Обугленные до хруста, сотни хрупких древних свитков раскрошатся, если попытаться их развернуть, и любой след письма будет почти неразборчивым. Геркуланумские свитки, как их называют, до сих пор остаются нераскрытыми, но благодаря мощному инструменту, которым является искусственный интеллект, их содержимое теперь находится в пределах досягаемости.
Используя искусственный интеллект и рентгеновские лучи высокого разрешения, трое исследователей в 2023 году расшифровали более 2000 символов на свитках — это выдающееся достижение позволило обнаружить первые полные отрывки из папирусов, уцелевших после извержения Везувия в 79 году нашей эры.
Артефакты, найденные в здании, которое, как полагают, было домом тестя Юлия Цезаря, представляют собой беспрецедентный массив информации о Древнем Риме и Греции.
Ученые-компьютерщики, запустившие Vesuvius Challenge — конкурс, призванный ускорить процесс расшифровки, — надеются, что к концу 2024 года будет разгадано 90% четырех свитков. Основная задача заключалась в том, чтобы фактически сгладить документы и отличить черные чернила от обугленных папирусов, чтобы сделать греческий и латинский шрифт читаемыми.
«ИИ помогает нам повысить читаемость доказательств чернил», — сказал Брент Силс, профессор компьютерных наук в Университете Кентукки, который работает над расшифровкой свитков уже более десятилетия. «Доказательства чернил есть. Они зарыты и замаскированы во всей этой сложности, которую ИИ извлекает и уплотняет».
Проект является ярким примером растущей полезности искусственного интеллекта, которая достигла своего пика в 2024 году, когда Нобелевский комитет впервые признал развитие и применение ИИ в науке: премия по физике была присуждена Джону Хопфилду и Джеффри Хинтону за их фундаментальные открытия в области машинного обучения, проложившие путь к современному использованию искусственного интеллекта.
Нечеткий и часто преувеличенный термин, ИИ направлен на имитацию когнитивных функций человека для решения проблем и выполнения задач. Искусственный интеллект охватывает ряд вычислительных методов: использование наборов данных для обучения и улучшения алгоритмов машинного обучения и предоставление им возможности выявлять закономерности и информировать о прогнозах.
Некоторые инструменты ИИ могут представлять опасность, например, системы, используемые при найме на работу, охране правопорядка и выдаче кредитов, которые воспроизводят предвзятость, поскольку они могут быть обучены на исторических данных, отражающих предвзятые идеи, например, по признаку пола или расы, что в конечном итоге приводит к дискриминации.
ИИ изменил ландшафт научных открытий, при этом количество рецензируемых статей с использованием инструментов ИИ резко возросло с 2015 года, а те, которые используют методы ИИ, с большей вероятностью окажутся среди наиболее цитируемых. Более половины из 1600 ученых, опрошенных Nature, ожидали, что инструменты ИИ будут «очень важны» или «необходимы» для практики исследований. Однако Королевское общество Великобритании, старейшая в мире академия наук, предупредило, что природа многих инструментов ИИ как «черного ящика» ограничивает воспроизводимость исследований на основе ИИ . Однако для Силза это мощный инструмент, примененный с умом, который дал впечатляющие результаты.
«ИИ — это область компьютерной науки, призванная решать проблемы способами, которые, как мы думали, под силу только людям», — сказал Силз. «Я думаю о том виде ИИ, который мы используем, как о некой суперспособности, позволяющей вам видеть в данных то, что вы не смогли бы увидеть человеческими глазами».
Vesuvius Challenge — лишь один из способов, с помощью которых эта быстро развивающаяся область науки встряхнула науку и открыла неожиданные факты в 2024 году. ИИ также расширяет понимание учеными того, как животные общаются в глубинах океана, помогает археологам находить новые места в отдаленных и негостеприимных местностях и решает некоторые из самых сложных задач биологии.
Расшифровка языка китов и других языков животных
Исследователи знают, что загадочные щелчки, издаваемые кашалотами, различаются по темпу, ритму и продолжительности, но то, что говорят животные этими звуками, производимыми спермацетовыми органами в их луковице образных головах, остается загадкой для человеческого уха.
Однако машинное обучение помогло ученым проанализировать около 9000 записанных последовательностей щелчков, называемых кодами, которые представляют голоса примерно 60 кашалотов в Карибском море. Эта работа может однажды сделать возможным общение людей с морскими животными.
Ученые изучили синхронизацию и частоту код в одиночных высказываниях китов, в хорах и в обмене призывами и ответами между морскими гигантами. При визуализации с помощью искусственного интеллекта ранее невиданные шаблоны код проявились в том, что исследователи описали как нечто похожее на фонетику в человеческом общении.
Всего программа выявила 18 типов ритма (последовательности интервалов между щелчками), пять типов темпа (длительности всей коды), три типа рубато (вариаций длительности) и два типа орнаментации — «дополнительный щелчок», добавляемый в конце коды в группе более коротких код.
Все эти особенности можно смешивать и сопоставлять, чтобы сформировать «огромный репертуар» фраз, сообщили ученые в мае . Однако этот подход имеет свои ограничения. Хотя машинное обучение хорошо справляется с выявлением закономерностей, оно не проливает свет на значение.
