Представьте себе, что вы отказываетесь от миллионного контракта в игровой индустрии, чтобы изучать нейронауки и построить цифровой разум. Именно так поступил Демис Хассабис, основатель DeepMind, чьи разработки не просто выигрывают в игры, но и расшифровывают саму основу жизни.
Кто это
Демис Хассабис — сооснователь и генеральный директор DeepMind, компании, ставшей пионером в области искусственного интеллекта. Его путь начался с амбициозной цели: создать общий искусственный интеллект (AGI), способный мыслить как человек. Хассабис, будучи подростком, отказался от карьеры в игровой индустрии, чтобы посвятить себя нейронаукам. Он видел в играх идеальную среду для обучения ИИ, где системы могли бы эволюционировать в безопасных условиях со строгими правилами. Эта идея стала краеугольным камнем в подходе DeepMind к разработке ИИ.
Как они это сделали
DeepMind начинала с обучения ИИ в простых играх, таких как Pong. Система, которая изначально не понимала, как двигать ракетку, через три месяца игры уже обыгрывала любого человека, учась с нуля и зная лишь, что «очки — это хорошо». Переход к игре Breakout принес неожиданное открытие: после 500 игр система нашла стратегию, не предусмотренную разработчиками — она прорывала тоннель сбоку и загоняла мяч за стену для максимальных очков. Это был первый пример того, как алгоритм способен находить нетривиальные решения.
Настоящий прорыв случился с AlphaGo. Триумф в матче против легендарного Ли Седоля в 2016 году стал историческим моментом. Знаменитый «ход 37» во второй партии поверг комментаторов в шок. Дэвид Сильвер, ведущий научный сотрудник DeepMind, позже выяснил, что AlphaGo оценивал вероятность того, что человек сделает этот ход, как один к десяти тысячам. Машина проявила нечто, неотличимое от интуиции и творчества. Затем AlphaStar, алгоритм для StarCraft II, смог обыграть профессионального игрока, делая до 800 полезных кликов в минуту — скорость, недоступная человеку.
После побед в играх Демис Хассабис направил мощь своего детища на самую сложную биологическую задачу столетия — проблему сворачивания белка. Белки являются строительными блоками жизни, и их функция зависит от сложной трехмерной формы. Пятьдесят лет ученые пытались предсказывать эти формы по цепочкам аминокислот, тратя на один белок годы лабораторных исследований. Это был «святой грааль» биологии, ключ к пониманию того, как работают вирусы и как создаются лекарства.
Перелом наступил, когда в команду пригласили биологов и полностью переписали поток данных. Добавление предметных знаний о биологии в сочетании с мощью машинного обучения дало эффект, которого ждали десятилетиями. Во время пандемии COVID-19, AlphaFold2 успешно предсказал структуру белка коронавируса ORF8, ключевого белка, подавляющего иммунную систему. На CASP14 система AlphaFold2 достигла точности, которую эксперты считали недостижимой.
Команда приняла решение, изменившее науку: вместо создания сервиса по запросам, они предсказали структуру всех известных науке белков — более 200 миллионов. То, на что у человечества ушли бы столетия, ИИ сделал за считанные месяцы. База данных AlphaFold была открыта для ученых всего мира совершенно бесплатно. Эрик Шмидт, бывший глава Google, назвал это «даром человечеству». В 2023 году эта работа принесла Демису Хассабису и Джону Джамперу Нобелевскую премию по химии.
Цифры
- 200+ миллионов предсказанных структур белков в базе данных AlphaFold.
- 100 000 одновременных пользователей обрабатывала система AlphaFold в моменты пиковых нагрузок.
- 2023 год — Нобелевская премия по химии Демису Хассабису и Джону Джамперу за работу над AlphaFold.
- 50 лет — столько времени ученые безуспешно пытались решить проблему сворачивания белка до появления AlphaFold.
Что взять себе
- Начинайте с простого, масштабируйте сложность: DeepMind начинала с Pong, постепенно переходя к более сложным играм, а затем к научным задачам. Этот подход позволяет оттачивать алгоритмы и методологии на контролируемых задачах, прежде чем браться за глобальные вызовы.
- Междисциплинарный подход решает сложные проблемы: Успех AlphaFold стал возможен благодаря интеграции глубоких знаний в биологии с мощью машинного обучения. Не бойтесь привлекать экспертов из разных областей, чтобы обогатить ваш проект.
- Открытость и доступность ускоряют прогресс: Решение DeepMind сделать базу данных AlphaFold общедоступной и бесплатной привело к беспрецедентному ускорению научных исследований по всему миру. Делитесь своими наработками, если это возможно, чтобы максимизировать их влияние.
- Используйте ИИ для решения реальных проблем: От игр до предсказания структур белков — ИИ доказал свою способность решать задачи, которые ранее считались неразрешимыми. Ищите области, где автоматизация и интеллектуальный анализ могут принести наибольшую пользу.