Компания DeepMind прославилась благодаря созданию алгоритмов, с легкостью обыгрывающих людей в шахматы, го и видеоигры, а также диагностирующих болезни. Однако конечная цель главы компании Демиса Хассабиса заключается в использовании ИИ для решения сложных научных проблем.
На этой неделе команда DeepMind опубликовала в научном журнале Nature две статьи, посвященные использованию алгоритмов в биологии. Как сообщает Venture Beat, первая касается работы мозга, а вторая — расшифровки структуры белков.
Первая статья, соавторами которой выступили специалисты из Гарварда, использует искусственный интеллект в качестве модели механизмов обучения, работающих в мозге. Подобно настоящему мозгу, многие алгоритмы полагаются на систему обучения с подкреплением, когда правильное поведение вознаграждается тем или иным способом.
Наиболее современные алгоритмы вычисляют величину будущей награды с помощью вероятностного подхода. Исследователи предположили, что сходным образом может функционировать система вознаграждения, основанная на дофамине.
Эта идея подтвердилась в ходе экспериментов с мышами. Проанализировав работу их мозга при выполнении различных задач, авторы обнаружили, что отдельные нейроны выстраивают вероятностные модели получения награды в ответ на то или иное поведение. Полученные результаты важны как для нейробиологии, так и для сферы разработки ИИ — для оптимизации процесса обучения моделей.
Во второй статье подробно описывается использование алгоритмов для изучения сворачивания белка — этот процесс также известен как фолдинг. Способность предсказать структуру белка на основе данных о его аминокислотном составе считается чрезвычайно важной для многих отраслей биологии, например, медицины. К сожалению, стандартные методики малоэффективны для выполнения этой задачи. По некоторым расчетам, чтобы выявить все возможные конфигурации белка, человеку необходимо 13,8 млрд лет. Именно поэтому для этой работы все чаще привлекают алгоритмы.
DeepMind занимается этой проблемой уже несколько лет. В качестве основного инструмента исследования компания разработала алгоритм AlphaFold, который предсказывает расстояния между аминокислотами и величину углов между ними. На основе этих данных строится модель полной структуры белка.
Эффективность AlphaFold была подтверждена на международном конкурсе по расшифровке структуры белка CASP13 в декабре 2018 года. Алгоритм победил соперничающие исследовательские группы, предсказав структуры 24 из 43 предложенных белков.