Согласно исследованию, следующим шагом станет интерактивное экспериментирование с китами, а также наблюдение за поведением китов, что может стать важной частью расшифровки синтаксиса последовательностей щелчков кашалотов.
Подход может быть также применен к вокализации других животных,
ранее сказала CNN доктор Бренда МакКован, профессор Школы ветеринарной медицины Дэвиса Калифорнийского университета. Она не принимала участия в исследовании.
Поиск археологических памятников
Тем временем на суше искусственный интеллект сейчас ускоряет поиск загадочных линий и символов, высеченных на пыльной земле пустыни Наска в Перу, на обнаружение и документирование которых археологи потратили почти столетие.
Размашистые пиктограммы, часто видимые только сверху, изображают геометрические узоры, человекоподобные фигуры и даже косатку, держащую нож.
Группа исследователей под руководством Масато Сакаи, профессора археологии в Университете Ямагата в Японии, обучила модель искусственного интеллекта для обнаружения объектов с использованием изображений высокого разрешения 430 символов Наски, нанесенных на карты по состоянию на 2020 год. В состав группы вошли исследователи из Исследовательского центра Томаса Дж. Уотсона компании IBM в Йорктаун-Хайтс, штат Нью-Йорк.
В период с сентября 2022 года по февраль 2023 года группа проверила точность своей модели в пустыне Наска, обследуя перспективные места пешком и с помощью беспилотников. В конечном итоге исследователи провели «наземную проверку» 303 фигуративных геоглифов, почти удвоив известное число геоглифов за несколько месяцев.
Модель была далека от совершенства. Она предложила ошеломляющие 47 000 потенциальных мест в пустынном регионе, который охватывает 629 квадратных километров (243 квадратных мили). Команда археологов проверила и ранжировала эти предложения, определив 1309 потенциальных мест с «высоким потенциалом». Согласно исследованию, на каждые 36 предложений, сделанных моделью ИИ, исследователи определили «одного перспективного кандидата».
Тем не менее, ИИ может внести огромный вклад в археологию, особенно в отдаленных и суровых местностях, таких как пустыни , даже несмотря на то, что модели пока не совсем точны, считает Амина Джамбаджанцан, исследователь и специалист по обработке данных из археологического отдела Института геоантропологии Общества Макса Планка в Йене, Германия.
Джамбаджанцан не принимал участия в исследовании Наски, но использует модель искусственного интеллекта для идентификации курганов в Монголии на основе спутниковых снимков.
«Проблема в том, что археологи не знают, как построить модель машинного обучения, а специалисты по работе с данными, как правило, не особо интересуются археологией, поскольку они могут получить гораздо больше денег в другом месте», — добавил Джамбаджансан.
Понимание основ жизни
Модели ИИ также помогают исследователям понять жизнь в мельчайших масштабах: цепочки молекул, образующие белки — строительные блоки жизни.
Хотя белки состоят всего из 20 аминокислот, их можно комбинировать практически бесконечным количеством способов, складываясь в очень сложные узоры в трехмерном пространстве. Эти вещества помогают формировать клетки волос, кожи и тканей; они считывают, копируют и восстанавливают ДНК; и они помогают переносить кислород в крови.
На протяжении десятилетий расшифровка этих трехмерных структур была сложной и трудоемкой задачей, требующей проведения сложных лабораторных экспериментов и применения метода, известного как рентгеновская кристаллография.
Однако в 2018 году на сцену вышел революционный инструмент на основе искусственного интеллекта. Последняя версия базы данных структур белков AlphaFold, разработанная Демисом Хассабисом и Джоном Джампером из Google DeepMind в Лондоне, предсказывает структуру почти всех 200 миллионов известных белков на основе аминокислотных последовательностей.
База данных, обученная на всех известных последовательностях аминокислот и экспериментально определенных структурах белков, действует как «поиск Google». Она обеспечивает доступ одним нажатием кнопки к предсказанным моделям белков, ускоряя прогресс в фундаментальной биологии и других смежных областях, включая медицину. Инструментом воспользовались по меньшей мере 2 миллиона исследователей по всему миру.
«Это действительно отдельный прорыв, решающий традиционную загадку Святого Грааля в физической химии», — сказала Анна Веделл, профессор медицинской генетики в Каролинском институте в Швеции и член Королевской шведской академии наук, в интервью CNN после того, как Хассабис и Джампер вошли в тройку лауреатов Нобелевской премии по химии 2024 года .
Инструмент имеет некоторые ограничения. Попытки применить AlphaFold к белкам на основе мутировавших последовательностей, включая одну, связанную с ранним раком груди, подтвердили, что программное обеспечение не оснащено для прогнозирования последствий новых мутаций в белках.
AlphaFold — это лишь самый заметный из ряда инструментов ИИ, которые внедряются в биомедицинских областях. Машинное обучение ускоряет усилия по составлению атласа каждого типа клеток в организме человека и обнаружению молекул, которые становятся новыми лекарствами, включая тип антибиотика, который может работать против особенно опасных устойчивых к лекарствам бактерий .
В подготовке этого отчета принимали участие Минди Вайсбергер и Тейлор Ничиоли.
Прочитайте что такое взгляд в будущее