Страница 1 из 8

Власть роботов. Как подготовиться к неизбежному

Форд Мартин

Мартин Форд

В книге упоминаются социальные сети Instagram и/или Facebook, принадлежащие компании Meta Platforms Inc., деятельность которой по реализации соответствующих продуктов на территории Российской Федерации запрещена.

Переводчик Наталья Колпакова

Научный редактор Александр Каплан, д-р биол. наук

Редактор Вячеслав Ионов

Издатель П. Подкосов

Руководитель проекта И. Серёгина

Ассистент редакции М. Короченская

Корректоры Е. Аксенова, С. Чупахина

Компьютерная верстка А. Фоминов

Арт-директор Ю. Буга

Дизайн обложки Д. Изотов

Иллюстрация на обложке Shutterstock

Все права защищены. Данная электронная книга предназначена исключительно для частного использования в личных (некоммерческих) целях. Электронная книга, ее части, фрагменты и элементы, включая текст, изображения и иное, не подлежат копированию и любому другому использованию без разрешения правообладателя. В частности, запрещено такое использование, в результате которого электронная книга, ее часть, фрагмент или элемент станут доступными ограниченному или неопределенному кругу лиц, в том числе посредством сети интернет, независимо от того, будет предоставляться доступ за плату или безвозмездно.

Копирование, воспроизведение и иное использование электронной книги, ее частей, фрагментов и элементов, выходящее за пределы частного использования в личных (некоммерческих) целях, без согласия правообладателя является незаконным и влечет уголовную, административную и гражданскую ответственность.

Посвящается моей матери Шейле

Глава 1

Подрывное изменение близко

Тридцатого ноября 2020 года лондонская компания DeepMind, специализирующаяся в области искусственного интеллекта, – она принадлежит холдингу Alphabet, в который входит Google, – объявила об ошеломляющем, возможно эпохальном, прорыве. Речь шла об инновации в области вычислительной биологии, которая способна полностью преобразить сферу естественных наук и медицины. Компании удалось с помощью глубокой нейронной сети предсказать конечную структуру синтезируемой в живой клетке молекулы белка, исходя из генетического кода. Это событие стало итогом полувекового научного поиска и ознаменовало появление технологии, которая сулит нам беспрецедентное проникновение в тайны жизни, а также наступление новой эпохи инноваций в области медицины и фармакологии[1].

Молекулы белка – это длинные цепочки, звеньями которых являются 20 аминокислот. Гены, участки ДНК, задают точную последовательность аминокислот, составляющих молекулу белка, фактически рецепт ее изготовления. Однако этот генетический рецепт не оговаривает форму молекулы, которая имеет решающее значение для ее функционирования. Форма является результатом автоматического сворачивания молекулы в чрезвычайно сложную трехмерную структуру в течение нескольких миллисекунд после ее синтеза в клетке[2].

Предсказание трехмерной конфигурации, которую примет молекула белка, – одна из самых грандиозных научных проблем. Число возможных вариантов структуры практически бесконечно. Ученые посвящали решению этой задачи всю свою профессиональную жизнь, но результаты их совместных усилий были скромными. DeepMind использует технологию ИИ, впервые примененную компанией в системах AlphaGo и AlphaZero, известных триумфальными победами над людьми – лучшими в мире игроками в такие настольные игры, как го и шахматы. Очевидно, однако, что эпоха, когда ИИ ассоциировался главным образом с играми, близится к концу. Способность AlphaFold предсказывать структуру белков с точностью, не уступающей дорогостоящим и кропотливым лабораторным измерениям с использованием таких методов, как рентгеноструктурный анализ, – неоспоримое свидетельство того, что исследования в сфере искусственного интеллекта привели к появлению научного инструмента, способного преобразовать мир.

Этот прорыв произошел в то время, когда на Земле практически не осталось людей, не видевших изображения печально известной белковой молекулы, функция которой предопределяется ее трехмерной структурой. Речь идет о спайковом белке коронавируса, своего рода стыковочном механизме, посредством которого вирус прикрепляется к клетке и заражает ее. Научный прорыв DeepMind дарит надежду, что к следующей пандемии мы будем подготовлены значительно лучше. Одно из возможных применений системы – быстрый перебор существующих лекарственных средств в поисках наиболее эффективных против нового вируса. Благодаря этому действенное лечение будет доступно на самых ранних стадиях вспышки заболевания. Помимо прочего, технология DeepMind открывает перед нами целый ряд возможностей, среди которых разработка новейших лекарств и более глубокое понимание причин появления ошибок при формировании структуры белка – сбоев, связанных с такими недугами, как диабет, болезнь Альцгеймера и болезнь Паркинсона. Когда-нибудь эта технология найдет применение и в других сферах, например, поможет создать микробов, способных разлагать отходы вроде пластика или нефти[3]. Иными словами, эта инновация способна ускорить прогресс практически в любой области биохимии и медицины.

За последнее десятилетие разработчики искусственного интеллекта добились революционного прорыва и стали предлагать все больше практических решений, преобразующих мир вокруг нас. Главным ускорителем прогресса является «глубокое обучение» – метод машинного обучения на основе использования многослойных нейронных сетей наподобие той, что применила DeepMind. Базовые принципы работы глубоких нейронных сетей известны уже не одно десятилетие, но последние поразительные достижения обусловлены сочетанием двух тенденций в развитии информационных технологий. Во-первых, это появление несоизмеримо более мощных компьютеров, которые впервые позволили превратить нейронные сети в действительно эффективные инструменты. Во-вторых, это накопление колоссальных массивов данных в сегодняшней информационной экономике, которые критически важны для обучения нейронных сетей выполнению полезных задач. Действительно, доступность данных в масштабе прежде немыслимом – это, пожалуй, определяющий фактор нынешнего колоссального прогресса. Глубокие нейронные сети вбирают в себя и используют данные во многом так же, как синий кит, который питается крилем: он заглатывает огромное количество организмов в отдельности незначительных, но в сумме дающих энергию для поддержания жизни огромного организма.

По мере того как искусственный интеллект успешно проникает во все новые сферы, становится очевидным его превращение в технологию уникальной значимости. Например, в некоторых областях медицины приложения для диагностики на основе ИИ уже не уступают в точности лучшим докторам или даже превосходят их. Подлинный потенциал подобной инновации не сводится к ее способности переиграть какое-нибудь мировое светило, он, скорее, связан с легкостью масштабирования интеллекта, заключенного в этой технологии. В скором времени знания высококлассных врачей-диагностов будут за скромную плату распространяться через интернет по всему миру и станут доступными даже в регионах, где люди практически лишены возможности обратиться к обычному врачу, не говоря уже о лучших в мире специалистах.

Ewen Callaway, “‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures,” Nature, November 30, 2020, www.nature.com/articles/d41586-020-03348-4.

Andrew Senior, Demis Hassabis, John Jumper and Pushmeet Kohli, “AlphaFold: Using AI for scientific discovery,” DeepMind Research Blog, January 15, 2020, deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery.

Ian Sample, “Google’s DeepMind predicts 3D shapes of proteins,” The Guardian, December 2, 2018, www.theguardian.com/science/2018/dec/02/google-deepminds-ai-program-alphafold-predicts-3d-shapes-of-proteins.