Революция разума: на подступах к Сингулярности. Как технологии изменят общество и сознание - Рэймонд Курцвейл

идет полным ходом, начавшись с внедрения в биотехнологии нейросетей и компьютерного моделирования. Как мы убедимся в этой главе, результаты не заставили себя ждать: существенно ускорился поиск лекарств, мониторинг эпидемиологической обстановки стал более эффективным, появилась роботизированная хирургия. Например, в 2023 году появилось первое лекарство, от и до разработанное ИИ: препарат для лечения редкой болезни легких проходит вторую фазу клинических испытаний1. Но главная польза, которую обещают принести нам биотехнологии в совокупности с ИИ, имеет поистине фундаментальное значение.

В прошлом медицинские исследования основывались исключительно на результатах кропотливых лабораторных экспериментов, а врачи передавали свой опыт из поколения в поколение. В таких условиях прогресс происходил по линейному закону, то есть очень медленно. Однако ИИ может обработать несопоставимо больший объем информации, чем человек получает за всю свою жизнь, и учесть опыт миллиарда проведенных операций, а не тысяч, которые выполняет один хирург за всю карьеру. Более того, возможности ИИ постоянно растут благодаря экспоненциальному увеличению мощности аппаратного обеспечения. Все это говорит о том, что здравоохранение значительно выиграет, если роль ИИ в вопросах медицины будет расширяться. Уже сейчас компьютерные модели помогают нам находить решение сложных задач биохимии, осуществляя поиск по всем возможным вариантам и находя правильные ответы за считаные часы вместо долгих лет2.

Возможно, самой актуальной задачей на сегодняшний день является поиск лечения постоянно возникающих вирусных заболеваний. Этот процесс можно сравнить с попыткой подобрать ключ к химическому замку нового вируса, только вариантов ключей настолько много, что ими можно было бы заполнить бассейн. Исследователь, используя все свои знания и навыки, способен указать несколько десятков молекул, которые могут оказаться потенциальными лекарствами, но общее количество химических соединений, имеющих отношение к этой задаче, порой исчисляется триллионами3. Часть из них можно быстро исключить как неподходящие, не тратя ресурсы на полноценное моделирование. Но оставшиеся миллиарды вариантов вполне могут стоить тщательной проверки. По некоторым оценкам, все пространство теоретически возможных молекул лекарств содержит более миллиона миллиардов миллиардов миллиардов миллиардов миллиардов миллиардов элементов!4 Независимо от того, насколько велико количество возможных решений, ИИ поможет ученым проанализировать множество вариантов и сосредоточиться на тех, которые имеют наибольший потенциал для победы над конкретным вирусом.

Такой тщательный подход к поиску имеет ряд преимуществ. В настоящее время, как только у нас появляется потенциально эффективный противовирусный препарат, мы должны найти несколько десятков или сотен добровольцев и провести клинические испытания, которые могут занять несколько месяцев или даже лет и обойтись в несколько десятков или сотен миллионов долларов. К сожалению, первая попытка не всегда оказывается успешной и нам приходится искать альтернативные варианты, что может занять еще больше времени. Пока не будут получены результаты этих исследований, разработка лекарства не может быть возобновлена. В США законодательство предписывает проведение трех фаз клинических испытаний. Согласно обзору МТИ, только 13,8 % потенциальных препаратов проходят этот процесс до конца и получают одобрение FDA5. Таким образом, чтобы вывести препарат на рынок, обычно требуется около 10 лет, а расходы составляют от 1,3 миллиарда до 2,6 миллиарда долларов США6.

В последние годы мы наблюдаем заметный рост числа научных открытий, совершенных с помощью ИИ. В 2019 году исследователи из Университета Флиндерса в Австралии разработали «турбовакцину» от гриппа, задействовав биологический симулятор для поиска веществ, способных активировать иммунную систему человека7. В поисках идеальной молекулы ученые сгенерировали на компьютере триллионы различных формул и передали их другой программе, которая определяла, сможет ли конкретная молекула эффективно стимулировать иммунитет для борьбы с вирусом8.

В 2020 году группа ученых их Массачусетского технологического института применила ИИ для создания мощного антибиотика, способного нейтрализовать опасные бактерии, устойчивые к традиционным препаратам. За считаные часы они проанализировали 107 миллионов потенциальных антибиотиков вместо нескольких видов лекарств, отобрали 23 наиболее перспективных и выделили среди них два, которые системе показались особенно действенными9. «Это поистине выдающееся исследование, – говорит Джейкоб Дуррант, разработчик фармацевтических препаратов из Питтсбургского университета. – Оно позволяет оценить потенциал компьютерного моделирования в разработке лекарств. Было бы невозможно экспериментально проверить антимикробные свойства более 100 миллионов веществ»10. Сейчас команда из МТИ использует этот подход для разработки новых высокоэффективных антибиотиков с нуля.

Однако самым впечатляющим примером использования ИИ в медицине стала разработка в 2020 году безопасной и эффективной вакцины против COVID-19 в рекордные сроки. Власти Китая обнародовали генетический код вируса 11 января 2020 года11. Ученые из компании Moderna с помощью методов машинного обучения изучили вопрос, какая вакцина была бы наиболее действенной, и спустя два дня уже имели на руках код для своей будущей mRNA-вакцины 12. Первая испытательная партия была готова 7 февраля. После предварительного тестирования образцы были отправлены в Национальные институты здравоохранения (NIH) 24 февраля. А уже 16 марта, спустя всего 63 дня с момента получения кода вакцины, первая доза была введена участнику клинических испытаний. До пандемии на создание вакцин обычно уходило от 5 до 10 лет. Благодаря такой прорывной скорости, без сомнения, удалось спасти миллионы жизней.

Но битва еще не окончена, поскольку продолжают появляться новые штаммы коронавируса. В 2021 году ученые из Университета Южной Калифорнии разработали программное обеспечение на основе ИИ, которое позволяет ускорить адаптацию вакцин к новым вариантам вируса, который продолжает мутировать13. С помощью компьютерного моделирования вакцину можно разработать за одну минуту и завершить тестирование в режиме симуляции в течение часа. Ко времени выхода этой книги будут созданы еще более совершенные программные средства.

Все задачи, которые мы до сих пор обсуждали, представляют собой частные случаи фундаментальной проблемы биологии: моделирование трехмерной структуры белка. Цепочки ДНК в нашем геноме кодируют последовательности аминокислот, которые сворачиваются в молекулу белка, и особенности ее пространственной структуры во многом определяют, какими свойствами она будет обладать. Наши тела состоят преимущественно из белков, так что установление связей между формой их молекул и тем, как они функционируют, является ключом к разработке новых препаратов и избавлению от болезней. К сожалению, людям пока удавалось с весьма невысокой точностью предсказать способ сворачивания конкретного белка, поскольку сложность процесса не позволяет свести его к единому набору простых для понимания правил. Так что открытия во многом зависели от удачи и кропотливого труда, а оптимальные решения, возможно, были пропущены. Долгое время эта проблема оставалась главной преградой на пути к большим успехам в фармакологии14.

И здесь возможности нейросетей по распознаванию образов обеспечивают решающее преимущество. В 2018 году подразделение DeepMind компании Alphabet разработало систему AlphaFold и проверило ее в соревновании с учеными-людьми и программным обеспечением прошлых поколений15. В