Коды, последовательности и алгоритмы — вот что на уме у Нобелевского комитета в этом году. Хотя ни математика, ни информатика в список премируемых дисциплин не входят. Как разработка нейросетей связана с естественными науками и почему выбор комитета по физике вызывает дискуссии в научном сообществе — читайте в статье.
Генные дирижеры
В каждой клетке тела зашифрован один и тот же генетический код. Он содержит информацию об устройстве всего организма и своего рода инструкции по сборке всех клеток. Внутри клетки волоса лежит тот же код, что и внутри клетки сердца. При этом клетка сердца и клетка волоса формируются по-разному, несмотря на то, что инструкция внутри каждой из них лежит одна и та же. Как клетка узнает, какому именно фрагменту «инструкции» она должна соответствовать? Почему она собирается именно так, а не иначе? В этом году Нобелевскую премию получили ученые, которым удалось ответить как раз на эти вопросы.
До 1993 года ученые знали, что работа генов регулируется специальными белками. Они, как ключи, «отпирают» внутри клетки определенный участок генома. Этому фрагменту «инструкции» клетка и следует. И по этой же схеме внутри нее собираются новые аналогичные клетки. Но эти белки — так называемые факторы транскрипции — задействованы только на определенной стадии развития новых клеток: в процессе их сборки.
В 1980-х Виктор Эмброс и Гэри Равкан изучали многоклеточного червя C. elegans в лаборатории Роберта Хорвица, ставшего нобелевским лауреатом в 2002 году. Этот червь еще очень маленький, но уже не примитивный: его организм состоит из разных типов тканей. Так что он стал идеальной моделью для исследования. На его примере биологи выясняли, как зарождаются и развиваются разные типы клеток.
Чуть позже, каждый в своей лаборатории, они продолжили изучать C. elegans самостоятельно. И Эмброса, и Равкана заинтересовали странные мутации в развитии некоторых особей. Выяснилось, что мутации происходят уже после того, как клетка сформирована — и на экспрессию генов каким-то образом влияют маленькие фрагменты РНК. Они «включают» и «выключают» некоторые участки генома прямо в процессе развития клетки. Например, так они могут запустить или остановить выработку тех или иных гормонов.
Так были открыты микроРНК — новый механизм регуляции генов. Поначалу остальным биологам казалось, что это особенности развития C. elegans, а к другим видам животных открытие не имеет отношения. Но вскоре выяснилось, что это не так. Буквально через 7 лет Эмброс и Равкан обнаружили, что точно так же регулируется экспрессия гена let-7, который встречается у всех животных. С того момента микроРНК заинтересовали научное сообщество. Теперь нам известно, что эти микроскопические «дирижеры» необходимы для развития любого сложного организма, а аномалии в их работе могут быть причиной врожденных отклонений и раковых опухолей. Благодаря микроРНК тело может адаптироваться к меняющимся условиям, активируя нужные генетические программы.
А благодаря Эмбросу и Равкану мы теперь лучше представляем причины и патогенез различных тяжелых заболеваний: нервной, репродуктивной, сердечно-сосудистой систем и даже ВИЧ. МикроРНК, как выяснилось, играют важную роль в их развитии. Высокая концентрация в крови тех или иных микроРНК может быть признаком патологических состояний — например, метастазирующего рака — так что эти молекулы уже помогают врачам в диагностике. И очень может быть, что скоро микроРНК станут ключом к излечению многих болезней. Если получится подобрать нужный «регулятор генов», возможно, организм диабетиков сможет снова вырабатывать инсулин, а иммунная система раковых больных — самостоятельно уничтожать злокачественные клетки. Другие же отклонения — например, патологии развития тканей — в теории можно будет вылечить еще внутри материнской утробы.
Биохимический конструктор
Премию по химии в этот раз присудили троим исследователям-программистам. Среди них — один из основателей DeepMind Демис Хассабис. Но это не ошибка. Ученые решили одну из ключевых проблем биологии: расшифровали устройство белков.
