9 способов, как ИИ продвигает науку

Последнее обновление: 22 ноября 2024

Мы живем в эпоху, когда прикладная наука, человеческая изобретательность и новые технологии проливают свет на крупнейшие и старейшие вопросы человечества. Хотя научный прогресс часто кажется стремительным и неудержимым, на деле в последние десятилетия он замедлился. Научное сообщество все еще обсуждает причины этого замедления, но многие технологии — от самолетов до производственных процессов — почти не изменились за последние полвека.

Однако в последние годы прорывы в таких областях, как искусственный интеллект и квантовые вычисления, значительно ускорили научные открытия. От достижений в здравоохранении до обнаружения ферментов, разлагающих пластик, мы уже видим результаты.

Эти прорывы — итог десятилетий сотрудничества между исследователями, технологами, политиками, общественными организациями и людьми из разных сфер. Они показывают, как ИИ может использоваться в науке для значительного улучшения нашей жизни.

С этой целью Королевское общество в партнерстве с Google DeepMind сегодня проводит первый Форум ИИ для науки. Это мероприятие в Лондоне объединяет ученых, политиков и лидеров индустрии, чтобы изучить, как ИИ может трансформировать науку и какую роль играют государственно-частные партнерства в стимулировании инноваций.

Чтобы понять, как мы пришли к этому моменту и куда движемся дальше, давайте рассмотрим девять недавних вех, которые проложили путь для будущего научного прогресса:

1. Решение 50-летней "великой задачи" предсказания структуры белков

Десятилетиями эксперты называли понимание свертывания белков "великой задачей". В 2022 году Google DeepMind опубликовал предсказанные структуры 200 миллионов белков с помощью модели AlphaFold 2. Ранее определение 3D-структуры одного белка могло занимать больше года — AlphaFold делает это за минуты с невероятной точностью. Сделав эти предсказания общедоступными, ученые по всему миру теперь могут ускорить исследования в таких областях, как разработка новых лекарств, борьба с антибиотикорезистентностью и решение проблемы пластикового загрязнения. Следующий шаг, AlphaFold 3, развивает это, предсказывая структуру и взаимодействие всех молекул жизни.

2. Раскрытие человеческого мозга в беспрецедентных деталях для поддержки медицинских исследований

Человеческий мозг всегда был загадкой. После 10 лет исследований в области коннектомики Google совместно с лабораторией Лихтмана в Гарварде и другими отобразили крошечный участок человеческого мозга с небывалой детализацией. Опубликованный в 2024 году, этот проект показал структуры мозга, которые мы никогда ранее не видели. Полный набор данных с аннотациями, созданными ИИ для каждой клетки, теперь общедоступен, ускоряя исследования.

3. Спасение жизней с помощью точного прогнозирования наводнений

Когда Google начал проект прогнозирования наводнений в 2018 году, многие считали невозможным точное предсказание наводнений в больших масштабах из-за ограниченных данных. Но исследователи разработали модель ИИ, которая может прогнозировать экстремальные речные события в неизученных бассейнах за пять дней с надежностью, равной или превосходящей текущие прогнозы. К 2024 году Google Research расширил охват до 100 стран и 700 миллионов человек по всему миру и улучшил модель, обеспечив такую же точность за семь дней, как предыдущая модель за пять.

4. Раннее обнаружение лесных пожаров для помощи пожарным в их быстром тушении

Лесные пожары становятся все более частыми и разрушительными из-за более жаркого и сухого климата. В 2024 году Google Research совместно с Лесной службой США создал FireSat, модель ИИ и новую глобальную спутниковую группировку для обнаружения и отслеживания пожаров размером с классную комнату. Благодаря изображениям высокого разрешения, доступным в течение 20 минут, это поможет пожарным властям быстрее реагировать, потенциально спасая жизни, имущество и природные ресурсы.

5. Более быстрое и точное прогнозирование погоды

В 2023 году Google DeepMind запустил GraphCast, модель машинного обучения, которая прогнозирует погоду на 10 дней вперед точнее и быстрее, чем отраслевой стандарт (HRES). GraphCast также точнее предсказывает траектории циклонов и связанные с ними риски, такие как наводнения, и правильно предсказал, что ураган Ли достигнет Новой Шотландии за три дня до традиционных моделей.

6. Продвижение границы математического мышления

ИИ всегда испытывал трудности с сложной математикой из-за ограниченных данных и навыков рассуждения. Но в 2024 году Google DeepMind представил AlphaGeometry, систему ИИ, решившую сложные геометрические задачи на уровне, близком к золотому медалисту олимпиады. Это был большой шаг вперед в производительности ИИ и разработке более продвинутых систем общего ИИ. Последующая модель, AlphaGeometry 2, в сочетании с AlphaProof решила 83% всех исторических геометрических задач Международной математической олимпиады (IMO) за последние 25 лет. Это показывает растущую способность ИИ рассуждать и потенциально решать задачи, выходящие за пределы текущих человеческих возможностей, приближая нас к системам, способным открывать и проверять новые знания.

7. Использование квантовых вычислений для точного предсказания химической реактивности и кинетики

Исследователи Google совместно с UC Berkeley и Колумбийским университетом провели крупнейшие химические симуляции на квантовом компьютере. Опубликованные в 2022 году результаты были не только конкурентоспособны с классическими методами, но и не требовали обычного устранения ошибок, связанных с квантовыми вычислениями. Эта способность проводить симуляции приведет к более точным предсказаниям химической реактивности и кинетики, открывая путь для новых применений химии в решении реальных проблем.

8. Ускорение материаловедения и потенциал для более устойчивых солнечных батарей, аккумуляторов и сверхпроводников

В 2023 году Google DeepMind объявил о создании Graph Networks for Materials Exploration (GNoME), инструмента ИИ, который уже обнаружил 380 000 материалов, стабильных при низких температурах, согласно симуляциям. В эпоху поиска новых энергетических решений, вычислительных мощностей и достижений в материаловедении это может привести к созданию лучших солнечных батарей, аккумуляторов и потенциальных сверхпроводников. Чтобы сделать эту технологию доступной всем, Google DeepMind предоставил наиболее стабильные предсказания GNoME через проект Materials Project в их открытой базе данных.

9. Значительный шаг к ядерному синтезу — и обильной чистой энергии

Как гласит старая поговорка: "Синтез — это энергия будущего, и так будет всегда". Использование энергии, питающей звезды, включая наше Солнце, было давней задачей. В 2022 году Google DeepMind разработал ИИ, который может автономно управлять плазмой внутри реактора ядерного синтеза. В сотрудничестве с Швейцарским плазменным центром при EPFL они создали первую систему, обученную с подкреплением, способную стабилизировать и формировать плазму в действующем реакторе синтеза, открывая новые пути к стабильному синтезу и обильной чистой энергии для всех.