ИИ в науке
Часть 1. Умный инструмент для работы с большими данными
Идея использовать искусственный интеллект (ИИ) для научных исследований появилась ещё в 1960-е годы, когда были достигнуты первые успехи на пути его создания. Однако эффективное его применение стало возможным лишь в конце второго десятилетия XXI века, когда успешно заработало обучение гигантских многослойных искусственных нейронных сетей (ИНС), получившее название глубокого обучения, и был изобретён целый ряд специализированных ИНС, способных работать с различной информацией: свёрточные сети — с изображениями, рекуррентные сети — с временными последовательностями, трансформеры и генеративно-состязательные сети — со сложным контекстом. Более того, к этому времени ИИ стал просто необходим, поскольку наука уже несколько десятилетий находилась в состоянии информационного «перегруза». Её инструменты, такие как ускорители частиц вроде Большого адронного коллайдера и гигантские телескопы на Земле и в космосе, генерируют петабайты данных. Традиционные методы, включая компьютерные, подчас просто не способны обработать этот поток в поисках нового. Так что технологии ИИ становятся не только полезным инструментом, а часто единственным эффективным средством для решения поставленных задач. Попробуем сформулировать на примерах, в чём ИИ превосходит классические инструменты, где он их дополняет и как это меняет саму суть научного метода.
ИИ против математической статистики
До появления ИИ единственным инструментом работы с большими массивами данных в науке была математическая статистика, во многом опирающаяся на теорию вероятности. Активно развиваемая последние двести лет, она добилась выдающихся успехов в анализе результатов наблюдений и экспериментов, позволяя находить в них зависимости и разрабатывать модели явлений. Но у поиска закономерностей методами математической статистики есть фундаментальное ограничение: требуется, чтобы человек заранее задал, какого именно вида закономерность он ищет.
Ведь как, по сути, работает в статистике регрессионный анализ? У нас есть величина Y, зависящая от величины X, и мы хотим найти уравнение, которому эта связь подчиняется. Мы предполагаем, скажем, что это уравнение линейное, то есть имеет вид Y = aX + b, после чего методом линейной регрессии вычисляем коэффициенты a и b. График такой зависимости представляет собой прямую линию. Аналогично можно найти нелинейную зависимость и связь Y с несколькими величинами (нелинейная и многофакторная регрессии).
Однако классическая статистика была создана в эпоху, когда независимых переменных и данных было мало. Физик измерял температуру, давление и объём газа в десятках или сотнях опытов и искал связь между тремя числами. А сегодня физики, работающие с ускорителями или рентгеновскими лазерами на свободных электронах (например XFEL* в Германии), получают петабайты информации; биолог собирает данные о экспрессии 20 000 генов одновременно у 500 пациентов; климатолог моделирует планету на сетке с миллиардом ячеек… Здесь в игру вступает чудовищное количество факторов. В этих случаях классическая статистика задыхается, тем более что подчас просто невозможно задать правильную форму модели. Проблемы, возникающие при работе с данными, у которых очень много признаков или измерений, образно называют «проклятие размерности». И здесь на сцену выходит ИИ.
* См. статью: А. Понятов. Лазер на свободных электронах: три года до старта. «Наука и жизнь» № 9, 2013 г.
Машинное обучение — это не волшебная палочка, а мощный инструмент для поиска закономерностей в сложных данных. Причём ИНС способна находить закономерности, которые мы не просто не просили искать, а даже не знали, что они существуют. При этом глубокое обучение специально создано для больших данных, благодаря ему ИНС может одновременно анализировать тысячи параметров и находить в этом хаосе порядок. Найденные закономерности, особенно многофакторные, могут быть такой сложности, какая не под силу статистике.
Исследования методами математической статистики также часто требуют предварительных предположений, что данные подчиняются определённым законам, например нормальному распределению, случайности или независимости наблюдений. В реальности же они почти никогда этим условиям не соответствуют. И учёным приходится придумывать различные по-правки и преобразования, чтобы получить результат. ИИ гораздо терпимее, он не требует предварительных предположений, более того, он может работать с зашумлёнными данными, в которых есть пропуски и выбросы. Это огромное преимущество, потому что реальный мир не похож на аккуратные формулы из учебника.
В отличие от статистики, ИИ способен работать не только с числами, но и с текстами, изображениями и звуками. Что чрезвычайно важно, когда нужно проанализировать снимки МРТ, фотографии галактик, крики дельфинов или научные статьи. Раньше учёным приходилось предварительно как-то превращать такие данные в числа: измерять яркость пикселей, считать частоту слов, что долго, субъективно и может привести к потере большого количества информации. ИИ умеет сам «смотреть» на картинку, «слушать» звук или «читать» текст. Нейросеть сама выделяет важные признаки: здесь на снимке опухоль, на этом фото — новый вид галактик, а вот тут в тексте — описание редкого симптома болезни. Такой подход открывает совершенно новые возможности для исследований.
Главная сила ИИ — в способности учиться на примерах, что не требует расчёта по заранее подготовленным правилам и формулам, которые во многих случаях просто невозможно сформулировать. Представьте, что вам надо научить ребёнка различать кошек и собак. Попробуйте сформулировать строгие правила, по которым можно отличить любую собаку от любой кошки. Нерешаемая задача! Но если показывать ребёнку сотни живых животных или их изображения, говоря: «Это — кошка, а это — собака», то со временем его мозг сам выделит ключевые признаки. Да, ошибки возможны, но в большинстве случаев животное будет опознано. Мы все так учились. То же самое делает нейронная сеть. Только вместо кошек и собак — снимки, создаваемые устройствами вроде рентгеновских аппаратов, спектрографов и дефектоскопов, или просто нарисованные графики, магнитные кривые, фазовые диаграммы и тому подобное. В них информация закодирована в виде волн, пикселей, текстур. Статистика может посчитать среднюю яркость или её распределение по диску, но не способна увидеть особенность спиральной структуры на снимке далёкой галактики.