Весь организм буквально «прошит» белками: они ускоряют биохимические реакции, переносят между клетками питательные вещества, сокращают мышцы. Иммунные тела, гормоны, рецепторы — это все белки. Набор белков — это как связка ключей: подобрав нужный, можно запустить или остановить тот или иной процесс в клетке, активировать определенный участок генома, «открыть» клетку для вторжения или нейтрализовать токсин. Неправильное функционирование белков может привести к смертельной болезни, а «правильные» белки — спасти от нее.
Вот почему ученых неизменно интересовала структура белков: зная ее, можно синтезировать нужный биохимический «инструмент», вовремя увидеть у пациента отклонения и поставить диагноз и многое другое. А если научиться самостоятельно конструировать белки с заданными свойствами — возможности человека в медицине и в химии становятся поистине безграничны.
Любой белок состоит из последовательно выстроенных аминокислот. Аминокислот всего 22, а их возможных комбинаций — бесчисленное множество. Но и это еще не все. У молекулы белка трехмерная структура. После того, как клетка собрала цепочку аминокислот — каркас белка — цепочка определенным образом сворачивается. Даже знание точной последовательности аминокислот не дает понимания пространственной структуры белка — как знание состава продукта не вполне дает понять, как именно он был приготовлен.
Притом что для каждой комбинации аминокислот пространственная структура только одна — но как ее выяснить, зная лишь «набор ингредиентов»? Приходилось расшифровывать строение каждого отдельного белка с помощью рентгеновской кристаллографии или под электронным микроскопом — методы надежные, но требуют слишком много времени и усилий. На такую расшифровку, если соединение длинное и сложное, могло уйти несколько лет. Так что предсказание пространственной структуры белка на основе последовательности аминокислот было одной из величайших научных задач последнего времени.
И над ней бились с 1969 года. В 1994 даже появился ежегодный научный турнир по предугадыванию пространственной структуры белка на основе его состава — последовательности аминокислот. Он назывался CASP — Critical Assessment of Protein Structure Prediction. Однако в 2020 году конкуренция между различными вычислительными инструментами закончилась. Потому что Джон Джампер и Демис Хассабис представили программу AlfaFold2, которая моделировала сворачивание белков с точностью выше 90%.
Команда DeepMind во главе с Хассабисом работала над этой проблемой с 2016 года. В 2018 они испытали на турнире нейросеть AlfaFold, которая предсказывала структуру белка с точностью 60% — а до этого и 40% попаданий считались отличным результатом. Но дальше DeepMind продвинуться не удавалось. Выход из тупика обнаружился, когда к команде присоединился Джампер, физик, математик и биохимик. До того, как попасть в DeepMind, Джампер и сам моделировал сворачивание белков, и его новаторские идеи обеспечили настоящий прорыв. Архитектуру AlfaFold пришлось переписать коренным образом, но результаты того стоили.
К 2022 году с помощью программы AlfaFold2 исследователям удалось описать структуру почти 200 миллионов белков — как реально наблюдаемых, так и потенциально возможных. В том числе получилось обнаружить фермент, который дает некоторым видам бактерий устойчивость к антибиотикам, и ферменты, способные разлагать пластик. Теперь все участники CASP пользуются программами на основе AlfaFold2.
Дэвид Бейкер тоже некогда участвовал в CASP: он возглавлял на турнире команду Rosetta, и их программа показывала неплохие результаты. Однако в какой-то момент Бейкер решил пойти от противного: создать нейросеть, которая сможет подобрать последовательность аминокислот для заранее заданной структуры белка. В 2003 году он впервые синтезировал белок с нуля. И поделился исходным кодом «Розетты» с научным сообществом, чтобы исследователи со всего мира могли использовать его в своей работе и дорабатывать программное обеспечение под свои нужды. Кстати, увидев в 2020 году, на что способна AlfaFold2, Бейкер усовершенствовал свое детище, и сейчас Rosetta работает еще быстрее и эффективнее.
