DeepMind повышает планку на пути  решения самых сложных научных проблем

DeepMind повышает планку на пути решения самых сложных научных проблем

Лондонский стартап DeepMind, известный инновационными разработками в сфере искусственного интеллекта (ИИ), планирует расширить свою деятельность,  направив усилия на решение более серьезных проблем, которые могут изменить жизнь человечества. Среди главных задач – моделирование трехмерных белковых структур.

Стартап DeepMind создан в 2010 году Демисом Хассабисом (Demis Hassabis) – выпускником Гарварда и Массачусетского технологического института (MIT), нейробиологом  и разработчиком компьютерных игр. К его перспективному проекту  присоединились коллега из Университетского колледжа Лондона (UCL) Шейн Легг (Shane Legg) и друг детства Мустафа Сулейман (Mustafa Suleyman).

Исследователи перед собой поставили  амбициозную цель – создание искусственного общего интеллекта (AGI) на основе универсальных интеллектуальных агентов (ИИ-систем), которые способны самостоятельно обучаться на необработанных входных данных и принимать решения.

В своей работе DeepMind использует самые передовые технологии: от традиционных методов машинного обучения – до системы психофизиологии и обучения с подкреплением, когда агенты моделируют свой собственный мир и «нарабатывают интуицию» при взаимодействии с окружающей средой.

За восемь лет стартапу удалось достичь выдающихся результатов. Нейронные сети в сочетании с алгоритмами, разработанными DeepMind, освоили компьютерные игры и обыграли нескольких шахматных гроссмейстеров. Наибольшую известность получила ИИ-система AlphaGo, победившая корейского чемпиона мира в игре Го Ли Седоля (Lee Sedol). Го считается самой сложной игрой, созданной человеком. AlphaGo «продемонстрировала недюжинный интеллект и сбила с толку миллионы наблюдавших болельщиков своим творческим подходом», отметил Хассабис.

В январе 2014 года стартап купила компания Google за 650 миллионов долларов, что позволило использовать большие вычислительные мощности технологического гиганта для ускорения и повышения эффективности исследований, а также нанять специалистов мирового уровня. В 2016 году DeepMind  перешел под управление родительской компании Google – Alphabet.

Подразделение стартапа в Google, возглавляемое Сулейманом, насчитывает около ста человек, которые занимаются преобразованием научных исследований в коммерческие приложения. Например, WaveNet, разработанная командой DeepMind  модель преобразования текста в речь, уже встроена в большинство устройств Google – от Android до Google Home, и имеет собственную группу разработчиков.

«Множество исследований в отрасли ведется с учетом будущего продукта. Проблема в том, что мы можем проводить только дополнительные исследования, что не способствует реализации амбициозных, рискованных проектов в области ИИ», – сказал Хассабис. 

Следующие десять лет DeepMind намерена посвятить решению более глобальных проблем и совершить прорыв в использовании ИИ в таких областях как химия, физика, биология и медицина.

«Наша миссия должна стать одним из самых увлекательных путешествий в мир искусственного интеллекта. Мы надеемся построить настоящий храм для научных исследований в самых разных областях, которые помогут решить реальные проблемы человечества», – отметил Хассабис.

В рамках расширения деятельности компания рассчитывает на помощь  ведущих специалистов по математике, физике, нейробиологии, психологии, биологии, философии, геномике и другим дисциплинам.

В первую очередь Хассабис собирается сосредоточиться на решении одной из самых важных проблем – фолдинге белка – предсказании трехмерных белковых структур с помощью ИИ.   

Белки являются основой жизни млекопитающих. Они составляют большую часть структуры тканей на молекулярном уровне и выполняют множество функций. Несмотря на многолетние исследования, ученые до сих пор не знают, по какому принципу происходит фолдинг белка, – процесс сворачивания белковой молекулы в определенную структурную форму.

«Белки – самые потрясающие машины, когда-либо созданные для перемещения атомов на наноуровне. Они делают химические процессы на порядок эффективнее, оставаясь при этом самыми непостижимыми для науки. Если мы сможем узнать больше о белках, которые создала природа, то сможем научиться создавать свои собственные», – подчеркнул исследователь DeepMind Джон Джампер (John Jumper).

По мнению ученых, глубокое понимание структуры и функциональности белков помогут бороться с такими распространенными опасными недугами как болезнь Паркинсона, Альцгеймера и диабет.

Возглавит направление бывший директор Microsoft Research Пушмит Кохли (Pushmeet Kohli), который по словам Хассабиса обладает творческим потенциалом, чтобы объединить специалистов из разных научных областей.

Что делает сворачивание белка привлекательной задачей для команды DeepMind, так это широкая доступность наборов геномных данных. С 2006 года произошел прорыв в сборе, хранении, обмене и анализе данных ДНК. По оценкам исследователей, к 2025 году может быть проанализировано два миллиарда геномных наборов данных, что потребует 40 эксабайт для хранения информации.

Между тем, для обработки такого объема данных и создания всех возможных конфигураций типичного белка для достижения правильной трехмерной структуры потребуется больше времени, чем возраст вселенной, утверждает американский молекулярный биолог Сайрус Левинталь (Cyrus Levintal). Именно здесь может прийти на помощь искусственный интеллект.

Стоит отметить, что DeepMind имеет собственные наработки в этой области. В прошлом году команда представила на всемирный конкурс CASP алгоритм AlphaFold для предсказания белковых структур, разрабатываемый в течение двух лет.

Соревнования по структурному моделированию CASP проводятся в Мексике с 1994 года. В масштабном эксперименте участвует более ста исследовательских групп из разных стран, которые предлагают свои методы определения трехмерной структуры белков, а организаторы CASP дают объективную независимую оценку разработкам.

Главным принципом соревнования считается отсутствие дополнительной информации о белке, кроме аминокислотной последовательности. Поэтому участники узнают о структуре тестируемого вещества только после окончания проверки метода прогнозирования.

Исследователи DeepMind проверяли AlphaFold на девяти десятках белковых структур, включая шаблонные и смоделированные с нуля. По многим показателям алгоритм показал более точные результаты, чем модели других команд.

Несмотря на то, что компания расширяет сферу деятельности, Хассабис утверждает, что DeepMind по-прежнему остается стартапом, хотя и конкурирует на мировой арене.

«Китай и США стремятся стандартизировать отрасль ИИ в собственных интересах, как в коммерческих, так и геополитических. DeepMind предстоит пройти долгий путь, чтобы осуществить свою миссию по созданию AGI. И я хочу, чтобы у нас сохранился темп, страсть и энергия, которые есть у лучших стартапов», – подчеркнул Хассабис.

Оставьте свой комментарий