Искусственный интеллект. Краткая история будущего - Тоби Уолш

один гроссмейстер не сможет обыграть компьютер, но с 1997 года все больше и больше людей зарабатывают на профессиональной игре с компьютером. Стандарты профессиональной и любительской игры заметно возросли. Теперь любители могут тренироваться против бесконечно терпеливых опытных соперников, а эксперты с легкостью могут изучать и понимать новые тонкости игры.

ФОЛДИНГ БЕЛКА

Цель DeepMind была намного масштабней, чем просто соревноваться в играх с человеком. Главным замыслом компании было решить проблемы и создать полноценный искусственный интеллект, а затем использовать его на благо человечества. А что может быть лучше для начала, чем область биологии? Или, если быть более точным, предсказание трехмерной структуры белка по его аминокислотной последовательности. Предсказание структуры белка считалось одной из важнейших нерешенных проблем в биологии на протяжении 50 лет.

Белки – это высокомолекулярные вещества, поддерживающие нашу жизнь. Они доставляют кислород к мышцам, катализируют метаболические реакции, помогают передавать нервные сигналы и играют ключевую роль в фотосинтезе и многих других биологических процессах. Для понимания впечатляющего многообразия функций белков ключевым моментом является изучение их трехмерной структуры. Структура белка напрямую определяет его функциональные возможности. Например, все мы более чем осведомлены о важности спайк-белка в процессе заражения вирусом SARS-CoV–2.

В 1958 году Джон Кендрю стал первым ученым, определившим структуру белка миоглобина. За свое открытие он получил Нобелевскую премию по химии в 1962 году. С тех пор были открыты структуры примерно 170 000 других протеинов. Однако в биологии насчитывается более 200 миллионов белков. Определение трехмерной структуры нового белка – это трудоемкий процесс, который может занять несколько лет исследований и вполне может стать достойным основанием для получения ученой степени.

Предсказание структуры белка стало для DeepMind отличным выбором проблемы, которую необходимо решить, учитывая, что биологи также захотели принять в этом участие. Каждые два года проходит международный чемпионат по предсказанию структуры белка[79], в котором принимают участие около 100 исследовательских групп со всего мира. Тем не менее соревнование довольно-таки сложное. Исследователи проводят годы за разработкой компьютерных программ, позволяющих выполнять предсказания.

До 2018 года, не учитывая простые белки с низкой молекулярной массой, точность вычислительных методов была ограниченной по сравнению с экспериментальными способами. Тогда команда DeepMind решила, что впервые программа AlfaFold станет участником соревнования. Соревнуясь с 97 другими участниками, программа стала победителем и предсказала наиболее точно структуры 25 из 43 белков, в то время как результат команды, занявшей второе место, составил 3 из 43. Два года спустя, в 2020 году, команда DeepMind справилась намного лучше. Новая модель на основе трансформера выиграла чемпионат с результатом, впоследствии описанным биологами как «удивительный и трансформационный». AlfaFold определяла структуры двух из трех белков с точностью лабораторных исследований.

Обучение с подкреплением играет важную роль в AlfaFold, поскольку используется для уточнения предсказанной формы белка путем изучения предыдущих ошибок прогнозирования. Модель получает вознаграждение в зависимости от того, насколько точно предсказанные ею структуры соответствуют известным или определенным экспериментально структурам, что эффективно направляет ее к более точным прогнозам. Такой итеративный процесс помогает модели исследовать обширное пространство потенциальных форм, учась находить баланс между исследованием новых форм сворачивания и использованием известной структурной информации.

В 2022 году DeepMind не стала участвовать в соревновании, поскольку в этом уже не было необходимости. Открыв исходный код AlfaFold, большинство пользователей теперь могут пользоваться программой или встроенным функционалом. Вместо участия в чемпионате DeepMind направил все силы AlphaFold на предсказание структуры белков. В июле 2023 года компания выпустила базу данных, содержащую 200 миллионов белков, и которой сегодня ученые пользуются свободно. Эта база данных включает практически все известные науке белки. Джанет Торнтон, почетный директор Европейского института биоинформатики, где и размещена база данных, очень хорошо описала ее влияние: «Ученые стоят на плечах гигантов. Зачастую этими “плечами” служат данные. Имея миллионы предсказанных структур, мы сможем изменить биологию, что станет полезным для многих отраслей, в том числе и для медицины, сельского хозяйства, биотехнологий. Это просто фантастика!» [1]

ЭЛЕМЕНТАРНО, УОТСОН

Как мы уже увидели, DeepMind не единственная компания, победившая человечество в одной из придуманных им игр. Компания IBM сделала с шахматами то же самое в 1997 году. Проект IBM Deep Blue с легкостью окупил себя. На следующий день после победы Deep Blue над Гарри Каспаровым акции IBM взлетели почти на 4%, добавив около двух миллиардов долларов к рыночной стоимости компании. Победа в шахматах также обеспечила широкую известность IBM как технологическому лидеру. Ничего удивительного в том, что IBM захотела повторить успех, но в уже более сложной игре.

В 2007 году команда IBM под руководством Дэвида Ферруччи начала разработку Watson, программы на основе искусственного интеллекта для игры в популярную викторину Jeopardy![80]. Программу назвали в честь основателя и первого генерального директора Томаса Джона Уотсона. На протяжении 40 сезонов Jeopardy! остается одной из самых продолжительных и популярных телевикторин. Вместо вопросов в Jeopardy! игроки получают ответы. Сформулировав ответ в форме вопроса, они должны угадать личность, место, вещь или идею, описанную в подсказке.

ВОПРОС: Родился в Германии, начал сочинять в Англии в 1710 году и был захоронен в Вестминстерском аббатстве в 1759 году.

ОТВЕТ: Кто такой Георг Фридрих Гендель?

Илл. 23. Кен Дженнингс, Watson и Брэд Раттер соревнуются в Jeopardy! за приз в миллион долларов

Пока вы не начали говорить, что можно просто загуглить ответ, скажу, что Watson не был подключен к интернету. Однако у него был доступ к четырем терабайтам информации, полученной из энциклопедий, словарей, тезаурусов, новостных статей и литературных произведений. Watson состоял из различных программ на базе искусственного интеллекта. Например, одна программа была экспертом в области географии, вторая – отвечала на вопросы про исторические события, а третья – про таксономию. Игроки Jeopardy! должны делать ставку на какой-то конкретный вопрос, в то время как Watson использует метод обучения с подкреплением, чтобы разработать наилучшую стратегию. У программы была механическая рука для нажатия кнопки ответа, прямо как у участников-людей.

Спустя четыре года разработки Watson был готов к состязанию с человеком. В начале 2011 года состоялся матч между чемпионами викторины Кеном Дженнингсом и Брэдом Раттером. Раттер – самый высокооплачиваемый американский участник телевикторин, суммарно выигравший более пяти миллионов долларов. Он также является рекордсменом за самую длинную череду побед в Jeopardy!, став чемпионом 74 раза подряд. Дженнингс – второй в списке самых высокооплачиваемых американских участников телевикторин, ни разу не проигравший в Jeopardy! за все время своих появлений. Но этому суждено было измениться.

Спустя два дня соревнований против Дженнингса и Раттера, Watson от IBM был явным победителем, выиграв 77 147 долларов. Приз Дженнингса составил 24 000 долларов, а Раттера всего