Вместо того, чтобы искать в природе соединение с нужными свойствами, ученые теперь могут создать его сами. Как говорил сам Бейкер: «Если вы хотите построить самолет, вы не станете переделывать птицу. Вы изучите основы аэродинамики и сконструируете летательный аппарат». Благодаря его открытию ученые теперь конструируют сверхпрочные органические материалы. И новые вакцины, которые содержат белок, похожий на белок исходного вируса — а потом организм их «запоминает» и начинает уничтожать. Или же белки-индикаторы, которые меняют цвет и окрашивают поверхность, реагируя на определенное вещество. Например, на химические загрязнители в окружающей среде. А некоторые белки становятся лекарством: например, сейчас ученые патентуют средство от целиакии и от различных штаммов гриппа.
Джампер с Хассабисом и Бейкер неслучайно делят одну и ту же премию. AlfaFold2 и Rosetta — как две половины целого. Вместе они открывают головокружительные перспективы в биохимии. Например, спасение планеты от пластика, а людей — от неизлечимых генетических заболеваний.
Машинное обучение на примере квантового поля
И снова нейросети: Джон Хопфилд и Джеффри Хинтон делят премию по физике за вклад в разработку методов обработки данных и машинного обучения. И на первый взгляд, прямого отношения их разработки к физике не имеют.
Хопфилд изобрел машинную ассоциативную память. Машина запоминает некий образец и может самостоятельно подбирать в своей памяти что-то максимально похожее на него, как делают люди, пытаясь вспомнить забытое слово. «Хопкинс, Хопвелл, Хопф… Точно, Хопфилд!» — так мы перебираем в памяти слова в поисках того самого, которое крутится на языке. Сеть Хопфилда делает примерно так же.
А Хинтон придумал, как найти иголку в стоге сена — то есть отличающиеся элементы в большом массиве данных. Оказывается, для решения этих задач ученые применили физические модели.
Хопфилд отталкивался от квантовой механики. Система в квантмехе стремится к наиболее устойчивому состоянию — то есть наименее энергетически заряженному. Энергетический заряд вызывает возмущения поля, но затем система пытается его устранить, и атомы перестраиваются, чтобы вернуться в состояние минимального заряда. Хопфилд применил эту аналогию к машинному интеллекту.
Нейросеть запоминает состояние системы (узлов), которым кодируется то или иное изображение. Это и есть состояние минимальной энергии системы или максимальной ее устойчивости. Когда в сеть Хопфилда попадает похожее, но искаженное изображение, система стремится вернуться к равновесию — то есть к состоянию минимальной энергии. Для этого искаженное изображение придется восстановить или исправить. Точно так же может осуществляться поиск: сеть способна найти в памяти картинку, которая будет максимально похожа на то, что ей предложили.
Хинтон вдохновлялся сетью Хопфилда и развивал идею, пользуясь методами статистической физики. Он назвал свое изобретение «машиной Больцмана» — по имени одного из создателей этой дисциплины. «Машина Больцмана» тоже запоминает «нормальное» состояние системы — и может замечать элементы, которые из этой нормы выбиваются. Например, усиливают вероятность перехода в другое состояние.
Джеффри Хинтон объяснял принцип действия такой нейросети на примере атомной электростанции. АЭС — очень сложная система, которая может нормально работать в разных режимах. И на ней установлены тысячи датчиков, измеряющих различные параметры — температуру, давление, радиоактивность и т. д. Показания датчиков постоянно варьируются, оставаясь все же в пределах нормы. Если же комбинация параметров станет слишком статистически редкой, то есть ненормальной, «машина Больцмана» забьет тревогу — и поможет обнаружить скрытый сбой. А также укажет на конкретные элементы, выбивающиеся из нормы.
Современные нейросети давно уже используют другую архитектуру. Но работы Хопфилда и Хинтона невероятно продвинули развитие ИИ. Их можно по праву назвать пионерами нейросетей: лауреаты разработали свои концепции в 1980-е, когда идею самообучающихся компьютеров никто не воспринимал всерьез. А в 1990-е—2000-е, когда стало хватать вычислительных мощностей и к этой идее вернулись, разработчики современных архитектур уже начинали не с нуля: они опирались на своих предшественников, Хопфилда и Хинтона.
Однако сеть Хопфилда и «машина Больцмана» оказались полезны не только в развитии нейросетей. Эти алгоритмы до сих пор используют для климатического моделирования и для автоматического анализа медицинских снимков, а еще они легли в основу устройства солнечных батарей.
