Pushmeet Kohli ist ein indisch-britischer Informatiker und Vizepräsident für Forschung bei Google DeepMind, wo er die Abteilung für Wissenschaft und strategische Initiativen leitet. Bekannt wurde er vor allem durch die Leitung der Entwicklung von AlphaFold, einem Deep-Learning-System zur Vorhersage von Proteinstrukturen, und hat zu zahlreichen weiteren KI-Projekten beigetragen. Im Jahr 2023 ernannte ihn das Time Magazine zu einem der 100 einflussreichsten Menschen im Bereich der künstlichen Intelligenz.
Kohlis Forschung umfasst maschinelles Lernen, Computer Vision und künstliche Intelligenz mit Anwendungen in der Computerbiologie, Programmsynthese und Optimierung. Seine Arbeiten wurden mit mehreren Preisen für die besten Paper sowie Auszeichnungen für zeitlose Beiträge (Test-of-Time-Awards) gewürdigt.
Ausbildung
Kohli erwarb einen Bachelor of Technology (BTech) in Informatik und Ingenieurwesen am National Institute of Technology in Warangal, Indien. Anschließend zog er in das Vereinigte Königreich, wo er 2007 an der Oxford Brookes University unter der Aufsicht von Philip Torr in Computer Vision promovierte. Seine Doktorarbeit konzentrierte sich auf diskrete Optimierungstechniken für Probleme der Bildverarbeitung.
Frühe Karriere
Nach seiner Promotion arbeitete Kohli als Postdoktorand am Psychometrie-Zentrum der University of Cambridge, wo er maschinelles Lernen auf psychologische Messungen anwendete. Danach trat er Microsoft Research als Partner-Wissenschaftler und Forschungsdirektor bei und leitete Projekte in den Bereichen Computer Vision und Crowdsourcing. In dieser Zeit trug er zur Entwicklung des Systems zur Schätzung menschlicher Posen des Kinect bei, das Tiefensensoren nutzte, um Körperbewegungen in Echtzeit zu verfolgen.
Bei Google DeepMind
Kohli stieß Mitte der 2010er-Jahre zu Google DeepMind (damals DeepMind Technologies) und stieg schließlich zum Vizepräsidenten für Forschung auf. Er leitet die Abteilung für Wissenschaft und strategische Initiativen, die sich darauf konzentriert, KI für wissenschaftliche Entdeckungen anzuwenden und gesellschaftliche Herausforderungen zu bewältigen. Unter seiner Aufsicht hat DeepMind mehrere wegweisende Systeme hervorgebracht, darunter AlphaFold, AlphaEvolve, SynthID und Co-Scientist.
Hauptprojekte
AlphaFold
AlphaFold ist ein KI-System, das die 3D-Struktur von Proteinen aus ihren Aminosäuresequenzen vorhersagt. Kohli leitete das Team, das AlphaFold entwickelte und dabei eine bahnbrechende Genauigkeit in den Wettbewerben zur kritischen Bewertung der Proteinstrukturvorhersage (CASP) erzielte. Das System wurde verwendet, um Strukturen für Hunderte Millionen Proteine vorherzusagen und damit die Forschung in Biologie und Medizin zu beschleunigen.
AlphaEvolve
AlphaEvolve ist ein universell einsetzbarer evolutionärer Codierungsagent, der Computerprogramme durch iterative Mutation und Selektion optimiert. Es wurde für die Supersoptimierung von Code eingesetzt, um effizientere Implementierungen von Algorithmen zu finden.
SynthID
SynthID ist ein System zur Kennzeichnung und Erkennung von KI-generierten Inhalten, einschließlich Bildern und Text. Es bettet nicht wahrnehmbare Wasserzeichen ein, die später verifiziert werden können, um Fehlinformationen zu bekämpfen und die Authentizität von Inhalten sicherzustellen.
Co-Scientist
Co-Scientist ist ein KI-Agent, der darauf ausgelegt ist, neue wissenschaftliche Hypothesen zu generieren und zu testen. Er verwendet große Sprachmodelle, um Experimente vorzuschlagen und Ergebnisse zu analysieren, was das Tempo von Entdeckungen potenziell beschleunigen könnte.
Weitere Beiträge
Kohli hat auch zu AlphaTensor beigetragen, einem Agenten für bestärkendes Lernen, der schnellere Algorithmen zur Matrixmultiplikation entdeckt; zu AlphaCode, einem System zur Generierung von Code auf Wettbewerbsniveau; zu FunSearch, das große Sprachmodelle zur Durchsuchung von Programmrüumen einsetzt; sowie zu AlphaGenome und AlphaMissense, Modellen, die die Auswirkungen genetischer Mutationen vorhersagen. Seine früheren Arbeiten umfassen neuronale Programmsynthese, probabilistische Programmierung und Verhaltensanalyse mithilfe von Online-Netzwerken.
Forschungsthemen
Kohlis Forschung verbindet oft diskrete Optimierung mit Deep Learning. Er hat an Residual-Netzwerk-Architekturen und Verlustfunktionen für Bildverarbeitungsaufgaben gearbeitet und Datenaugmentierung-Techniken erforscht. Sein Interesse an Psychometrie führte zu Methoden zur Persönlichkeitsvorhersage aus Daten sozialer Medien. In den letzten Jahren hat er sich auf die Anwendung von KI auf wissenschaftliche Probleme konzentriert, wie die Kontrolle des magnetischen Einschlusses für die Fusion und die Lösung des fraktionalen Elektronenproblems mithilfe gelernter Dichtefunktionale.
Auszeichnungen und Ehrungen
Kohlis Arbeit wurde mit zahlreichen Auszeichnungen gewürdigt:
- Koenderink-Preis (Test-of-Time-Auszeichnung) der European Conference on Computer Vision
- Sullivan-Preis der British Machine Vision Association and Society for Pattern Recognition (BMVA) für die beste Doktorarbeit
- Impact-Paper-Auszeichnung der IEEE Mixed Augmented Reality (ISMAR)
- Lasting Impact Award des ACM Symposium on User Interface Software and Technology
- Preis für das beste Paper der International World Wide Web Conference 2014
- Preis für das beste Paper der European Conference on Computer Vision (ECCV) 2010
- Preis für das beste Paper der Conference on Uncertainty in Artificial Intelligence (UAI)
Zudem wurde er 2023 in die Time-100-KI-Liste aufgenommen.
Wirkung und Vermächtnis
Kohlis Führung von AlphaFold hat eine transformative Wirkung auf die Strukturbiologie gehabt, da die Vorhersagen des Systems von Forschern weltweit genutzt werden. Seine breitere Arbeit zu KI für die Wissenschaft hat dazu beigetragen, ein neues Paradigma zu etablieren, bei dem maschinelles Lernen Entdeckungen in Bereichen wie Genomik, Materialwissenschaften und Physik beschleunigt. Stand 2025 leitet er weiterhin die Forschung bei Google DeepMind und konzentriert sich auf strategische Initiativen, die grundlegende KI-Forschung mit praktischen Anwendungen verbinden.