Многие критиковали DeepMind за то, что они тратят миллионы $, чтобы учить ИИ играть в игры. Но Хассабис молчал и продолжал. Он понимал, что для DeepMind это не игры, а способ обучения. Многие думали, что после шахмат и Го побеждать больше негде. Но был следующий уровень сложности – StarCraft II. В шахматах в моменте – ~20 вариантов хода. В Го – 360. Обе игры пошаговые, а поля видны полностью. В StarCraft – вариантов действий почти бесконечность: сотни юнитов, тысячи микро-решений, а главное – «туман войны», за которым не видно действий врага. Чтобы справиться с этим, в AlphaStar начали внедрять механизм внимания – принцип, который станет сердцем всех современных LLM. ИИ провёл в виртуальных боях эквивалент 200 лет. Для матчей с людьми ему ограничили скорость кликов, чтобы победа достигалась только за счёт стратегии. Результат: AlphaStar стал первой программой, получившей Grandmaster (топ 0.2% игроков мира). Про-игроки в StarCraft говорили, что ИИ играет «очень странно», используя юнитов так, как люди никогда не додумывались. Но они нашли слабое место – если делать странные вещи, чересчур агрессивные и рискованные стратегии, то ИИ начинал тупить. DeepMind могли бы потратить ещё несколько миллионов $ на дообучение. Но Хассабис решил оставить эту корону людям. Научная цель была достигнута: ИИ научился рассуждать, запоминать длинные цепочки событий и принимать решения в условиях неизвестности. Хассабис, будучи не только программистом, но и нейробиологом, переключился на игру посложнее – на саму жизнь. Он замахнулся на решение задачи, над которой учёные бились 50 лет – проблему сворачивания белков. В 2020 DeepMind полностью пересобрали «двигатель» нового AlphaFold и научили его «читать» цепочки аминокислот как сложный текст, где каждое звено «знает» о положении всех остальных. И вскоре произошло то, что учёные назвали «моментом высадки на Луну» в биологии. ИИ предсказал 3D-форму белка с точностью, сопоставимой с годами дорогих лабораторных экспериментов. К 2022 AlphaFold 2 предсказал структуру 200 млн белков – почти все белки всех живых организмов, когда-либо описанные наукой. И Google выложили этот «атлас жизни» бесплатно в открытый доступ для всех учёных. Чтобы осознать масштаб революции и ценность подарка миру: расшифровка ОДНОГО белка вручную занимала от 1 до 5 лет и стоила сотни тысяч $. Это первый случай, когда алгоритм по сути заменил целую область лабораторной науки, а не просто помог ей. В 2024 Демис Хассабис и Джон Джампер получили за это Нобелевку. Беспрецедентный случай вручения высшей научной награды за алгоритм, который создали всего пару лет назад. В том же году вышел AlphaFold 3. Если вторая версия работала только с белками, то третья предсказывает структуру и взаимодействие всех молекул жизни, включая ДНК и РНК – фундамент функционирования всех живых организмов. Теперь он с точностью до атома может показать, как именно молекула будущего лекарства «прилипает» к вирусу или раковой клетке. Это конец эры слепого и медленного физического перебора и начало точного инженерного проектирования лекарств. Мы перешли на новую страницу в биологии. #ИИволюция уже здесь. Это не обещания и надежды, а УЖЕ случившиеся открытия. Почему вы об этом не слышите, а мир вокруг кажется прежним? Потому что есть лаг между открытием и продуктом на полке. Когда ИИ находит молекулу лекарства или новый тип кристалла, начинаются долгие лабораторные тесты, клинические испытания и строительство заводов. «Чертежи» нового мира уже готовы и лежат на столе, просто физической реальности нужно время, чтобы их «переварить». Полистайте рубрику #живии (скоро соберу очередную подборку). Игры были лишь тренировкой для самого мощного в истории научного инструмента, запустившего цунами революций, которые теперь происходят регулярно и будут происходить ещё долго. И речь не только о биологии. Энергетика. Математика. Материаловедение. Кибербезопасность. ИИ взламывает все эти сферы одну за другой, находя ответы там, где мы искали