Несмотря на бесспорную гениальность лауреатов, это решение Нобелевского комитета наверняка войдет в историю как одно из самых спорных. Строго говоря, Хопфилд и Хинтон совершили открытия не в области физики, а в области машинного интеллекта — воспользовавшись физическими моделями. И саму по себе физику они все же особенно не продвинули. А вот за вклад в машинное обучение Хопфилд и Хинтон уже были премированы не раз. Нейросети Бейкера, Хассабиса и Джампера, к слову, таких вопросов не вызывают. В этом случае, наоборот, нейросети использовались для того, чтобы решить одну из фундаментальных проблем современной биохимии.
Король динамита
Нобелевская премия, в отличие от других научных наград, на слуху у всех. Ее лауреаты становятся всемирно известными личностями. Получить Нобелевку — это очень престижно, несмотря даже на то, что в других научных конкурсах призовой фонд может быть и выше. Почему же именно Нобелевская премия стала настолько известной? И кем был учредитель премии — Альфред Нобель?
Нобелевка — это первая международная научная премия. Ее начали присуждать в самом начале XX века, в 1901 году. Для того времени это было новаторством: прежде правители государств, научные институты и богатейшие магнаты могли отмечать вклад в национальную науку, но не в мировую. Альфред Нобель стал первым, кто придумал ставший для нас естественным международный формат.
Сам Альфред Нобель был химиком. При жизни он был известен как изобретатель динамита, торговец оружием и преуспевающий нефтепромышленник. В общем, хотя на человечество ученый повлиял довольно сильно, ему за его открытия Нобелевку никто бы не присудил. Кроме того, знаменитую премию учредили уже после его смерти. И по легенде, ее возникновению мы обязаны желтой прессе.
До 1888 года, когда умер его брат Людвиг, Альфред Нобель и не помышлял ни о какой премии. А его многочисленные родственники были свято уверены, что огромное состояние Альфреда распределится между ними. Но в один прекрасный день он якобы прочел во французской газете собственный некролог под заголовком «Торговец смертью мертв».
Газетчики всего лишь перепутали Нобелей: умер Людвиг, а в газетах написали, что Альфред. Утверждают, что прижизненный некролог заставил изобретателя динамита задуматься о том, кем он останется в памяти потомков. Ни подтвердить, ни опровергнуть эту историю не удалось, но известно, что Нобель с тех пор несколько раз переписывал свое завещание.
Впрочем, у этой легенды есть серьезные противники. Исследователи писем и документов Нобеля некролога с таким заголовком не обнаружили. Да и об угрызениях совести, по их мнению, едва ли может идти речь: Альфред искренне считал себя пацифистом. Он верил, что если удастся изобрести мощнейшее по смертоносности оружие, угроза его применения будет настолько пугающей, что остановит все войны на планете. По версии архивистов, на учреждение премии Нобеля могла вдохновить его подруга, активистка-миротворец баронесса Берта фон Зутнер. Эта женщина написала пару известных антивоенных книг, основала две пацифистские организации и журнал и регулярно участвовала в антивоенных конференциях. Баронесса фон Зутнер поддерживала с Нобелем постоянную переписку, известно, что он финансировал ее проекты. Известно, что Нобель лично пообещал ей учредить премию мира и впоследствии Зутнер стала первой женщиной, которой вручили эту награду.
За год до смерти Нобель написал последнюю версию завещания: он велел открыть на накопленные им при жизни средства фонд, который будет награждать людей, принесших наибольшую пользу человечеству. Нобель распорядился присуждать свою премию за выдающиеся открытия в области химии, физики, физиологии или медицины, литературные произведения, а также за вклад «в сплочение наций, уничтожение рабства или снижение численности существующих армий и содействие проведению мирных конгрессов».
Премия с самого начала предполагалась международной: Нобель отдельно указал, что национальность кандидатов не должна приниматься в расчет. Так состояние, сколоченное на торговле оружием и добыче нефти, пошло на поощрение научных и культурных достижений.
Автор: Екатерина Доильницына