AlphaFold на DeepMind може да бъде бъдещето на науката — и AI

Ето една мисъл: Изкуственият интелект — за какво е добър?

Това може да изглежда грубо, като се има предвид огромното количество енергия, инвестиции и шум в пространството на AI, както и неоспорими доказателства за технологичен прогрес. В крайна сметка AI днес може да победи всеки човек в игри, вариращи от шах че Starcraft (AlphaZero и AlphaStar на DeepMind); може да напише a B- есе по история на колежа за секунди с няколко подкани (GPT-3 на OpenAI); може да рисува илюстрации по заявка с изненадваща креативност и качество (OpenAI’s DALL-E 2).

За привържениците на AI като Сам Алтман, главен изпълнителен директор на OpenAI, тези постижения предвещават ера, в която „креативните инструменти на AI ще имат най-голямото въздействие върху творческите работни потоци след самия компютър“, както той туитна миналия месец. Това може да се окаже вярно. Но тук и сега все още съм малко развълнуван.

Не от това, което тези AI инструменти могат да направят, точно. Въведете кратка подкана в DALL-E 2 и се върнете, кажете: „средновековна картина, където wifi не работи” се чувства близо до магията. Все пак човешките същества могат да пишат есета и човешките същества могат да рисуват илюстрации, и докато GPT-3 и DALL-E 2 могат да изпълняват тези задачи по-бързо, те наистина не могат да ги направят По-добре. Те са свръхчовешки по скорост, не по качество. (Изключението в горната група е моделът за игра на DeepMind, който наистина е свръхчовешко — просто попитайте бедните победени Върви майстор Лий Седол — но докато тези AI умения не могат да бъдат използвани в много по-сложния реален свят, това е най-вече интересен изследователски проект.)

Така че AI може да бъде завладяващ и готин и дори малко плашещ, но това, което все още не е, наистина е в състояние да играе жизненоважна роля при решаването на важни проблеми – нещо, което може да се види във факта, че всички тези постижения имат все пак да повиши бавната производителност на Америка.

Ето защо последните новини за AlphaFold, AI модел от DeepMind, който може да предскаже триизмерната структура на протеините, изглеждат наистина монументални – възвестявайки не само нова ера в изкуствения интелект, но и нова ера в полезна, важна наука.

Едно „голямо предизвикателство“ е решено

От десетилетия молекулярните биолози се опитват да разбият това, което е известно катопроблемът със сгъването на протеина.”

Протеините са биологичните двигатели на всичко – от вируси до човешки същества. Те започват като низове от химически съединения, преди да се сгънат в уникални 3D форми. Естеството на тези форми – както и аминокиселините, които ги съставляват – определя какво могат да направят протеините и как могат да бъдат използвани.

Предсказването каква форма ще приеме протеин въз основа на неговата аминокиселинна последователност би позволило на биолозите да разберат по-добре неговата функция и как се свързва с други молекулярни процеси. Фармацевтичните продукти често се проектират с помощта на информация за структурата на протеините и прогнозирането на сгъването на протеини може значително да ускори откриването на лекарства, наред с други области на науката.

Въпреки това, проблемът в проблема с нагъването на протеина е, че идентифицирането на евентуалната структура на протеина обикновено е отнело на учените години напрегната лабораторна работа. Това, от което се нуждаеха изследователите, беше AI алгоритъм, който може бързо да идентифицира евентуалната форма на протеин, точно както системите за компютърно зрение днес могат да идентифицират човешки лица с поразителна точност. Само до преди няколко години най-добрите подходи на изчислителната биология за прогнозиране на сгъването на протеини бяха все още далеч отдолу точността, която учените биха могли да очакват от експерименталната работа.

Въведете AlphaFold. Друг продукт на DeepMind, базираната в Лондон компания за изкуствен интелект, която беше закупен от Google (който по-късно стана Alphabet) през 2014 гAlphaFold е AI модел проектирани за предсказване на триизмерната структура на протеините. AlphaFold отвя конкуренцията в двугодишно предизвикателство за прогнозиране на структурата на протеините в края на 2020 г., извършвайки почти толкова добре експерименталната работа като златен стандарт, но много по-бързо.

AlphaFold прогнозира протеинови структури чрез невронна мрежа за дълбоко обучение, която е обучена на хиляди известни протеини и техните структури. Моделът използва тези известни връзки, за да се научи да предсказва бързо формата на други протеини, почти по същия начин, по който други модели за дълбоко обучение могат да поемат огромни количества данни – в случая на GPT-3, около 45 терабайта текстови данни – да предскаже какво следва.

