Джеймс Коллинз: почему ваш ИИ бесполезен без «мокрой биологии»

Пока мы спорим, заменит ли ChatGPT программистов, в тихих лабораториях MIT и Гарварда решается куда более насущный вопрос: как не вымереть от банальной инфекции через двадцать лет. Профессор Джеймс Коллинз, человек, который видит биологию как набор инженерных задач, уверен, что без искусственного интеллекта мы обречены. Но его подход отличается от типичного кремниевого оптимизма. Он не верит, что можно просто натравить нейросеть на химические библиотеки и получить чудо-таблетку. Нужна тесная связка между кодом и живой материей, которую он называет «мокрой биологией».

Традиционный поиск лекарств — это лотерея, где билет стоит миллиард долларов, а розыгрыш длится десять лет. Ученые десятилетиями перебирали тысячи соединений в надежде найти то самое, которое сработает. Коллинз и его коллеги решили изменить правила игры. Они используют ИИ не как магический шар, а как мощный ускоритель человеческой интуиции. Однако главная проблема, с которой они столкнулись, заключается в качестве топлива. Нейросети учатся на данных, а биологические данные часто бывают грязными, неполными или просто ошибочными. Если вы скормите алгоритму мусор, на выходе вы получите идеально спроектированный яд вместо лекарства.

Коллинз подчеркивает, что секрет успеха кроется не в сложности архитектуры нейросети, а в дизайне самих экспериментов. Его команда создает специальные платформы, которые генерируют массивы данных в промышленных масштабах специально для обучения моделей. Это позволяет ИИ находить закономерности там, где человеческий мозг видит только хаос. Например, именно так был найден галицин — мощный антибиотик, который радикально отличается от всего, что медицина использовала раньше. Он убивает бактерии, к которым не могли подступиться десятилетиями, и делает это так изящно, что микробы просто не успевают выработать механизмы защиты.

Что это значит для индустрии в целом? Мы наконец-то переходим от эры случайных открытий к эре направленного дизайна. Это фундаментальный сдвиг. Раньше мы искали иголку в бесконечном стоге сена, теперь мы строим гигантский магнит, который сам вытягивает все нужные иголки. Но Коллинз справедливо предостерегает от чрезмерного доверия голым цифрам. Биологические системы невероятно сложны, нелинейны и часто ведут себя нелогично. Модель может предсказать идеальное взаимодействие на экране монитора, но в живом организме молекула может просто не добраться до цели или вызвать каскад побочных эффектов. Поэтому коллаборация между айтишниками и полевыми биологами стала критическим фактором выживания.

В ближайшем будущем процесс создания лекарств начнет напоминать работу современной софтверной компании. Сначала запускается глубокая симуляция, затем — быстрый прототип на роботизированной платформе, мгновенная итерация на основе полученных ошибок и финальный продукт. Это сократит сроки разработки с лет до считанных месяцев. Но главный вопрос остается открытым: готовы ли наши регуляторы и бюрократические аппараты к такой скорости? Ведь зачастую государственные механизмы одобрения препаратов оказываются намного медленнее, чем самая опасная и быстро мутирующая бактерия. Нам нужно менять не только микроскопы на нейросети, но и сами принципы работы институтов здравоохранения.

Главное: ИИ в медицине — это не замена ученому, а инструмент, который позволяет нам наконец-то играть на равных с эволюцией микробов. Сможем ли мы удержать этот темп, пока антибиотики прошлого окончательно не превратились в бесполезный мел?