Науката става все по-малко човешка; изкуственият интелект увеличава скоростта на откритията – но на каква цена?

Това лято хапче, предназначено за лечение на хронично, но все още нелечимо белодробно заболяване, навлезе в средната фаза на изпитванията върху хора. Предишни проучвания показаха, че лекарството е безопасно за поглъщане, но все още не е известно дали то ще подобри симптомите на болезнената фиброза, срещу която е насочено; това предстои да се види по време на настоящите изпитвания, които вероятно ще приключат през следващата година. Подобно твърде несигурно постижение едва ли би заслужавало някакво по-особено внимание, ако не беше един нюанс в произхода на лекарството: това е първото лекарство изцяло разработено от изкуствен интелект, което е стигнало толкова далеч в своята разработката и дори вече се е появило и се тества на хора

Създателят на това хапче, биотехнологичната компания Insilico Medicine, използва стотици модели с изкуствен интелект, за да открие нова цел в организма, която може да помогне за лечението на муковисцидозата, и да определи кои молекули могат да бъдат синтезирани, за да се произведе лекарството. Тези програми са дали възможност на Insilico да измине пътя от нулата до внедряването на лекарството във фаза 1 на клиничните изпитвания върху хора, при това само за две години и половина, а не за обичайните пет. Дори и хапчето да се окаже безполезно, което е напълно възможно, на път са много други лекарства създадени с помощта на изкуствен интелект. Учените и компаниите се надяват, че те ще достигнат до аптеките много по-бързо от традиционните лекарства, чието излизане на пазара обикновено отнема повече от десетилетие и има много висок процент на неуспех.

Медицината е само един от аспектите на мащабната трансформация в науката. Само през последните няколко месеца изкуственият интелект започна да предсказва тропическите бури с невиждана досега точност и много по-бързо от традиционните модели; Meta1 пусна модел, който може да анализира мозъчните сканирания, за да възпроизведе това, което човекът гледа в момента; Google наскоро използва изкуствен интелект, за да открие милиони нови материали, които могат да подобрят суперкомпютрите, електрическите автомобили и др. Точно както технологиите размиват границите между човешкия и компютърно генерирания текст и изображения, променяйки начина, по който хората работят, учат и общуват, AI инструментариумът ускорява и променя някои от основните елементи на науката.

„Всъщност вече можем да правим открития, които не биха били възможни без използването на ИИ“, заяви Маринка Зитник, изследовател в областта на биомедицината и изкуствения интелект в Харвард.

Науката никога не е била толкова бърза и динамична, колкото е днес. Но въвеждането на AI също така в известен смисъл прави науката по-малко човешка или казано по друг начин по-нечовешка. В продължение на векове познанието за света се е базирало на наблюдения и обяснения. Много от съвременните AI модели изопачават това начинание, като дават отговори без обосновка и принуждават учените да изучават собствените си алгоритми по същия начин, по който изучават природата. По този начин ИИ вероятно поставя под въпрос самата същност на откривателството

ИИ съществува, за да извлича невероятно сложни модели от масиви от данни, които са твърде големи, за да бъдат обхванати от хората. Този мистичен феномен стана по-често срещан след представянето на ChatGPT миналата година. Чатботът – инструмент, който изведнъж се оказа на една ръка разстояние от всеки и сякаш синтезира целия интернет – промени начина, по който получаваме достъп до знанията и ги прилагаме, но също така накърни голяма част от мисленето ни със съмнителни неща. Ние не разбираме как точно чатботовете с генеративен изкуствен интелект съставят отговорите си – само че те звучат поразително човешки, поради което е много трудно да разберем кое сега е реално, логично или достоверно и дали текстът, дори нашият собствен, е напълно човешки или има силициев привкус. Когато даден отговор изглежда смислен, той може да изглежда, че предлага пряк път, и не дава истинско разбиране за това как и защо се е стигнало до него.

