dan posisi ke-400 dalam sebuah rantai linier mungkin terpisah sangat jauh secara sekuensial, tetapi ketika protein itu melipat, keduanya bisa bersentuhan langsung secara fisik. CNN sangat buruk dalam menangkap dependensi jarak jauh (long-range dependencies) seperti ini.
Selain itu, memisahkan prediksi jarak (distogram) dengan proses optimasi fisik adalah sebuah anti-pattern dalam deep learning modern. Sistem tersebut tidak bersifat end-to-end differentiable. Jika optimasi fisiknya gagal, sinyal kesalahannya (error signal) tidak bisa dipropagasikan kembali secara langsung ke dalam CNN untuk memperbaiki pemahamannya.
Di sinilah letak pelajaran systems engineering terbesar dari DeepMind. Mereka memiliki keberanian yang luar biasa untuk membuang arsitektur pemenang mereka. Mereka tidak mencoba menambal (patch) AlphaFold1. Mereka meruntuhkannya hingga ke fondasi dan memulai dari awal. Mereka menolak godaan pure deep learning yang buta terhadap domain, dan mulai merancang arsitektur yang secara intrinsik memahami hukum fisika dan biologi evolusioner.
Evoformer: Mengawinkan Evolusi dengan Mekanisme Attention
Jawaban atas kebuntuan tersebut lahir pada tahun 2020 dalam bentuk AlphaFold2. Ini bukan sekadar pembaruan versi; ini adalah pergeseran paradigma arsitektural yang radikal. DeepMind meninggalkan CNN dan beralih ke arsitektur Transformer, yang pada saat itu sedang merevolusi Natural Language Processing (NLP). Namun, mereka tidak sekadar menggunakan Transformer standar. Mereka merekayasa ulang mekanisme attention untuk menciptakan komponen inti yang mereka sebut Evoformer.
Untuk memahami kejeniusan Evoformer, kita harus memahami bagaimana ahli biologi memecahkan masalah struktur secara manual menggunakan Multiple Sequence Alignment (MSA). Sepanjang sejarah evolusi, jika dua asam amino dalam sebuah protein saling bersentuhan secara fisik (misalnya untuk menjaga kestabilan struktur), maka mutasi pada salah satu asam amino sering kali akan diikuti oleh mutasi kompensasi pada asam amino pasangannya di spesies lain. Jika kita menyejajarkan sekuens genetik dari protein yang sama dari ratusan spesies berbeda (dari bakteri hingga manusia), kita bisa melihat pola ko-mutasi ini. Pola ini adalah "jejak rekam" evolusi yang menunjukkan bagian mana dari protein yang berinteraksi dalam ruang 3D.
Evoformer dirancang secara khusus untuk memproses dua aliran data (data streams) secara paralel:
- Representasi MSA (1D/2D): Menangkap sejarah evolusi dan pola ko-mutasi.
- Representasi Pairwise (2D): Menangkap hubungan spasial (jarak dan sudut) antara setiap pasang asam amino.
Keajaiban arsitekturalnya terjadi di dalam blok Evoformer. Alih-alih memproses kedua aliran ini secara terpisah, Evoformer menggunakan mekanisme attention yang sangat kompleks untuk memungkinkan kedua aliran ini saling bertukar informasi secara terus-menerus. Representasi MSA memperbarui representasi pairwise, dan representasi pairwise memberikan konteks spasial kembali ke representasi MSA. Ini adalah implementasi message passing pada graf yang sangat elegan.