Технологии
AlphaFold и будущее сотрудничества человека и ИИ: пример дополнения, а не замены
Шесть лет спустя после выхода AlphaFold2 структурные биологи по-прежнему публикуют одинаковое количество статей. Новое исследование показывает, как ИИ на самом деле трансформирует специализированные области: через расширение и дополнение, а не замену.
Патрик Т ·
В 2020 году Google DeepMind представила AlphaFold2, модель ИИ, которая справилась с одной из самых фундаментальных задач биологии: определением трехмерной структуры белка только по его последовательности аминокислот. Прорыв оказался ошеломляющим. AlphaFold2 стала первой системой ИИ, которая достигла точности лабораторных экспериментов — достижения, которое ускользало от исследователей на протяжении десятилетий. В последующие годы модель предсказала структуры более чем для 200 миллионов различных белков — увеличение в 1,500 раз по сравнению с белками, охарактеризованными с помощью традиционных лабораторных методов за десятки лет работы. В 2024 году ведущие разработчики модели получили Нобелевскую премию по химии.
Однако шесть лет спустя после выхода AlphaFold2 произошло нечто неожиданное. Количество статей в журналах, использующих традиционные, трудоемкие экспериментальные методы определения структуры белка, не уменьшилось. Структурные биологи по-прежнему публикуют такое же количество статей, как и до AlphaFold2. Они по-прежнему публикуются в лучших научных журналах. Во многом они продолжают делать то, что делали раньше.
Этот кажущийся парадокс предлагает важный урок о том, как ИИ на самом деле трансформирует специализированные области. Это происходит не через полное замещение человеческой экспертизы, а через усиление и расширение человеческих возможностей. Новое исследование, проведенное учеными из Школы управления Келлог при Северо-Западном университете в сотрудничестве с Калифорнийским университетом в Беркли, предлагает первый тщательный анализ того, как AlphaFold2 действительно изменил область структурной биологии. Результаты оспаривают как утопические, так и дистопические нарративы о влиянии ИИ на специализированную работу.
Эффект Floodlight
Традиционный подход к определению структуры белка чрезвычайно дорогой и трудоемкий. Используя экспериментальные методы, такие как рентгеновская кристаллография или криоэлектронная микроскопия, ученые могут определить структуру белка, но процесс занимает годы и обходится примерно в 100 000 долларов за каждый решенный белок. В результате в 2020 году структуры имели менее 0,1 процента известных белков. Большинство белков оставались структурно неохарактеризованными, что ограничивало биологические исследования и разработку лекарственных препаратов.
AlphaFold2 изменил это почти за одну ночь. Google DeepMind запустил свой алгоритм на всех известных белках и опубликовал результаты в интернете. Внезапно исследователи получили доступ к предсказанным структурам 200 миллионов белков. Однако реакция структурных биологов оказалась не такой, какой ожидали многие наблюдатели. Вместо того чтобы отказаться от экспериментальных методов и полностью полагаться на предсказания ИИ, исследователи начали использовать AlphaFold2 для дополнения своей экспериментальной работы.
В одном ярком примере ученые, изучающие размножение дзебрафишей, выявили ключевой белок, но не имели достаточной квалификации для экспериментального определения его структуры. До появления AlphaFold2 им пришлось бы ждать и надеяться, что другую лабораторию удастся решить эту проблему. Вместо этого они использовали предсказание AlphaFold2 в качестве отправной точки, провели целенаправленные эксперименты для проверки и уточнения предсказания и опубликовали свои результаты в журнале Cell, одном из ведущих журналов по биологии.
Часто существует множество дополнительных идей. Искусственный интеллект не идеален. Иногда бывают варианты белка или участки структуры, которые труднее предсказать с помощью ИИ. Сочетание данных из экспериментов и ИИ дает нам больше уверенности в правильности структуры белка таким образом, который может оказать значение для дальнейших исследований.
Райан Хилл, доцент стратегии, Школа менеджмента Келлогга