ИИ по принцип прави нещо подобно в широк спектър от научни дисциплини. Някои от най-забележителните научни постижения, подпомагани от ИИ, включват резултати в областта на молекулярната биология, получени от DeepMind – водеща изследователска ИИ лаборатория, която понастоящем се базира в Google. След като програмата на DeepMind спечели играта Го през 2016 г. – игра, която е толкова по-трудна от шаха, че мнозина считаха, че компютрите никога няма да могат да я овладеят – Демис Хасабис, главен изпълнителен директор на DeepMind заяви, че е започнал да мисли как да създаде AI програма за решаване на десетилетния проблем със сгъването на протеините. Всички видове биологични процеси зависят от протеините, а всеки протеин е съставен от последователност от аминокиселини. Начинът, по който тези молекули се сгъват в триизмерна форма, определя функцията на протеина, а картографирането на тези структури може да помогне на учените да разработят нови ваксини, да унищожат устойчивите на антибиотици бактерии и да намерят нови методи за лечение на рака. Без триизмерна форма на протеина учените не разполагат с нищо повече от куп блокчета „Лего“ без инструкции как да ги сглобят.

Преди години определянето на структурата на един протеин по последователността на аминокиселините отнемаше години. Но през 2022 г. водещият научен модел на DeepMind с името AlphaFold установи най-вероятната структура на почти всички известни на науката протеини – около 200 милиона. Подобно на програмите за шахмат и Го, които търсят най-добрия възможен ход, AlphaFold изпробва многобройните възможни структури за дадена последователност от аминокиселини, за да намери най-вероятната. Програмата съкращава до няколко секунди работа, която би отнела цяла докторска дисертация, и е оценена високо заради „революционното си въздействие“ както върху фундаменталната биология, така и върху разработването на нови терапии. Въпреки това независими изследователи отбелязват, че въпреки нечовешката си бързина моделът не обяснява изцяло защо дадена структура е вероятна. В резултат на това учените се опитват да дешифрират прогнозите на AlphaFold и Хасабис заяви, че тези усилия дават добри резултати.

Хасабис заяви, че изкуственият интелект дава възможност на изследователите да изучават сложните системи в „света на битовете“ много по-бързо, отколкото в „света на атомите“, и след това да проверяват физически своите хипотези дори на последната стъпка. Тази технология ускорява напредъка в много други дисциплини, като не само увеличава скоростта и мащаба, но и променя възприятията за това какви изследвания са възможни. Така например невролозите в Meta1 и други университети превръщат изкуствените невронни мрежи, обучени да „виждат“ снимки или да „четат“ текст, в генератори на хипотези за това как мозъкът обработва образите и езика. Биолозите използват изкуствен интелект, обучен на генетични данни, за изучаване на редките заболявания, за подобряване на имунотерапията и за по-добро разбиране на проблемните варианти на SARS-CoV-2.

„Сега имаме реални хипотези, докато преди това имаше само догадки“, казва Джим ДиКарло, невролог от Масачузетския технологичен институт, който е пионер в използването на изкуствен интелект за изследване на зрението на главния мозък.

Астрономите и физиците използват машинно обучение, за да обработват огромни количества данни от Вселената, които преди бяха твърде обширни, за да се обхванат, заявява Брайс Менард, астрофизик от университета „Джон Хопкинс“. Някои експерименти, като например колайдерът на частици в ЦЕРН, произвеждат твърде много информация, за да бъде съхранена физически. И тук изследователите разчитат на изкуствен интелект, който отхвърля вече познатите наблюдения, съхранявайки неизвестните за анализ.

„Не знаем как изглежда една игла, защото това са неоткрити физически явления, но знаем как изглежда една купа сено“, кзва Александър Шалай, директор на Института за интензивно използване на данни в университета „Джон Хопкинс“. „Така че компютрите са обучени да разпознават сеното и по същество да го изхвърлят, за да открием иглата“.