AlphaFold беше разпознат от дневника Наука като пробив на годината за 2021 г., побеждавайки кандидати като антивирусни хапчета срещу Covid-19 и прилагането на генно редактиране на CRISPR в човешкото тяло. Един експерт дори се учуди ако AlphaFold стане първият AI, спечелил Нобелова награда.

„Нова ера на цифровата биология“

Пробивите продължават да идват.

Миналата седмица, DeepMind обяви че изследователи от цял ​​свят са използвали AlphaFold, за да предвидят структурите на около 200 милиона протеини от 1 милион вида, покриващи почти всеки протеин, познат на хората. Всички тези данни се предоставят безплатно на a база данни създаден от DeepMind и неговия партньор, Европейския институт по биоинформатика към Европейската лаборатория по молекулярна биология.

„По същество можете да мислите за това като за покриване на цялата протеинова вселена“, каза главният изпълнителен директор на DeepMind Демис Хасабис на брифинг за пресата миналата седмица. „Ние сме в началото на нова ера на цифровата биология.“

Базата данни основно работи като Google търсене на протеинови структури. Изследователите могат да въведат познат протеин и да върнат прогнозираната му структура, спестявайки им седмици или повече работа в лабораторията. Системата вече се свиква ускоряване на откриването на лекарстваотчасти чрез дъщерна компания на Alphabet, наречена Isomorphic Laboratories, докато други изследователи използват AlphaFold, за да идентифицират ензими, които могат да разграждат пластмасите.

Чистата скорост, активирана от AlphaFold, също трябва да помогне за намаляване на разходите за изследвания. Kathryn Tunyasuvunakool, изследовател на DeepMind, каза пред репортери, че AlphaFold изисква само около 10 до 20 секунди, за да направи всяка прогноза за протеин. Това може да бъде особено полезно за изследователи, работещи върху пренебрегвани болести като лейшманиоза и болестта на Шагас, които са постоянно недофинансирани, защото поразяват най-вече отчаяно бедните.

„AlphaFold е уникален и важен напредък в науката за живота, който демонстрира силата на AI,“ туитна Ерик Топол, директор на Scripps Research Translational Institute.

AI, който е полезен — сега

Може да се окаже, че AI модели като GPT-3, които се занимават с общ език, в крайна сметка са по-влиятелни от по-тясно приложение като AlphaFold. Езикът все още е най-големият ни сигнал за интелигентност и потенциално дори съзнание – просто свидетел скорошната полемика за това дали друг напреднал езиков модел, LaMDA на Google, е станал разумен.

Но въпреки целия им напредък, такива модели все още са далеч от това нивои далеч не е наистина надежден за обикновените потребители. Компании като Apple и Amazon са се трудили за разработване на изкуствен интелект за гласови асистенти, които са достойни за това име. Такива модели също се борят с пристрастност и справедливосткакто Сигал Самуел написа по-рано тази година, което е проблем, който трябва да бъде решен с политика, а не с технологии.

Моделът AlphaFold на DeepMind не е лишен от своите рискове. Ейс Келси Пайпър писа по-рано тази година относно ИИ и неговите приложения в биологията, „Всяка система, която е достатъчно мощна и точна, за да идентифицира лекарства, които са безопасни за хората, по своята същност е система, която също ще бъде добра при идентифицирането на лекарства, които са изключително опасни за хората.“ AI, способен да предсказва протеинови структури, теоретично може да бъде използван за злонамерени цели от някой, който иска да създаде биологични оръжия или токсини.

За негова заслуга DeepMind казва, че е претеглил потенциалните опасности от отварянето на своята база данни за обществеността, като се е консултирал с повече от 30 експерти по биосигурност и етика, и е стигнал до извода, че ползите – включително в ускоряването на разработването на ефективна защита срещу биологични заплахи – надвишават всякакви рискове. „Натрупването на човешки знания е просто огромна полза“, каза Юен Бърни, директор на Европейския институт по биоинформатика, пред репортери на брифинга за пресата. „И субектите, които биха могли да бъдат рискови, вероятно ще бъдат много малка шепа.“

AlphaFold — за която DeepMind каза, че е най-сложната AI система, създавана някога — е изключително ефективен инструмент, който може да прави неща, които хората не могат да правят лесно. В процеса това може да направи тези човешки биолози още по-ефективни в работата си. И в епохата на Covid тези работни места са по-важни от всякога, както и техният нов AI асистент.

Версия на тази история първоначално беше публикувана в бюлетина Future Perfect. Регистрирайте се тук, за да се абонирате!