Патент Алгоритма: Открытия, сделанные ИИ

В материаловедении произошёл сдвиг, который ещё несколько лет назад казался почти невозможным. Система GNoME от Google DeepMind предсказала более 2,2 миллиона новых кристаллических структур. Из них свыше 380 тысяч модель сочла потенциально стабильными — то есть энергетически правдоподобными для существования в реальном мире. Для сравнения: за десятилетия традиционной науки исследователи экспериментально изучили лишь десятки тысяч стабильных неорганических материалов. Но самое важное здесь даже не масштаб...

В 2023 году произошло событие, которое многие программисты сначала восприняли как маркетинговый шум. Система AlphaDev от Google DeepMind нашла новые варианты алгоритмов сортировки — задачи, которую инженеры оптимизировали больше полувека. Но через несколько месяцев выяснилось: найденный ИИ код действительно быстрее человеческих решений и уже встроен в стандартную библиотеку C++. В некоторых сценариях ускорение достигало 70%. Для больших массивов данных выигрыш оказался скромнее — около 1.7%, — но даже это считается серьёзным результатом для настолько оптимизированной инфраструктуры...

Представьте систему искусственного интеллекта, которой не объясняют ни одного физического закона. Ей не говорят, что такое сила. Не вводят понятие массы. Не рассказывают про ускорение. Ей просто дают данные: И в какой-то момент эта система начинает находить закономерности, очень похожие на второй закон Ньютона. Именно такой эксперимент описан в исследовании AI-Newton из Пекинского университета (препринт arXiv:2504.01538). Но важно сразу уточнить: речь не о «рождении цифрового Ньютона» и не о магии ИИ...

Создание нового лекарства — один из самых медленных и дорогих процессов в современной науке. Даже если исследователи нашли перспективную молекулу, до появления препарата в клиниках обычно проходит 10–15 лет. За это время тысячи соединений отсеиваются из‑за токсичности, слабой эффективности или проблем с безопасностью. По разным оценкам, только один успешный препарат может стоить фармацевтической компании сотни миллионов или даже миллиарды долларов. Именно поэтому история препарата Rentosertib привлекла такое внимание...

Когда Google DeepMind представила проект GNoME, многие в научной среде назвали это одним из самых необычных событий последних лет в материаловедении. Причина — не в громком бренде и не в красивом маркетинге. А в масштабе. Алгоритм машинного обучения проанализировал миллионы возможных кристаллических структур и предсказал сотни тысяч материалов, которые теоретически могут быть стабильны. Для области, где новые соединения иногда ищут годами, это выглядело почти шокирующе. Но за громкими заголовками...