Алгоритмы больших открытий
Как искусственный интеллект помогает ученым в работе
Решение «задач тысячелетия», поиск экзопланет и внеземных цивилизаций, создание новых поколений лекарств — сегодня ученые делают новую попытку решить эти и другие научные проблемы с использованием инструментов искусственного интеллекта. Редакция «Ъ-Науки» собрала наиболее интересные открытия прошлого года и спросила ученых о перспективах использования ИИ в науке.
Фото: Александр Миридонов, Коммерсантъ
Фото: Александр Миридонов, Коммерсантъ
Как говорит руководитель Школы анализа данных «Яндекса» Алексей Толстиков, по значению для науки технология искусственного интеллекта сравнима с применением электричества. Эксперты подчеркивают: в будущем ИИ станет полезным инструментом для предсказания свойств веществ, генерации новых видов лекарственных молекул и верификации доказательств в математике. А заведующий лабораторией LAMBDA факультета компьютерных наук НИУ ВШЭ Денис Деркач отмечает большой потенциал технологии в экспериментальной физике и астрономии.
Большие языковые модели: от олимпиады до настройки ускорителей частиц
Большие языковые модели все чаще находят применение в самых разных областях науки, выходя далеко за рамки работы с текстом. Одним из ярких примеров стало использование ИИ для управления пучками элементарных частиц, отмечает Денис Деркач. Физики из научного центра «Немецкий электронный синхротрон» (DESY) в Гамбурге под руководством Яна Кайзера показали, как такие модели помогают настраивать ускорители частиц в реальном времени. В экспериментах с электронным ускорителем ARES команда использовала 14 языковых моделей для регулировки пяти магнитов, которые фокусируют и направляют электронный луч. Вместо традиционного программирования операторы описывали задачи на естественном языке, а модели предлагали параметры настройки и объясняли ожидаемые результаты. В будущем языковые модели смогут стать «вторым пилотом» при управлении ускорителями, помогая специалистам в настройке оборудования и открывая новые перспективы для автономной работы в таких областях, как, например, исследования рака, отмечает эксперт.
Нейросети могут сыграть свою роль и в исследовании недоступных или труднодоступных для человека территорий: глубин океана, вулканов и далеких планет. Во всех этих случаях принимать риски исследования смогут рои роботов, действующие как единый организм и управляемые учеными посредством генеративного искусственного интеллекта. В прошлом году российский ученый Артем Лыков стал лауреатом Yandex ML Prize за один из первых в мире масштабируемых (способных эффективно работать с различными объемами задач или количеством устройств) инструментов для управления роем квадрокоптеров на естественном языке, в котором задание формируется не для каждого робота по отдельности, а для всего роя в целом. Например, роботы смогли сформировать в воздухе такие фигуры, как куб и сфера, создать в небе образ Сатурна с кольцами и даже указать направление на север — всего лишь на основе текстового запроса, такого как «сгенерируй Сатурн» или «покажи, где находится север».
По мнению Алексея Толстикова, в ближайшие годы ИИ может повлиять и на математику. «Еще не решены шесть из семи “проблем тысячелетия” — наиболее сложные задачи фундаментальной математики. Не доказана гипотеза Римана. Используя ИИ, человечество может приблизиться к решению некоторых из них. Возможно, как раз гипотезы Римана»,— отмечает эксперт. При этом в прошлом году ИИ продемонстрировал первые значительные успехи в области математических исследований. Google DeepMind представил два новаторских инструмента: AlphaProof, специализирующийся на математических рассуждениях, и AlphaGeometry 2, ориентированный на задачи по геометрии. Последняя модель продемонстрировала феноменальный результат, решив 83% задач Международной математической олимпиады за последние 25 лет. Однако, по словам вице-президента Google DeepMind Дэвида Сильвера, пока что ИИ способен просто ускорять вычисления, но он не обладает воображением, необходимым для постановки новых вопросов в математике.
Компьютерное зрение: взгляд в прошлое и будущее
Компьютерное зрение — еще одна важная разновидность технологии искусственного интеллекта, имеющая потенциал в научных исследованиях. Например, компьютерное зрение применяется в астрофизике — при наблюдениях древних галактик и исследованиях большого взрыва. Среди наиболее впечатляющих достижений последних лет — астрофизические эксперименты, в частности работа телескопа Джеймса Уэбба, который в 2024 году позволил сделать важные открытия, включая обнаружение древних галактик и новые данные о моменте Большого взрыва. А международная команда астрономов при помощи телескопа TESS и инструментов компьютерного зрения в прошлом году обнаружила экзопланету в обитаемой зоне красного карлика TOI-715. Звезда, расположенная в 137 световых годах от Земли, оказалась старше нашего Солнца на 2 млрд лет. В ее орбите нашли суперземлю TOI-715b, потенциально пригодную для жизни.