Возьмём, к примеру, сканирующий туннельный микроскоп (СТМ). Он, словно «палец», ощупывает поверхность атом за атомом, выдавая изображения с разрешением в доли ангстрема (1Å = 10-10 м — такой порядок имеет шаг атомной решётки в большинстве кристаллов). Но как интерпретировать эти картинки? Скажем, у керамических высокотемпературных сверхпроводников на основе оксидов меди (купратных) на изображениях можно увидеть странные «полосы», «пятна», «вихри». Что они значат? Примесь? Локальный антиферромагнетизм? Колебания электронной структуры? В 2021 году исследователи из Корнеллского университета и Брукхейвенской национальной лаборатории (США) обучили свёрточную нейронную сеть на симулированных СТМ-изображениях таких сверхпроводников. На них точно было известно, где какие атомы находятся и как электроны образуют пары. Сеть «поняла» связь между микроскопической картиной и макроскопическим изображением. Затем её запустили на реальных данных — и она не просто нашла дефекты, но классифицировала их тип с точностью выше 95%. Более того, сеть обнаружила ранее незамеченные связи между электронной структурой и положением примесей. Эту гипотезу физики потом проверили в эксперименте и подтвердили.
Врач, анализирующий снимки МРТ на предмет опухоли, должен сначала решить, какие параметры считать. Размер? Текстуру? Интенсивность сигнала? Гистограмму градиентов? Он должен догадаться, что именно важно. Разумеется, с опытом приходит и определённое понимание. Свёрточная нейросеть всего этого не требует и сильно ускоряет обследование. Вы даёте ей сырые пиксели, и она сама на первом слое находит границы, на втором — текстуры… на десятом — «признак злокачественности», который, возможно, вообще ранее не был описан.
С примерами применения ИИ в астрономии можно познакомиться в статье «Искусственный интеллект смотрит в небо»*, а о физике высоких энергий речь пойдёт в следующем разделе. Здесь же, чтобы картина была честной, нужно сказать, где статистика по-прежнему выигрывает.
* А. Понятов. Искусственный интеллект смотрит в небо. «Наука и жизнь» № 10, 2025 г.
В первую очередь — на малых данных. Это оборотная сторона могущества ИНС на больших данных. Например, на 30 результатах экспериментов или обследований больных нейросеть просто не обучится, точнее, она переобучится. Дело в том, что важным умением нейросетей является их обобщающая способность — правильно работать в ситуациях, которых не было среди обучающих примеров. Если же их мало, то ИИ просто их выучивает и выдаёт правильные ответы только на них, допуская ошибки на новых данных. Это и называют переобучением. В данном случае ИИ похож на школьника-зубрилку, заучившего определённые вопросы и ответы на них. Но стоит ему задать вопрос, который он не вызубрил, или даже задать тот же вопрос, но другими словами, он не способен ответить.
Похожая ситуация возникает для редких событий. Если у вас 10 000 пациентов и среди них только пять случаев наблюдения опасного заболевания, то нейросеть может их «не заметить», ведь она устанавливает закономерности на основе большого количества примеров. Статистические методы для подобных несбалансированных выборок лучше работают. Это особенно важно, если у ошибки высокая цена, как в ситуации с опасной болезнью. Однако отметим, что сейчас разработаны методы решения данной проблемы
Ещё одна сложность, распространяющаяся не только на ИИ, но и на обычную статистику, — это способность различать причинно-следственную связь и простое совпадение. В логике есть знаменитое правило: «после не значит вследствие» (на латыни: post hoc ergo propter hoc). Например, некоторое количество больных выздоровело после приёма определённого лекарства. Вопрос: это оно помогло или имеет место совпадение? Кроме того, есть ещё и так называемый эффект плацебо, когда больному становится лучше из-за веры в «лекарство», которое может быть пустышкой. В таких случаях ИИ, обученный на наблюдательных данных, может выявить ложные корреляции (зависимости). Этим, кстати, пользуются шарлатаны вроде гомеопатов, когда убеждают клиентов в действенности своих средств. Причинный ИИ, способный в этом разобраться, — это активно развивающаяся область, но классический причинно-следственный анализ и специальные методы проведения экспериментов на данный момент надёжнее.
Выводы ИИ пока не служат строгим доказательством сделанного утверждения, тем более что ИИ иногда допускает ошибки. Нейросеть может сказать: «Я думаю, что вижу частицу», но она не даёт оценки надёжности своего вывода. Байесовские нейросети пытаются решить эту проблему, но пока статистика удерживает монополию на строгость выводов. Скажем, в физике частиц до сих пор используют статистический критерий 5 сигм (5 σ) для объявления открытия. Это «золотой стандарт» доказательства открытий, при котором вероятность того, что наблюдаемый эффект имеет случайное происхождение, составляет примерно 1 на 3,5 миллиона (то есть из трёх с половиной миллионов попыток только одна окажется успешной). Кстати, у открытия бозона Хиггса был именно такой уровень достоверности. Именно поэтому в клинических испытаниях лекарств статистика по-прежнему — король.