Искусственный интеллект плотно проник во множество научных направлений — с ним уже за считаные секунды создают белки для разработки лекарств, одним махом находят тысячи новых галактик, задолго предсказывают засухи и наводнения. Хотя ИИ не может заменить ученого, технология однозначно способна перевернуть наше представление об очевидных на первый взгляд явлениях.
Не только живые организмы способны распознавать изображения
Зрение — один из основных каналов восприятия информации для людей и животных. Человеческий глаз позволяет распознавать тысячи оттенков и текстур, представители рода кошачьих способны видеть в темноте, и даже глубоководный кальмар ориентируется на дне океана во мраке с помощью глаз.
Помимо способности «увидеть» тот или иной объект очень важно умение его распознать. Собаки, например, могут отличать людей и других животных от представителей своего вида даже на экранах телевизоров. До 2012 года никто в научном сообществе не верил, что компьютер можно научить делать то же самое.
В том году на одной из ключевых конференций, посвященных теме ИИ, — NeurIPS — группа ученых представила нейросеть, которая научилась хорошо распознавать картинки. Ее назвали по имени первого автора Александра Крижевского — «Сеть Алекса», то есть AlexNet. Исследователи обучили большую глубокую сверточную нейронную сеть классифицировать 1,3 млн изображений высокого разрешения. Картинки брали в гигантской базе данных описанных изображений ImageNet. Во многом благодаря этой работе тема компьютерного зрения начала развиваться настолько активно, что в 2024 году мы с вами можем разблокировать телефоны «лицом».
К слову, через десять лет с пониманием текстов произошло то же самое. На свет появился ChatGPT, благодаря которому сложные модели стали ближе к конечным пользователям, и мир заинтересовался природой ИИ-технологий.
Логика подвластна не только человеку
На протяжении долгого времени математические задачи решались компьютерными системами с помощью заданных человеком условий — сродни калькулятору. Никто не верил, что им доступны сложные логические выводы. Например, решение геометрических задач или поиск доказательств теорем. Задачи «со звездочкой» были неотъемлемой составляющей поиска молодых математических талантов. Для этого организовали международную математическую олимпиаду, в ходе которой школьники годами соревновались в поиске ответов на самые витиеватые задачи. Ни одна система не могла похвастаться такими же результатами.
В январе 2024 года команда исследователей Google представила AlphaGeometry. Настоящий прорыв. Эта система искусственного интеллекта решает сложные геометрические задачи на уровне, приближающемся к золотому медалисту олимпиады среди людей. Прочитать публикацию о программе можно в журнале Nature.
В сравнительном тесте из 30 олимпиадных задач по геометрии AlphaGeometry решила 25 в пределах стандартного олимпиадного времени. Для сравнения: предыдущая современная система решила всего десять таких задач по геометрии, а среднестатистический золотой медалист — 25,9 задачи.
Климат не всегда влияет на размер листьев растений
В ботанике есть правило: во влажной среде вроде джунглей листья растения будут куда крупнее, чем у того же растения в сухом климате, например в пустыне. Иначе говоря, температура и количество осадков обязательно влияют на размер листьев.
Оказалось, это правило работает только в рамках родов, но не видов. У кленов вообще на всей планете листья действительно будут больше у экватора и меньше у полюсов. А вот у кленов остролистных размер скорее зависит от обмена генами с другими популяциями. Это выяснили год назад австралийские исследователи: с помощью компьютерного зрения они отобрали и проанализировали несколько тысяч образцов из Национального гербария Нового Южного Уэльса.
Это открытие полезно не только для сельского хозяйства — оно может сформировать новый взгляд на эволюцию и адаптацию растений, сохранить редкие виды даже с учетом изменения климата.
За вымиранием видов не следует их рост
Мы знаем о глобальном потеплении, также на Земле периодически случаются катаклизмы вроде падения метеоритов и извержения вулканов — вследствие всего этого за десятки тысяч лет биоразнообразие может сокращаться на 95%. Известно как минимум о пяти массовых вымираниях — и шестое, антропогенное, идет прямо сейчас из-за охоты, вырубки лесов и загрязнения окружающей среды.
Биологи считали, что после каждого такого вымирания происходит бум — как после динозавров планету заселили млекопитающие, так и в других случаях опустевшие экологические ниши быстро заполняют новые виды.
В 2020 году эту важную эволюционную теорию пришлось пересмотреть: с помощью машинного обучения британские и американские ученые доказали, что связи между вымиранием и размножением нет. Для этого программа проанализировала больше миллиона описаний окаменелостей 170 тыс. видов. Статья не стала особо цитируемой в своей предметной области, но все же понравилась любителям научно-популярных новостей.
Отпечатки пальцев не такие уж и уникальные
По отпечаткам люди заходят в банковские приложения, открывают двери, идентифицируют преступников. И все убеждены, что они не могут совпасть — даже если сравнить, скажем, указательные пальцы с обеих рук одного человека. И что нельзя наверняка сказать, принадлежит ли набор отпечатков одному человеку.
Скорее всего, этот подход придется пересмотреть: нет доказательств, что все отпечатки действительно уникальны. Наоборот, в январе появились обратные данные — «внутричеловеческие» отпечатки крайне похожи, особенно для парных пальцев. Криминалисты не замечали этого, потому что сравнивали длину линий и места их ветвления, а ИИ нашел новый маркер — кривизну и наклон завитков. Другими словами, визуально отпечатки могут быть совсем не похожи, но на деле иметь одного «хозяина».
Это выяснили ученые из Колумбийского университета. Они обучили ИИ-модель на полумиллионе искусственных и 60 тыс. реальных отпечатков — по несколько на человека. В большинстве случаев система смогла правильно сопоставить разнопальцевые отпечатки одних и тех же людей.
С точки зрения технологий использованная ИИ модель достаточно проста и непримечательна. Но вот полученные благодаря ей результаты могут помочь повысить эффективность судебно-медицинской экспертизы почти на два порядка. А это, в свою очередь, упростит поиск связей между преступлениями и ускорит исключение невиновных из судебных действий. Владельцам гаджетов будет достаточно сканировать один свой палец, чтобы затем открывать устройство любым из них.
Что дальше?
Это лишь несколько примеров, как ИИ помогает ученым опровергать аксиомы — и в итоге улучшать жизнь и идти к новым научным открытиям.
Как еще исследователи могут применять технологию в своих целях? Во-первых, для поиска закономерностей в больших данных. Только аналитических статей ежедневно выходит по несколько тысяч — человек не в силах объять столько информации. Во-вторых, для формулирования конкретных гипотез — «эта вакцина на человеке сработает вот так», «эта клетка на этот раздражитель отреагирует вот так».
Для автономной работы ИИ-модели еще не готовы — системы развиваются, но пока у них много предубеждений, заимствованных у людей. Впрочем, ситуация наверняка изменится в ближайшие годы — и где-нибудь в 2050-х ученые могут удостоиться Нобелевской премии за ответ на вопрос о происхождении Вселенной, полученный вместе с ИИ.