Журнал Atlantic и его маркетинговая студия Re: Подумайте о партнере с Google, чтобы выпустить публикацию «Диалоги: об искусственном интеллекте, обществе и то, что будет дальше», в котором обсуждаются изменения, вызванные развитием искусственного интеллекта, и предсказали его влияние на будущее. Журнал опубликован в квартале и расположен в качестве платформы для сбалансированного обсуждения — между «некритическим оптимизмом» и «антиутопическим страхом».
На практике, однако, содержание диалогов больше похоже на продвижение искусственного интеллекта, чем на объективный анализ его возможностей и ограничений.
Одной из центральных тем нового выпуска является статья «Будущее обнаружения лекарств с помощью ИИ», которая фокусируется на влиянии ИИ на фармацевтические препараты и биологию, в частности, проблема прогнозирования структуры белка. Публикация подчеркивает успехи ИИ, но его ограничения почти не обсуждаются. Это особенно подчеркивается роли Alphafold — системы, разработанной DeepMind (Google Property), который позиционируется как революционный инструмент для прогнозирования трехмерных белковых структур на основе их аминокислотной последовательности. Однако, несмотря на громкие заявления, возможности этой технологии далеки от неограниченного.
Складывание белков и его сложность
Белки являются основными молекулами, которые обеспечивают жизнеспособность клеток. Их функция определяется их трехмерной структурой, которая образуется путем складывания аминокислотной схемы в конкретную пространственную конфигурацию. Определение этой структуры является сложной научной проблемой, известной как проблема складывания белка.
Традиционные методы определения структуры белков включают в себя:
- X -ray crystallography -Техника, при которой белки кристаллизуются и затем подвергаются воздействию x -rays для расчета их трехмерной структуры на дифракционной картине. Этот процесс может занять годы и требовать значительных ресурсов, и некоторые белки вообще не могут быть кристаллизованы вообще.
- Криоэлектронная микроскопия (Крио-Ам))) — метод, при которой белки заморожены в их природной среде, а затем сканируют с помощью электронного микроскопа. Этот подход позволяет изучать структуры, которые не могут быть кристаллизованы, но также являются дорогими и требуют высококвалифицированных техников интерпретации данных.
Эти методы, хотя и трудоемкие, обеспечивают чрезвычайно точные результаты, что особенно важно для разработки лекарств и изучения биохимических процессов.
II и его влияние на прогнозирование белковых структур
На фоне трудовой природы классических методов системы с ИИ, такими как альфафолд, кажутся настоящим прорывом. AlphaFold использует методы глубоких тренировок для прогнозирования трехмерных белковых структур, и в некоторых случаях его результаты сопоставимы с результатами, полученными лабораторными методами. Это значительно ускоряет процесс изучения белков и открывает новые возможности для медицины, биотехнологии и фармацевтических препаратов.
Тем не менее, альфафолд имеет ряд значительных ограничений:
- Это зависит от данных. Как и все системы машинного обучения, Alphafold обучается уже известным белковым структурам. Если данные недостаточны или содержат систематические ошибки, прогнозы могут быть неточными.
- Неспособность моделировать динамику. Белки в клетке не существуют в статическом состоянии — они меняют свою форму, взаимодействуют с другими молекулами и подвергаются модификациям. Модели искусственного интеллекта еще не могут учитывать все эти факторы.
- Ограниченная применимость к сложным белковым комплексам. Многие биологически важные белки функционируют не индивидуально, но как часть сложных многокомпонентных комплексов. Альфафолд испытывает трудности с прогнозированием структур таких систем.
- Отсутствие понимания механизмов. ИИ может ответить, но это не объяснит, почему эта конкретная структура была наиболее вероятной. В фундаментальной науке важно не только знать, но и понимать принципы формирования структуры.
Как средства массовой информации продвигали искусственный интеллект, игнорируя реальность
Диалоги представляют собой алфафолд как инструмент, который может сменить биологию и медицину с нуля. Тем не менее, эта презентация пренебрегает тем фактом, что даже самые сложные и алгоритмы не могут заменить экспериментальные методы и человеческий опыт.
Подобные тенденции характерны не только «диалогов», но и многих других публикаций, посвященных ИИ. В своей книге искусственная нерецептивность: как компьютеры неправильно понимают мир, журналист Мередит Брусард заявляет, что Искусственный интеллект часто представляется как «чудесное решение», способное заменить экспертов, автоматизировать сложные процессы и обеспечить точные результаты. На практике, однако, искусственный интеллект очень ограничен качеством данных, которые он изучает, и его прогнозы далеки от абсолютно точного.
Что впереди?
Несмотря на значительный прогресс, проблема с белком остается нерешенной. Альфафолд и другие системы ИИ являются мощными инструментами, но они не заменяют традиционные методы, а только дополняют их. В биологии, а также в других науках критическое мышление и осторожный подход к новым технологиям остаются важными.
Проблема в том, что такие медиа, как «диалоги», имеют тенденцию фокусироваться на положительных аспектах технологий, пренебрегая их ограничениями. Это создает искаженное восприятие, которое заставляет общественность верить, что сложные научные проблемы решаются, в то время как на самом деле предстоит еще много работы.
