Семь главных игр в истории человечества. Шашки, шахматы, го, нарды, скрабл, покер, бридж

В конце 2018 года, после победы AlphaGo, компания DeepMind выставила еще одну компьютерную систему своей разработки – AlphaFold – на соревнования другого типа. Раз в два года, начиная с 1994 года, проводится конкурс по критической оценке технологий предсказания структур белков (Critical Assessment of Techniques for Protein Structure Prediction, CASP). Это соревнования по прогнозированию сворачивания белков. Молекулы белков являются основой жизни, а сворачивание белков – сложный процесс, в ходе которого цепочки аминокислот складываются, подобно микроскопическим оригами, в высокоспецифичные трехмерные формы. Эти формы позволяют белкам делать полезные вещи, например передавать информацию и транспортировать ионы. Понимание процесса сворачивания – важнейшая научная задача, оно может способствовать открытию новых лекарств, например низкомолекулярных средств, которые связываются с белками, активируя, ингибируя или как-то иначе меняя их поведение. Математика укладки белка затмевает даже математику го: белок, состоящий из сотни аминокислот, может образовывать огромное число различных структур – если говорить точнее, это число содержит около 300 знаков.

«Это знаковый проект, наша первая крупная инвестиция с точки зрения кадров и ресурсов в фундаментальную, чрезвычайно важную, практическую научную задачу», – сказал журналисту газеты Guardian Хассабис, сооснователь компании DeepMind.

Около 100 исследовательских групп из разных стран представили десятки тысяч моделей на конкурс CASP13, проходивший в 2018 году. Задача моделей состояла в предсказании, каким образом определенные белки будут сворачиваться в трехмерные структуры. AlphaFold, разработанная компанией DeepMind, разгромила всех наголову. Она предсказала точнейшую структуру для 25 белков из 43. Команда, занявшая второе место, предсказала структуру всего для трех. Я узнал о работе Аль-Кураиши после конкурса, когда он выложил в своем блоге исполненный изумления пост под названием «Что это означает?».

В этом посте Аль-Кураиши заклеймил и академическую науку (поскольку она не сумела адекватно подойти к решению жизненно важной проблемы), и фармацевтическую отрасль (которой не удалось превзойти стороннюю лабораторию, где ничего не знали о лекарственных препаратах). Чужак, не имевший отношения к данной сфере и вооруженный не знаниями, добытыми ценой больших усилий, а передовой технологией, посрамил их всех. «На CASP13 исследователи, включая меня самого, во многих отношениях испытали экзистенциальную тревогу, – писал он. – Ведь перед научными работниками, особенно молодыми, встал вопрос, разумно ли с точки зрения карьерной стратегии продолжать работу над предсказанием структур». Его слова сильно напоминали то, о чем говорил Мартин Мюллер после дебюта AlphaGo.

«Это вам не го, где над проблемой работала горстка исследователей и где у решения не было прямого применения в других областях, – продолжал Аль-Кураиши. – Сворачивание белка – ключевая проблема биохимии, имеющая огромное значение для биологических и химических наук».

Но я задавался вопросом, не связаны ли эти два проекта теснее, чем кажется, и не слишком ли поспешно го сбрасывается со счетов как всего лишь игра. В конце концов, реакция на AlphaGo была такой же, как реакция Аль-Кураиши на AlphaFold: «Что это означает?». В обоих случаях возникло оцепенение, а также чувство утраты, будто с трудом построенные человеком леса, по которым можно было взбираться, повалены и заменены непроницаемым монолитом. Не повторилась ли, на этот раз в «реальном мире», история из мира игр, то есть устранение очень трудных, очень человеческих задач?

«Многие жалуются, что утрачивается искусство науки, – сказал мне Аль-Кураиши. – Есть люди, гордившиеся своими умозаключениями относительно этих биологических систем и попытками создать модели, которые включают в себя что-то от основополагающего феномена, требуют определенной доли человеческих суждений и каких-то экспериментов». «Однако, – продолжал он, – теперь нужно только собрать данные, взять готовую модель машинного обучения, пропустить через нее эти данные и посмотреть, что получилось. Пожалуй, будет преувеличением сказать, что это лишает науку всех позитивных эмоций, но я думаю, что какую-то часть искусства наука теряет».