Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

Есть надежда, что однажды цифровые двойники больных раком будут использовать данные в реальном времени для корректировки лечения, мониторинга реакции и отслеживания изменений образа жизни. Рассмотрим пациента с острым миелолейкозом, раком крови, которого лечили донорскими стволовыми клетками для восстановления иммунной системы. После рецидива цифровой двойник может помочь продемонстрировать влияние различных сценариев лечения с использованием различных комбинаций лекарств в разных дозах, чтобы помочь обсудить варианты, которые подходят пациенту. В долгосрочной перспективе легионы цифровых двойников больных лейкемией могут помочь определить, куда лучше всего инвестировать ресурсы (рис. 20).

Рисунок 20. Виртуальные популяционные модели представляют собой набор подробных анатомических моделей высокого разрешения, созданных на основе данных магнитно-резонансной томографии добровольцев (IT’IS Foundation)

Европа также поддерживает различные крупные инициативы виртуальных людей, такие как EuroHPC, которая финансирует Европейскую инициативу по процессорам для создания собственных процессоров и ускорителей с учетом суперкомпьютеров экстремального масштаба. Французская компания SiPearl разрабатывает высокопроизводительный и маломощный микропроцессор, подходящий, например, для экзафлопсных вычислений. В обширной европейской программе финансирования Horizon 2020 есть соответствующие направления, включая центр Питера CompBioMed2. С ним связаны и другие проекты, такие как DeepHealth, который использует глубокое обучение, компьютерное зрение и другие методы для более эффективной диагностики, мониторинга и лечения заболеваний, и Exa Mode, который анализирует большие и разнообразные данные здравоохранения.

Обратите внимание, что как европейские, так и американские инициативы частично обусловлены попытками разобраться в цунами данных пациентов с помощью глубокого обучения, формы искусственного интеллекта (ИИ). Рост мощности компьютеров, который набрал темп со скоростью, не имеющей себе равных ни в одной другой отрасли человеческих технологий, до такой степени сопровождался ростом ИИ, что сегодня бросает вызов идее об уникальности человеческих когнитивных способностей. Сейчас на ИИ лежит огромное бремя ожиданий – он обеспечит революционную информацию, не в последнюю очередь о работе человеческого тела. Может ли ИИ разделаться со вторым шагом, необходимым для создания виртуального человека, и превратить ваши медицинские данные в своего цифрового двойника? Использование ИИ действительно знаменует собой четвертый шаг к виртуальному человеку, и не из-за больших данных как таковых, а из-за того, что мы называем большим ИИ.

Глава 4 Большой ИИ

«Аналитическая машина не претендует на оригинальность. Она может делать все, что запрограммировано нами на понятном ей языке. Она умеет анализировать, но не умеет предвосхищать аналитические открытия или истины. Ее назначение – предоставить нам то, с чем мы уже знакомы».

АДА ЛАВЛЕЙС[191]

В области искусственного интеллекта, который существует во многих формах, за последние полвека имели место немало ложных надежд. Последнее возрождение особенно показательно, поскольку оно совпало с резким ростом вычислительной мощности и эрой больших данных. По данным IBM, к 2012 г.[192] ежедневно генерировалось 2,5 экзабайта – 2,5 миллиона миллиардов байт – данных. Ожидается, что к 2025 г. глобальная сфера данных увеличится до 175 зеттабайт (триллион гигабайт, или 1 000 000 000 000 000 000 000 байт). По одной из оценок, около 90 % всех данных, доступных сейчас науке, были созданы за последние два года – эта оценка была сделана IBM некоторое время назад, и, без сомнения, темпы только растут[193].

Подобно людям 1849-го г.[194], ищущим самородки во время золотой лихорадки, сегодня многие ученые используют ИИ для анализа больших данных в поисках значимых закономерностей. Некоторые утверждают, что в этой растущей волне измерений, фактов, двоичных чисел, цифр, единиц, байтов и битов лежат блестящие самородки, ответы на основные вопросы биологических, социальных наук или медицины, да и вообще любой области, где компьютеры решают сложные задачи.

Некоторые даже утверждают, что с появлением больших данных традиционный подход к науке устарел: нам больше не нужен сложный танец пчел Бэкона между гипотезой, теорией и экспериментом[195]. Этот простой, детерминированный образ мышления утверждает, что, если у нас есть квинтиллионы байтов данных о поведении мира в прошлом, мы можем сделать вывод, как он будет вести себя в будущем. Зачем вообще заниматься теорией? Зачем утруждать себя размышлениями о том, что на самом деле означают эти данные, если информацию может предоставить машина?