Во время недавней дискуссии в прямом эфире SGU кто–то в чате спросил, не являются ли легкомысленные приложения с ИИ просто игрушками без каких-либо полезных результатов? Вопрос был задан с целью преуменьшить последние достижения в области генеративного ИИ. Я уже отмечал, что вопрос несколько запутан – не являются ли несерьезные приложения несерьезными? Но как насчет несерьезных приложений?
Современные приложения с генеративным ИИ являются мощным инструментом. Они используют мощь и масштаб современных центров обработки данных с огромным количеством обучающих данных, предоставляемых Интернетом, используя инструменты искусственного интеллекта с большими языковыми моделями, которые способны находить закономерности и генерировать новый (хотя и весьма производный) контент. Большинство людей, вероятно, знакомы с этой технологией благодаря таким приложениям, как ChatGPT, которые используют этот процесс искусственного интеллекта для генерации ответов на запросы на естественном языке. В результате получился действительно хороший чат-бот, а также полезный интерфейс для поиска информации в Интернете.
Эта же технология может генерировать не только текст, но и другие данные. Она может генерировать изображения, видео и музыку. Технически результаты впечатляют (хотя и далеки от совершенства), но, по моему опыту, не являются по-настоящему творческими. Я думаю, что это те забавные приложения, о которых спрашивал задавший вопрос.
Но в разработке также находится множество серьезных приложений для этой технологии. Приложение, подобное ChatGPT, может стать отличной экспертной системой, которая будет выполнять поиск в тоннах данных для получения полезной информации. Это может иметь множество практических применений – от составления списков возможных диагнозов для рассмотрения врачами до составления первого проекта юридических контрактов. Все еще есть проблемы, которые предстоит решить, но потенциал, безусловно, потрясающий.
Однако, возможно, самым удивительным является потенциал ИИ в целом, включая эти новые приложения для создания искусственного интеллекта, которые могут помочь в научных исследованиях. Это уже происходит. Как человеку, который читает десятки научных пресс-релизов в неделю, ясно, что количество научных исследований, в которых используется ИИ, быстро растет. Цель состоит в том, чтобы с помощью ИИ завершить многомесячные исследования всего за несколько часов. Недавнее подобное исследование привлекло мое внимание как особенно яркий пример.
Исследователи использовали генеративный ИИ (приложение под названием SyntheMol) для разработки потенциальных антибиотиков. Опять же, разработка лекарств с помощью ИИ не нова, но это выглядит как значительный шаг вперед. Идея заключается в том, чтобы использовать ИИ с большой языковой моделью для создания не текста, а химических структур. Это осуществимо, потому что у нас уже есть большая библиотека известных химических веществ, подобных лекарствам, их структура, химический состав, химические реакции, в результате которых они образуются, и их биологическая активность. ИИ был обучен работе со 130 000 химическими компонентами. Это своего рода химический язык, и ИИ можно использовать для создания новых итераций с предсказанными свойствами.
По сути, это то, что делает традиционный дизайн лекарств, но ИИ просто делает это намного быстрее. Например, подсчитано, что существует 10-60 потенциальных химических структур, подобных лекарственным препаратам. Это невероятно большое пространство для изучения обычными методами. Искусственный интеллект, использованный в текущем исследовании, исследовал “химическое пространство” из 30 миллиардов новых соединений. Это все еще небольшая часть всех возможных лекарственных молекул, но у этой подгруппы были параметры. Они искали химические вещества, которые могли бы обладать потенциальной антибактериальной активностью против Acinetobacter baumannii, грамотрицательного бактериального патогена. Это тоже делалось раньше – поиск антибиотиков, – но одна из проблем заключалась в том, что многие из полученных химических веществ было трудно синтезировать. Поэтому на этот раз они включили еще один параметр – создавать только те молекулы, которые легко синтезировать, и включать этапы химической реакции, необходимые для их получения.
Всего за 9 часов SyntheMol создал 25 000 потенциальных новых лекарств. Затем исследователи отфильтровали этот список в поисках наиболее новых соединений, чтобы избежать резистентности к существующим антибиотикам. Они выбрали 70 наиболее перспективных химических веществ и передали их, включая рецептуру химических реакций для их синтеза, украинской химической компании. Им удалось синтезировать 58 из них. Затем исследователи протестировали их в качестве антибиотиков и обнаружили, что шесть из них представляют собой структурно уникальные молекулы, обладающие антибактериальной активностью в отношении A. baumannii.
Эти результаты были бы невозможны в те сроки без использования искусственного интеллекта. Я бы назвал это серьезным результатом.
Лекарственные препараты-кандидаты, полученные в результате этого процесса, все еще нуждаются в клинических испытаниях и могут не пройти их по целому ряду причин. Но химики, разрабатывающие лекарства, знают параметры, которые делают их успешными. Он должен обладать хорошей биодоступностью, разумным периодом полураспада и относительной нетоксичностью (среди прочего). Все эти характеристики могут быть в некоторой степени предсказаны на основе известных химических структур. Все это может стать параметрами, которые SyntheMol или аналогичное приложение смогут использовать при создании потенциальных молекул.
Цель, конечно же, состоит в том, чтобы провести как можно больший отбор и фильтрацию в цифровом формате, чтобы, когда вы приступите к тестированию в лабораторных условиях, на животных и, в конечном счете, на людях, вероятность успешного получения препарата была уже максимальной. Потенциал для экономии денег, времени и избавления от страданий огромен.
Это лишь один конкретный пример того, как новая технология генеративного ИИ может ускорить научные исследования. Это тихая революция, которая уже происходит. В тех областях, где такого рода технологии могут быть эффективно использованы, темпы научного прогресса могут возрасти на порядки. Поклонники сингулярности могут возразить, что это только начало – время, когда темпы научно-технического прогресса становятся настолько быстрыми, что общество не может за ними угнаться, а горизонт предсказуемости будущего сужается до минимума. Сингулярность в большей степени относится к тому времени, когда общий искусственный интеллект захватит власть над человеческой цивилизацией, технологиями и исследованиями. Но даже с этими узкими инструментами генеративного ИИ мы начинаем видеть реальный потенциал. Это одновременно захватывающе и пугающе.
