Демис Хассабис: агенты, ОИИ и следующий большой научный прорыв

Когда Демис Хассабис предоставил AlphaFold всем ученым мира, он не запатентовал эту технологию. Для ведущей компании в области ИИ это почти необъяснимый шаг. Однако сегодня каждый новый лекарственный препарат проходит через AlphaFold, а его бесплатное распространение ускорило развитие науки больше, чем тысяча научных статей. Настоящая революция здесь заключается не только в мощности ИИ, но и в том, как он распространяется и используется. Все считают, что искусственный интеллект — это гонка за тем, кто создаст самый большой мозг. Но Хассабис рассуждает иначе: задача состоит не только в том, чтобы создавать более крупные модели, но и в том, чтобы сделать их действительно полезными, доступными и способными учиться так, как это делаем мы, то есть непрерывно, не начиная каждый раз с нуля. Сегодня большинство моделей работают «без памяти», то есть забывают всё между сессиями: каждый запрос — это новое начало, как будто они никогда ничему не учились в прошлом. Однако человеческий мозг работает иначе: во время сна он переосмысливает и закрепляет ключевые события — эту особенность Хассабис изучал во время своей докторской работы о функционировании гиппокампа. Когда в 2013 году компания DeepMind разработала первую программу, победившую в видеоиграх Atari, настоящим прорывом стало именно то, что она была вдохновлена этой биологической идеей: модель «переигрывала» внутри себя лучшие партии, учась на последовательностях, принесших победу. Однако сегодня, даже имея гигантские окна памяти — миллионы токенов, — большинство систем ИИ собирают данные довольно грубо, не различая, что действительно важно, а что является фоновым шумом. И каждый раз, когда модели приходится искать нужную информацию для принятия решения, она платит за это определенную цену. Здесь Хассабис проводит поразительное сравнение: современные модели, несмотря на огромный объем «памяти», на самом деле менее эффективны и избирательны, чем человек с ограниченной, но хорошо организованной памятью. И вот наступает переломный момент: недостаточно просто увеличить мощность или объем данных. Необходимо новое качество обучения — способность адаптироваться к контексту, мыслить в долгосрочной перспективе, создавать личную и избирательную память. Практический пример? Несмотря на достигнутый прогресс, ни один агент ИИ еще не создал игру, способную доминировать в мировых рейтингах, хотя сегодня любой человек может за полчаса создать прототип того, на что у семнадцатилетнего Хассабиса ушло шесть месяцев. По-прежнему отсутствуют «душа» и глубокая креативность, которые придают произведению смысл и ценность: человеческий импульс, превращающий инструмент в шедевр. И все же граница между человеком и ИИ стирается. Хассабис прогнозирует, что в ближайшие 6–12 месяцев мы увидим команды, способные в тысячу раз повысить свою продуктивность с помощью агентов ИИ, прежде чем действительно наступит полная автономия. Возникает вопрос: что произойдет, когда эти возможности окажутся не только в руках нескольких лабораторий, но и станут доступны в виде моделей с открытым исходным кодом, достаточно компактных, чтобы работать на телефоне, и достаточно мощных, чтобы решать реальные проблемы? В этом контексте модель Gemma, которая стала открытой и была загружена 40 миллионов раз за две недели, — это только начало. Для тех, кто хочет совершить следующий научный прорыв, Хассабис предлагает два правила: искать проблемы, имеющие чудовищно большой объем исследований (например, конфигурации белков или ходы в го, где не существует алгоритма грубой силы, который мог бы справиться с задачей), и определить четкую цель, «целевую функцию», к которой можно стремиться. Затем потребуется либо большое количество реальных экспериментов, либо достаточно данных для моделирования той области, которую вы хотите исследовать. В этом контексте новые ИИ будут не просто «решателями проблем», но смогут стать соучеными: способными не только находить ответы, но и ставить принципиально новые вопросы, например «придумывать» следующие проблемы тысячелетия, которые стоит решить. Хассабис даже предлагает провести тест: обучить ИИ данным, предшествующим 1901 году, и посмотреть, сможет ли он, как Эйнштейн в 1905 году, самостоятельно «открыть» специальную теорию относительности. Конечная цель заключается не только в решении сложных задач, но и в открытии новых горизонтов знаний. И в этом подходе есть неожиданный момент: Хассабис не верит в «единый супермозг», который знает всё. Вместо этого он представляет себе общие системы, использующие специализированные инструменты, — своего рода оркестр ИИ, в котором каждая модель хорошо делает что-то одно, но сотрудничает с другими. Идея, необходимая для будущего, заключается не только в увеличении мощности, но и в улучшении координации и «ручной работы» при использовании инструментов. Если вы задаетесь вопросом, в чем разница между стартапом, который действительно занимается наукой с использованием ИИ, и стартапом, который просто создает API, ответ следующий: реальное влияние оказывают те, кто объединяет глубокие знания в нескольких областях, не только в информатике, но и в физике, биологии, материаловедении. В заключение Хассабис дает совет, который звучит как вызов: «Сложные проблемы не более запутанны, чем простые. Они просто сложны по-другому. Если у вас только одна жизнь, потратьте ее на то, что изменит мир, если вас не станет». Возможно, общий искусственный интеллект появится, пока мы еще в пути. Но главный вопрос заключается в следующем: что бы вы создали сегодня, зная, что завтра ваш инструмент может изменить правила игры, пока вы еще играете? Настоящая инновация заключается не в размере модели, а в качестве вопросов, которые она позволяет нам задавать. Если эта идея открыла для вас новый взгляд на ИИ и науку, вы можете нажать кнопку «I'm In» на Lara Notes — это способ заявить, что теперь эта идея принадлежит вам. А если завтра вы окажетесь в ситуации, когда обсуждаете с кем-то AlphaFold или модели, придумывающие вопросы, вы можете отметить этот разговор тегом «Shared Offline»: ведь по-настоящему сильные идеи всегда рождаются в живой беседе. Эта заметка основана на интервью Y Combinator с Демисом Хассабисом и сэкономила вам 37 минут.