Алексей Хохлов

Сегодня в Стокгольме проходит церемония вручения Нобелевских премий 2024 года. Как известно, половина Нобелевской премии по химии присуждена сотрудникам компании Google DeepMind Демису Хассабису и Джону Джамперу, которые разработали исключительно эффективную компьютерную программу AlphaFold2 для предсказания пространственной структуры белков по известной последовательности аминокислотных остатков с использованием инструментов искусственного интеллекта (см. посты от 9 и 14 октября).

На волне этого несомненного успеха сотрудники компания Google DeepMind недавно опубликовали весьма содержательное эссе о перспективах использования возможностей искусственного интеллекта (ИИ) в науке:

https://deepmind.google/public-policy/ai-for-science/

Я прочитал, мне понравилось. Основные проблемы и перспективы развития описаны со знанием дела. Рекомендую ознакомиться. ТГ-канал Innovation & Research разместил русский перевод этого важного документа, который можно скачать по ссылке:

https://www.group-telegram.com/abulaphia/5321

Приведу несколько фрагментов этого эссе (не то, чтобы самых важных, просто для затравки интереса):

Несмотря на значительное расширение научного сообщества за последние полвека (только в США число научных сотрудников выросло более чем в семь раз), темпы общественного прогресса снизились. Современные ученые сталкиваются с рядом проблем, которые все чаще связаны с масштабом и сложностью, начиная с постоянно растущей библиографической базы, которую необходимо проанализировать, и заканчивая все более сложными экспериментами. Современные методы глубинного обучения очень хорошо приспособлены для решения подобных задач.

Если говорить об обнародовании результатов научных исследований, то есть ряд полезных подходов, таких как серверы препринтов и репозитории кодов, однако большинство ученых по-прежнему публикуют свои результаты в виде трудных для понимания научных статей, насыщенных профессиональным жаргоном. Это может скорее охладить, нежели разжечь интерес к работе ученых, в том числе со стороны властей, представителей бизнеса и общественности.

Методы ИИ создают потенциал для того, чтобы кардинально переосмыслить определенные научные задачи, в том числе что значит «читать» или «писать» научную статью в мире, где ученый может использовать Большую Языковую Модель для ее рецензирования, корректировки выводов с учетом аудитории или преобразования в формат интерактивной статьи или аудиогида.

Обычно при поиске оптимальной структуры молекулы, доказательства или алгоритма ученые применяют сочетание интуиции, метода проб и ошибок, итераций или вычислений методом «грубой силы». Однако эти методы не могут охватить огромное пространство возможных решений, и оптимальные варианты остаются неисследованными. ИИ способен открыть доступ к новым областям пространства поиска и в то же время быстрее находить решения, которые с наибольшей вероятностью окажутся действенными.

Системы ИИ способствуют научному пониманию не вопреки своей непрозрачности, а благодаря ей, поскольку эта непрозрачность может быть следствием их способности работать в высокоразмерных пространствах, которые могут быть непостижимы для людей, но необходимы для революционных научных открытий.

Подходы к научным исследованиям в академических кругах и промышленности, как правило, прямо противоположны. В научном сообществе царит демократия, а в промышленных лабораториях — иерархия. Недавно появилась новая волна научно-исследовательских институтов. Такие организации пытаются найти баланс между ориентацией на иерархическую координацию и расширением возможностей для инициативы ученых. Для некоторых организаций это означает сосредоточиться на одной конкретной проблеме с предварительно заданными контрольными точками, а для других — предложить ведущим исследователям более свободное финансирование.

Google DeepMind

A new golden age of discovery

In this essay, we take a tour of how AI is transforming scientific disciplines from genomics to computer science to weather forecasting. Some scientists are training their own AI models, while...

www.group-telegram.com/nl/khokhlovAR.com/872

7.7K viewsDec 10 at 15:35

Сегодня в Стокгольме проходит церемония вручения Нобелевских премий 2024 года. Как известно, половина Нобелевской премии по химии присуждена сотрудникам компании Google DeepMind Демису Хассабису и Джону Джамперу, которые разработали исключительно эффективную компьютерную программу AlphaFold2 для предсказания пространственной структуры белков по известной последовательности аминокислотных остатков с использованием инструментов искусственного интеллекта (см. посты от 9 и 14 октября).

На волне этого несомненного успеха сотрудники компания Google DeepMind недавно опубликовали весьма содержательное эссе о перспективах использования возможностей искусственного интеллекта (ИИ) в науке:

https://deepmind.google/public-policy/ai-for-science/

Я прочитал, мне понравилось. Основные проблемы и перспективы развития описаны со знанием дела. Рекомендую ознакомиться. ТГ-канал Innovation & Research разместил русский перевод этого важного документа, который можно скачать по ссылке:

https://www.group-telegram.com/abulaphia/5321

Приведу несколько фрагментов этого эссе (не то, чтобы самых важных, просто для затравки интереса):

Несмотря на значительное расширение научного сообщества за последние полвека (только в США число научных сотрудников выросло более чем в семь раз), темпы общественного прогресса снизились. Современные ученые сталкиваются с рядом проблем, которые все чаще связаны с масштабом и сложностью, начиная с постоянно растущей библиографической базы, которую необходимо проанализировать, и заканчивая все более сложными экспериментами. Современные методы глубинного обучения очень хорошо приспособлены для решения подобных задач.

Если говорить об обнародовании результатов научных исследований, то есть ряд полезных подходов, таких как серверы препринтов и репозитории кодов, однако большинство ученых по-прежнему публикуют свои результаты в виде трудных для понимания научных статей, насыщенных профессиональным жаргоном. Это может скорее охладить, нежели разжечь интерес к работе ученых, в том числе со стороны властей, представителей бизнеса и общественности.

Методы ИИ создают потенциал для того, чтобы кардинально переосмыслить определенные научные задачи, в том числе что значит «читать» или «писать» научную статью в мире, где ученый может использовать Большую Языковую Модель для ее рецензирования, корректировки выводов с учетом аудитории или преобразования в формат интерактивной статьи или аудиогида.

Обычно при поиске оптимальной структуры молекулы, доказательства или алгоритма ученые применяют сочетание интуиции, метода проб и ошибок, итераций или вычислений методом «грубой силы». Однако эти методы не могут охватить огромное пространство возможных решений, и оптимальные варианты остаются неисследованными. ИИ способен открыть доступ к новым областям пространства поиска и в то же время быстрее находить решения, которые с наибольшей вероятностью окажутся действенными.

Системы ИИ способствуют научному пониманию не вопреки своей непрозрачности, а благодаря ей, поскольку эта непрозрачность может быть следствием их способности работать в высокоразмерных пространствах, которые могут быть непостижимы для людей, но необходимы для революционных научных открытий.

Подходы к научным исследованиям в академических кругах и промышленности, как правило, прямо противоположны. В научном сообществе царит демократия, а в промышленных лабораториях — иерархия. Недавно появилась новая волна научно-исследовательских институтов. Такие организации пытаются найти баланс между ориентацией на иерархическую координацию и расширением возможностей для инициативы ученых. Для некоторых организаций это означает сосредоточиться на одной конкретной проблеме с предварительно заданными контрольными точками, а для других — предложить ведущим исследователям более свободное финансирование.

BY Алексей Хохлов