Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

В недавней работе с международной командой коллег, в том числе со Стивенсом, мы представили новый метод разработки лекарств in silico, использующий теоретические методы вместе с машинным обучением, чтобы сделать первые более ловкими, а второе более умным[249]. Одним из ключевых компонентов объединения ИИ и физического моделирования в рамках сложного рабочего процесса большого ИИ было «промежуточное программное обеспечение», разработанное Шантену Джа в Ок-Риджской национальной лаборатории и Университете Рутгерса в США.

Мы использовали этот гибридный подход для анализа нескольких миллионов соединений и применили его для перепрофилирования лекарств, найдя те, которые связываются с основной протеазой SARS-CoV-2, ферментом, который позволяет вирусу размножаться, и пока что получили обнадеживающие результаты[250]. Наш коллега Рик Стивенс возглавил американскую команду, которая использовала аналогичный подход большого ИИ, используя инфраструктуру суперкомпьютеров США для анализа более 6 миллионов молекул в поисках химического вещества под названием MCULE-5948770040, многообещающего ингибитора протеазы[251].

Хотя этот подход основан на итерациях между физическими методами и машинным обучением для оттачивания прогнозов, другой вид большого ИИ можно найти в облике так называемой нейронной сети, основанной на физике, или PINN, алгоритма глубокого обучения, разработанного Джорджем Карниадакисом и коллегами из Университета Брауна в Род-Айленде[252]. Этот алгоритм обучен и необходим для удовлетворения ряда основных физических ограничений, таких как законы движения, симметрии, сохранения энергии и термодинамики. PINN может отвечать на вопросы, когда данных недостаточно, и выводить неизвестные параметры. Короче говоря, PINN использует теорию для заполнения пробелов в данных и понимании – подход, который применялся, например, к динамике жидкостей и для улучшения моделей прогнозирования COVID-19[253].

Большой ИИ представляет собой веху в машинном обучении, которая находится где-то между нынешним поколением ИИ, обладающим сверхчеловеческими способностями, хотя и для очень узких сфер применения, и будущим общим ИИ, когда агент ИИ будет способен понимать или изучать многие интеллектуальные задачи, которые может выполнить человек. Карниадакис вместе с инженером из Стэнфорда Эллен Куль и коллегами утверждает: «Недавние тенденции предполагают, что интеграция машинного обучения и многомасштабного моделирования может стать ключом к лучшему пониманию биологических, биомедицинских и поведенческих систем», когда речь идет об усилиях по созданию цифровых двойников[254].

Когда наступит эра большого ИИ, мы ожидаем, что его влияние распространится далеко за пределы виртуального человека, где он поможет создавать более точные модели клеток, тканей и органов. Теория управления искусственным интеллектом будет иметь огромные последствия для всей науки и ознаменует собой важный шаг на пути к созданию общего искусственного интеллекта.

Теперь, когда мы сделали первые четыре шага, пришло время приступить к созданию виртуального двойника. Давайте рассмотрим необычайный диапазон компьютерных симуляций, от уровня молекул до всего тела, которые уже использовались в глобальном проекте по созданию виртуального человека.

Глава 5 Симуляция жизни

«Когда сидишь рядом с хорошенькой девушкой, час кажется минутой, а когда сядешь на горячую сковородку, то минута кажется часом».

АЛЬБЕРТ ЭЙНШТЕЙН[255]

Альберт Эйнштейн сделал больше, чем кто-либо другой, для формирования нашего понимания пространства, времени, энергии, материи и гравитации. Во время annus mirabilis[256] в 1905 г., когда ему было всего 26 лет, к Эйнштейну пришло прозрение, опровергшее многовековую идею Ньютона о том, что пространство и время для всех одинаковы. Предположив, что законы науки, особенно скорость света, всем наблюдателям должны казаться одинаковыми, он понял, что пространство и время, объединенные как «пространство-время», зависят от точки зрения. Доведя эту идею до конца, Эйнштейн проложил путь для теории относительности (которую популяризировал с помощью забавной цитаты выше) и современного понимания гравитации не как силы, а как искривленного пространства-времени[257]. Как выразился один физик: «Пространство-время захватывает массу, указывая ей, как двигаться <…> Масса захватывает пространство-время, указывая ему, как искривляться»[258].