Объявлены лауреаты Нобелевской премии 2024 года. О том, как структура человеческого мозга вдохновила ученых на главный прорыв в компьютерных технологиях, как открыли тайну белков, без которых не могла бы существовать жизнь на Земле, и как нашли «выключатели» в клетках, разгадав механизм работы генов, рассказывает канал «Наука».
Как придумали нейросети и искусственный интеллект
Хотя компьютеры не могут думать, машины теперь способны имитировать такие функции, как память и обучение. Лауреаты этого года по физике помогли сделать это возможным. Премию получили ученые-пионеры создания нейросетей Джон Хопфилд и Джеффр Хинтон. Используя фундаментальные концепции и методы из физики, они разработали технологии, которые используют структуры в сетях для обработки информации.
Эта технология изначально была вдохновлена структурой мозга. В искусственной нейронной сети нейроны мозга можно представить узлами, которые имеют разные значения. Эти узлы влияют друг на друга через связи (их можно сравнить с синапсами), которые можно сделать сильнее или слабее. Сеть обучается, в частности, путем развития более сильных связей между узлами. Лауреаты этого года проводили важную работу с искусственными нейронными сетями с 1980-х годов.
Представьте, что вы пытаетесь вспомнить довольно необычное слово, перебирая в голове похожие. Этот процесс напоминает ассоциативную память, которую физик Джон Хопфилд создал в 1982 году. Сеть Хопфилда может хранить шаблоны и обладает методом для их воссоздания. Когда сети дается неполный или слегка искаженный шаблон, метод может найти наиболее похожий из сохраненных.
Запомнить изображение – это одно, но интерпретация того, что оно изображено, требует немного большего. Даже очень маленькие дети могут указывать на разных животных и уверенно говорить, собака это, кошка или белка.
Джеффри Хинтон изучал экспериментальную психологию и искусственный интеллект и задавался вопросом, могут ли машины научиться обрабатывать закономерности так же, как люди, находя свои собственные категории для сортировки и интерпретации информации. Хинтон расширил сеть Хопфилда, используя идеи из статистической физики. Метод был опубликован в 1985 году под ярким названием «машина Больцмана».
«Машина Больцмана» может обучаться – не по инструкциям, а по полученным примерам. Она обучается путем обновления значений в связях сети, чтобы образцы примеров, которые были поданы на видимые узлы при обучении, имели максимально возможную «ценность». Если один и тот же образец повторяется несколько раз во время этого обучения, «ценность» для этого образца еще выше.
«Машина Больцмана» часто используется как часть более крупной сети. Например, ее можно использовать для рекомендации фильмов или телесериалов на основе предпочтений зрителя.
Благодаря своей работе, начатой в 1980-х годах, Джон Хопфилд и Джеффри Хинтон помогли заложить основу революции в области машинного обучения, которая началась примерно в 2010 году.
Развитие, свидетелями которого мы являемся сейчас, стало возможным благодаря доступу к огромным объемам данных, которые можно использовать для обучения сетей, а также благодаря колоссальному росту вычислительной мощности.
В статье об ассоциативной памяти от 1982 года Хопфилд использовал сеть с 30 узлами. Если все узлы соединены друг с другом, то получается 435 связей. Узлы имеют свои значения, связи имеют разную силу, и в общей сложности нужно отслеживать менее 500 параметров. Он также пробовал сеть со 100 узлами, но это было слишком сложно для компьютера того времени. Современные большие языковые модели, которые построены как сети, могут содержать более триллиона параметров (это миллион миллионов).
Откуда живая клетка знает, какой нужно стать?
Премия по физиологии и медицине присуждена двум ученым за поразительное открытие, которое объясняет многообразие жизни на Земле. Виктор Эмброс и Гэри Равкан открыли микроРНК и выяснили, как работают гены. Неожиданно оказалось, что «мусорная» ДНК на самом деле не мусорная.
Информацию, хранящуюся в наших хромосомах, можно сравнить с инструкцией по эксплуатации для всех клеток нашего тела. Но каждая клетка содержит одни и те же хромосомы, один и тот же набор инструкций. Почему же тогда клетки такие разные: мышечную нельзя сравнить с нервной, а клетки крови совсем не похожи, например, на клетки-рецепторы. Ответ кроется в регуляции генов, которая позволяет каждой клетке выбирать только нужные для нее инструкции.