Технологии компьютерного зрения также помогают восстанавливать утраченные знания. Например, античные тексты по окаменевшим свиткам из Геркуланума — города, уничтоженного извержением Везувия в 79 году н. э. Обугленные папирусы из древней библиотеки, пролежавшие под слоями вулканической грязи почти 2 тыс. лет, считались слишком хрупкими, чтобы их можно было развернуть и прочесть. Однако исследователи из Университета Кентукки с помощью нейросетей и тысяч трехмерных рентгеновских изображений обучили алгоритмы распознавать буквы.
Еще один из сценариев применения этой технологии связан с обследованием организма и выявлением заболеваний. Например, в прошлом году студенты ШАД и эксперты «Яндекса» при поддержке благотворительного фонда «Спина бифида» и НМИЦ имени Кулакова создали систему, которая анализирует УЗИ-снимки беременных для более ранней диагностики spina bifida — редкой врожденной патологии, при которой позвоночник и спинной мозг развиваются неправильно. Заболевание ежегодно выявляется у 1,5–2 тыс. детей и без своевременного вмешательства может привести к инвалидности.
Моделирование сложных процессов: от прогноза погоды до карты мозга
Моделирование больших процессов — еще одно перспективное направление для ИИ в науке. Эксперты отмечают, что в настоящее время человечество способно лишь на верхнеуровневое моделирование различных сложных систем, таких как мозг человека или атмосфера Земли. Искусственный интеллект может внести вклад в решение и этой проблемы, повысив точность и детализацию моделирования больших процессов. «Моделирование больших процессов — ключевая задача в сфере ИИ сейчас. Благодаря этому мы сможем управлять погодой или создавать планы лечения с учетом всех подробностей конкретного организма»,— подчеркивает руководитель ШАД Алексей Толстиков.
Так, в прошлом году Школа анализа данных при поддержке Yandex Cloud разработала нейросеть для прогнозирования распространения вулканического пепла. Сервис отображает, как облака пепла будут распространяться в течение суток после извержения. С развитием технологии спасательные службы смогут быстрее оповещать местных жителей, а также эффективнее устранять последствия выбросов. В условиях регулярной вулканической активности такая технология позволит значительно сократить ущерб для инфраструктуры и экосистем в регионах мониторинга.
По словам лауреата Yandex ML Prize 2024 Елены Тутубалиной, искусственный интеллект обладает большим потенциалом для моделирования молекул в медицине. «Языковые модели могут быть адаптированы для работы с текстовыми описаниями химических соединений и их свойств, а также с пространственными представлениями, например кристаллическими структурами»,— отмечает она. Это особенно важно в контексте огромного размера химического пространства. Как отмечал ранее Андрей Чурсов, исполнительный вице-президент по науке и технологиям Zephyr AI и выпускник ШАД, число химических молекул, которые могут иметь лекарственные свойства, оценивается как 10^60, и изучение такого количества молекул классическими методами невозможно. Искусственный интеллект позволяет значительно сократить время поиска потенциально эффективных соединений и ускоряет процесс создания новых препаратов.
ИИ также показал свою эффективность в моделировании биологических процессов. В прошлом году исследователи из Принстонского университета завершили создание первой полной карты мозга плодовой мушки дрозофилы. Для этого мозг мушки был разрезан на 7 тыс. тончайших срезов, каждый из которых анализировался посредством электронного микроскопа и искусственного интеллекта. Это позволило создать компьютерную симуляцию, с помощью которой ученые выявили цепи, ответственные за обработку различных сигналов. Картирование мозга мушки дрозофилы стало важным шагом в нейробиологии, поскольку это улучшает понимание того, как мозг формирует поведение — не только у насекомых, но и у людей.
Сегодня искусственный интеллект становится одним из ключевых инструментов в науке, значительно расширяя возможности исследований и открытий. В таких областях, как математика, физика, астрономия, медицина, биология и экология, ИИ уже демонстрирует впечатляющие результаты: от решения математических задач и управления ускорителями частиц до поиска экзопланет, создания новых лекарств и моделирования биологических систем. В ближайшие годы эксперты ожидают дальнейшее расширение применения ИИ в науке, что может привести к прорывам в решении глобальных задач, таких как поиск внеземной жизни, лечение сложных заболеваний и понимание устройства Вселенной.