„Чудотворно решение“ или маркетинг: Как Google създава илюзията за обективност, за да популяризира технологиите си

Списание The Atlantic и неговото маркетингово студио Re:think си партнират с Google, за да пуснат публикацията „Dialogues: On AI, Society, and What Comes Next“ , в която се обсъждат промените, предизвикани от развитието на изкуствения интелект и се прогнозира неговото въздействие върху бъдещето. Изданието се публикува на тримесечие и се позиционира като платформа за балансирана дискусия – между „безкритичния оптимизъм“ и „дистопичния страх“.

На практика обаче съдържанието на „Dialogues“ прилича повече на популяризиране на изкуствения интелект, отколкото на обективен анализ на неговите възможности и ограничения.

Една от централните теми на новия брой е статията „Бъдещето на откриването на лекарства с помощта на ИИ“, която се фокусира върху влиянието на ИИ върху фармацевтиката и биологията, по-специално върху проблема за предсказване на структурата на протеините. В публикацията се подчертават успехите на ИИ, но почти не се обсъждат неговите ограничения. В нея особено се подчертава ролята на AlphaFold – система, разработена от DeepMind (собственост на Google), която се позиционира като революционен инструмент за предсказване на триизмерните структури на протеините въз основа на тяхната аминокиселинна последователност. Въпреки гръмките твърдения обаче възможностите на тази технология далеч не са неограничени.

Сгъването на протеини и неговата сложност

Протеините са основните молекули, които осигуряват жизнеността на клетките. Тяхната функция се определя от триизмерната им структура, която се формира чрез сгъване на аминокиселинна верига в определена пространствена конфигурация. Определянето на тази структура е сложен научен проблем, известен като проблем на сгъването на протеините.

Традиционните методи за определяне на структурата на протеините включват:

• Рентгенова кристалография – техника, при която протеините се кристализират и след това се излагат на рентгенови лъчи, за да се изчисли триизмерната им структура по дифракционната картина. Този процес може да отнеме години и изисква значителни ресурси, а някои протеини изобщо не могат да бъдат кристализирани.
• Криоелектронната микроскопия (cryo-EM) – техника, при която протеините се замразяват в естествената им среда и след това се сканират с електронен микроскоп. Този подход позволява изучаването на структури, които не могат да бъдат кристализирани, но също така е скъп и изисква висококвалифицирани техници за интерпретиране на данните.

Тези методи, въпреки че са трудоемки осигуряват изключително точни резултати, което е особено важно за разработването на лекарства и изучаването на биохимичните процеси.

ИИ и неговото въздействие върху предсказването на протеинови структури

На фона на трудоемкото естество на класическите методи, системите с ИИ като AlphaFold изглеждат истински пробив. AlphaFold използва техники за дълбоко обучение, за да предсказва триизмерните структури на протеините и в някои случаи резултатите ѝ са сравними с тези, получени чрез лабораторни методи. Това значително ускорява процеса на изучаване на протеините и открива нови възможности за медицината, биотехнологиите и фармацевтиката.

Въпреки това подходът AlphaFold има редица съществени ограничения:

• Зависи от данните. Както всички системи за машинно обучение, AlphaFold се обучава върху вече известни протеинови структури. Ако данните са недостатъчни или съдържат систематични грешки, прогнозите могат да бъдат неточни.
• Невъзможност за моделиране на динамиката. Протеините в клетката не съществуват в статично състояние – те променят формата си, взаимодействат с други молекули и претърпяват модификации. Моделите с изкуствен интелект все още не са в състояние да вземат предвид всички тези фактори.
• Ограничена приложимост към сложни протеинови комплекси. Много биологично важни протеини функционират не поотделно, а като част от сложни многокомпонентни комплекси. AlphaFold изпитва трудности при предсказването на структурите на такива системи.
• Липса на разбиране на механизмите. ИИ може да даде отговор, но няма да обясни защо тази конкретна структура е била най-вероятната. Във фундаменталната наука е важно не само да се знаят, но и да се разбират принципите на формиране на структурата.

Как медиите популяризират изкуствения интелект, като игнорират реалността

Диалозите представят AlphaFold като инструмент, който може да промени из основи биологията и медицината. При това представяне обаче се пренебрегва фактът, че дори и най-усъвършенстваните ИИ-алгоритми не могат да заменят експерименталните методи и човешкия опит.

Подобни тенденции са характерни не само за „Dialogues“, но и за много други публикации, посветени на ИИ. В книгата си „Artificial Unintelligence: How Computers Misunderstand the World“ журналистът Мередит Брусард посочва, че изкуственият интелект често се представя като „чудотворно решение“, способно да замени експертите, да автоматизира сложни процеси и да осигури точни резултати. На практика обаче изкуственият интелект е силно ограничен от качеството на данните, от които се учи, а прогнозите му далеч не са абсолютно точни.

Какво предстои?

Въпреки значителния напредък, проблемът с протеините остава нерешен. AlphaFold и други системи с ИИ са мощни инструменти, но те не заместват традиционните методи, а само ги допълват. В биологията, както и в други науки, критичното мислене и предпазливият подход към новите технологии остават от съществено значение.

Проблемът е, че медии като „Диалози“ са склонни да се фокусират върху положителните аспекти на технологиите, като пренебрегват техните ограничения. Това създава изкривено възприятие, което кара обществеността да вярва, че сложните научни проблеми са решени, докато в действителност все още има много работа за вършене.