ИИ изменил ландшафт научных открытий: инструменты, созданные на базе машинного обучения и нейросетей, используются учеными почти повсеместно. Портал CNN Science рассказал об открытиях 2024 года, которые были бы невозможны без применения ИИ.
Шифр китов и языки других животных
Ученые знают, что таинственные щелчки кашалотов варьируются в темпе, ритме и длине, но никто не может сказать, о чем говорят эти звуки, сгенерированные специальным органом в голове китов. По крайней мере, до недавних пор. При помощи машинного обучения специалисты изучили почти 9 000 записей «разговоров» между примерно 60 кашалотами в Карибском море. Однажды эта работа способна помочь нам наладить коммуникацию с морскими животными.
Исследователи пристально рассмотрели тайминг и частоту щелчков как одиночных китов, так и групп. Они также изучили обмен сигналами между этими гигантами. После визуализации щелчков с помощью ИИ, ученые смогли увидеть новые паттерны — они похожи на фонетику в человеческой коммуникации.
Итого программа обнаружила 18 типов ритмов, пять типов темпа, три типа рубато (вариация продолжительности) и два типа орнаментации — дополнительных щелчков, которые добавляются в конце коротких сигналов. Если объединить эти факторы, то можно получить невероятный репертуар фраз. Но у нынешнего подхода исследователей есть ограничения: искусственный интеллект подсветил паттерны, но никак не прояснил их смысл. Теперь ученым предстоят долгие эксперименты и наблюдения в попытке расшифровать синтаксис китового языка.
Поиск археологических точек
А на суше ИИ полным ходом разгоняет поиски таинственных линий и символов, высеченных на пыльной земле в перуанской пустыне Наска. Так называемые геоглифы Наски зачастую можно увидеть лишь с воздуха: они представляют собой огромные пиктограммы, изображающие геометрические дизайны и человеческие фигуры. Один из геоглифов так вообще похож на косатку, держащую нож.
Группа ученых из японского Университета Ямагаты натренировала поисковую модель ИИ на 430 символах Наски, которые были задокументированы по состоянию на 2020 год. Между сентябрем 2022 и февралем 2023 команда проверила точность модели в пустыне с помощью дронов, и обнаружила 303 фигуративных геоглифа. Тем самым опыт японцев почти удвоил число известных геоглифов за считанные месяцы.
Конечно, ИИ далек от совершенства. Он подсказал 47 000 потенциальных точек интереса в регионе, разбросанных по площади 629 квадратных километров. Археологам пришлось отсеивать и ранжировать предложения модели — на каждые 36 вариантов приходился лишь один «многообещающий кандидат». Тем не менее, у ИИ есть потенциал для значимых открытий в сфере археологии, особенно если говорить об изучении труднодоступных и суровых регионов, таких как пустыни.
Понимание фундаментальных элементов жизни
ИИ-модели также помогают ученым исследовать жизнь в самом маленьком масштабе: на уровне молекул, формирующих протеины — фундамент любой жизни. Протеины состоят где-то из 20 аминокислот, но они могут объединяться почти в бесконечное количество комбинаций, складываясь в крайне сложные трехмерные паттерны. Они формируют волосы, кожу и клетки тканей, копируют и ремонтируют ДНК, помогают крови переносить кислород.
Раньше расшифровка этих трехмерных структур была сложным, ресурсоемким мероприятием, которое требовало лабораторных экспериментов с применением техники рентгеновской кристаллографии. Но в 2018 году на сцену вышел революционный инструмент на базе ИИ. Текущая итерация базы данных AlphaFold, разработанной Google DeepMind, предсказывает структуры почти всех 200 млн известных протеинов из аминокислотных цепочек.
ИИ, натренированный на лабораторных данных и экспериментах, по сути играет роль «Google для протеинов». Он дает быстрый доступ к огромному архиву информации, что значительно ускоряет прогресс фундаментальной биологии и других пограничных сфер, в том числе медицины. AlphaFold воспользовались как минимум два миллиона специалистов по всему миру.
Но даже у столь впечатляющей модели есть погрешности. Например, попытки применить AlphaFold к протеинам из мутированных цепочек, включая те, что связаны с риском раннего развития рака груди, подтвердили, что инструмент не экипирован для предсказания последствий мутаций.