Виктор Эмброс и Гэри Равкан открыли микроРНК, которые играют решающую роль в регуляции генов. Это крошечные выключатели, запрещающие работу каких-то белков в конкретных клетках.
Сначала такие выключатели нашли у миллиметрового червя. Научный мир это открытие совсем не заинтересовало. Подумаешь, экзотический механизм у какого-то червяка. Но потом микроРНК нашли почти у всех организмов на Земле, и ученым открылась поразительная картина. Судя по всему, вообще вся многоклеточная жизнь стала возможной лишь потому, что появились эти выключатели, которые разрешают или запрещают работу каких-либо белков. И чем сложнее устроены животные, тем больше в их генах записано разных выключателей.
Сбои в работе микроРНК могут способствовать развитию рака, так что дальнейшее изучение механизма, возможно, приведет к победе над болезнью. Кроме того, мутации в генах, кодирующих микроРНК, вызывают у людей врожденную потерю слуха, заболевания глаз и скелета. В будущем ученые надеются разработать лекарства, которые работали бы на принципе этих же выключателей.
Тайна структуры белков
Награду по химии вручили за раскрытие загадок одних из самых главных составляющих жизни как таковой. Нобелевская премия присуждена Дэвиду Бейкеру «за вычислительный дизайн белков», а также – совместно Демису Хассабису и Джону Джамперу «за предсказание структуры белков».
Именно белки контролируют и управляют всеми химическими реакциями, которые являются основой жизни. И как же это происходит?
Белки обычно состоят из 20 различных аминокислот, которые можно описать как строительные блоки жизни. Используя информацию, хранящуюся в ДНК в качестве чертежа, аминокислоты соединяются вместе в наших клетках, образуя длинные цепочки. Затем происходит магия белков: цепочка аминокислот скручивается и сворачивается в отчетливую – иногда уникальную – трехмерную структуру. Именно от этой структуры зависит, какую функцию будет выполнять белок: создавать мышцы, рога или перья, стать гормонами, ферментами или антителами.
В 2003 году Дэвид Бейкер создал новый белок, который не был похож ни на один другой. С тех пор его исследовательская группа создавала белки один за другим, включая те, что можно использовать в качестве фармацевтических препаратов, вакцин и наноматериалов.
«Если вы хотите построить самолет, вы не начинаете с модификации птицы. Вместо этого вы понимаете основные принципы аэродинамики и строите летательные аппараты на основе этих принципов», – однажды сказал ученый. Способность создавать белки с новыми функциями поразительна. Это может привести к появлению новых наноматериалов, более эффективных лекарств, быстрой разработке вакцин, появлению крошечных датчиков и так далее.
Второе открытие касается предсказания структур белков. С 1970-х годов исследователи пытались прочитать генетический код, но сделать это было крайне сложно. Ошеломляющий прорыв произошел четыре года назад.
В 2020 году Демис Хассабис и Джон Джампер представили модель ИИ под названием AlphaFold2. С ее помощью они смогли предсказать структуру практически всех 200 миллионов белков, с которыми работали исследователи.
Когда AlphaFold2 подтвердила, что действительно работает, ее создатели рассчитали структуру всех человеческих белков.
Раньше на получение структуры белка часто уходили годы, если это вообще удавалось. Теперь это можно сделать за несколько минут. Модель ИИ не идеальна, но она сама оценивает правильность созданной ею структуры, поэтому исследователи знают, насколько надежен прогноз.
Открытие приносит колоссальную пользу. Ученые, например, теперь могут лучше понять устойчивость к антибиотикам и создавать изображения ферментов, которые могут разлагать пластик.
Жизнь не могла бы существовать без белков. То, что мы теперь можем предсказывать структуры белков и проектировать наши собственные белки, для человечества огромный шаг вперед.
По материалам naukatv.ru
Постоянный адрес статьи на сайте «Друг для друга» ~ https://dddkursk.ru/number/1565/planet/004124/.
Архив статей газеты ~ № 42 (1565) 15 октября ~ 2024 год.
