Искусственный интеллект преподает биологии «горький урок»

В своей известной статье 2019 года Саттон утверждал, что крупнейшие достижения в области искусственного интеллекта происходили тогда, когда исследователи переставали полагаться на собственные представления о том, как должна работать система, и позволяли вычислительным алгоритмам самостоятельно находить закономерности в огромных массивах данных. По его словам, «фактическое содержание человеческого разума чрезвычайно и непоправимо сложно», а потому попытки вручную заложить эти знания в алгоритмы зачастую лишь тормозят прогресс.

Сегодня похожий вывод начинают делать и ученые, работающие в области биологии.

На смену исследованиям, основанным главным образом на выдвижении гипотез, приходит подход, в котором ключевую роль играют масштабные биологические данные, машинное обучение и автоматизированные эксперименты. Новое поколение лекарственных препаратов все чаще создается не благодаря интуитивному пониманию отдельных биологических процессов, а за счет поиска статистических закономерностей в огромных массивах информации.

Развитие методов высокопроизводительного анализа, нанотехнологий и искусственного интеллекта позволяет одновременно измерять тысячи биологических параметров — например, концентрации белков в крови человека. Современные алгоритмы способны выявлять в этих данных взаимосвязи, которые практически невозможно обнаружить традиционными методами анализа.

Следующим этапом может стать широкая автоматизация лабораторных исследований. Развитие гуманоидных роботов с высокой точностью манипуляций позволит автоматизировать многие трудоемкие операции — от подготовки биологических образцов до проведения экспериментов с лабораторными животными и анализа тканей. Это даст возможность лабораториям работать практически непрерывно, существенно ускоряя исследования и снижая их стоимость.

Еще более радикальные изменения ожидаются с распространением так называемых облачных лабораторий. В этой модели исследователь сможет сформулировать научную задачу при помощи ИИ-помощника, после чего автоматизированная лаборатория самостоятельно выполнит эксперимент, проанализирует результаты и предложит следующую серию исследований. Такие агентные системы смогут многократно повторять цикл «гипотеза — эксперимент — анализ — новая гипотеза» практически без участия человека.

Именно здесь, по мнению сторонников этого подхода, проявляется «горький урок» Саттона. Человеческий организм остается настолько сложной системой, что полное понимание всех происходящих в нем процессов может оказаться недостижимым. Вместо того чтобы пытаться заранее объяснить каждый механизм, эффективнее может оказаться массовое проведение автоматизированных экспериментов с последующим поиском закономерностей средствами искусственного интеллекта.

Подобная трансформация научного процесса неизбежно вызовет новые дискуссии — в том числе по вопросам биоэтики, автоматизации исследований и использования лабораторных животных. Однако многие эксперты считают, что именно такой подход способен значительно ускорить создание новых методов диагностики и терапии, а в перспективе — спасти миллионы жизней.