Според думите на Зитник в дългосрочен план е възможно дори да се съчетаят моделите на изкуствения интелект и физическите експерименти в своеобразна „самоуправляваща се лаборатория“, в която компютърни програми и роботи ще генерират хипотези, ще планират експерименти за тяхното тестване и ще анализират резултатите. Такива лаборатории са все още далеч във времето, въпреки че вече съществуват прототипи, като например роботизираната система Scientific Autonomous Reasoning Agent, която вече откри нови материали за възобновяема енергия. SARA използва лазер за итеративен анализ и промяна на материалите, като всеки цикъл трае няколко секунди, разказва Карла Гомес, компютърен специалист в Корнел, което намалява времето за изследване от дни на часове. Ако това бъдеще се осъществи, софтуерът и роботите ще се превърнат от инструменти в сътрудници и дори в съавтори на знанието.

Данните в квантовите експерименти са твърде много, за да бъдат съхранени от хората, експериментите са твърде бързи, за да бъдат извършени от хората, невронаучните хипотези са твърде сложни, за да бъдат изведени от хората – дори когато изкуственият интелект предоставя възможност за научна работа, смятана преди за невъзможна, същите тези инструменти създават епистемична дилема. Те ще създадат революционно знание, като същевременно ще разрушат представите за собствено знание.

Изкуственият интелект обаче не е панацея. AlphaFold може да се окаже революционен, а Insilico може би наистина ще намали радикално времето, необходимо за разработване на нови лекарства. Но тази технология има значителни ограничения. Така например ИИ моделите трябва да бъдат обучени върху големи количества релевантни данни. AlphaFold е „грандиозен успех“, заявява Дженифър Листгартен, изчислителен биолог и компютърен специалист в Калифорнийския университет в Бъркли, но той също така „разчита на много скъпи, внимателно контролирани данни, които са генерирани в продължение на десетилетия в лабораторията по много добре дефиниран проблем, който може да бъде оценен много точно“. Липсата на висококачествени данни в другите области може да възпрепятства или ограничи използването на ИИ.

Дори и при наличието на такива данни реалният свят може да бъде много по-сложен и динамичен от силициевата симулация. Например превеждането на статичната структура на една молекула във взаимодействията ѝ с различните телесни системи е проблем, върху който изследователите все още работят, разказва Андреас Бендер, който изучава молекулярна информатика в Университета в Кеймбридж. ИИ може бързо да предложи нови лекарства, но „все още трябва да се осъществи процесът на откриване на тези лекарства, който, разбира се, е доста дълъг“, заявява Джон Джампър, изследовател в DeepMind, който ръководи разработването на AlphaFold.

Клиничните изпитвания продължават с години и много от тях са неуспешни; много стартиращи проекти и инициативи за лекарства, базирани на ИИ, са били прекратени. Тези неуспехи са в известен смисъл доказателство, че науката работи. Резултатите от експериментите, заедно с известните физични закони, позволяват на учените да предпазят моделите си от халюцинации – казва Анима Анандкумар, компютърен специалист в Калифорнийския технологичен институт. Подобни закони за лингвистична точност не съществуват за чатботовете – потребителите са принудени да се доверяват на Големите технологии.

В лабораторията новите прогнози могат да бъдат физически и безопасно тествани в изолирани условия. Но при разработването на лекарства или лечението на пациенти залозите са много по-високи. Съществуващите карти на човешкия геном, например, се фокусират върху белите европейци, но проявлението на много заболявания, като диабет, се влияе значително от расата и етническата принадлежност. Точно както пристрастните набори от данни пораждат расистки чатботове, така и изкривените биологични данни могат да означават, че „моделите са неприложими за хора от неевропейски произход„, е мнението на Бендер, или за хора на различна възраст, или със съществуващи заболявания, или приемащи съпътстващи лекарства. Програма за диагностика или лечение на рак, разработена от изкуствения интелект, може да бъде особено ефективна но само за малка част от населението.

ИИ моделите могат да променят не само начина, по който разбираме света, но и начина, по който разбираме самото разбиране. Ако това е така, трябва да създадем нови модели на знанието – на какво можем да се доверим, защо и кога. В противен случай доверието ни в чатбота, в инструмента за откриване на нови лекарства или в прогнозата за ураган, подпомагана от ИИ, може да излезе извън рамките на науката. Това може да започне да прилича повече на вяра. Вяра.