Dirbtinis intelektas jau ne tik generuoja tekstus ar vaizdus – jis vis dažniau tampa pagrindiniu įrankiu atrandant naujus vaistus, kuriant švaresnes medžiagas ir geriau suprantant žmogaus organizmą.
Naujausių tyrimų apžvalga rodo, kad DI keičia tiek laboratorijų darbą, tiek medicinos diagnostiką ir klimato prognozes.
Proveržiai medicinoje ir biologijoje
Genų redagavimo technologija Crisper ilgai buvo kritikuojama dėl galimų klaidų. Masačusetso technologijos instituto mokslininkai parodė, kad DI modeliai, optimizuojantys Crisper vadovus, gali sumažinti atsitiktines DNR korekcijas iki 90 proc., todėl redagavimas tampa pastebimai saugesnis.
Biologijoje DI taip pat peržengė iki šiol buvusias ribas. Naujos kartos baltymų modeliai, tokie kaip AlphaFold 3, ne tik prognozuoja baltymų struktūrą, bet ir jų judėjimą bei sąveikas su vaistų molekulėmis iki 98 proc. tikslumu. Tai spartina vaistų kūrimą dešimtimis kartų, nes tyrėjai iš anksto mato, kur baltyme geriausia „prisirišti“ vaistui.
Vaistų atradime DI analizuoja milijonus cheminių junginių ir generuoja visiškai naujus antibiotikų kandidatus. Ankstyvieji rezultatai rodo iki 90 proc. sėkmės rodiklius in vitro bandymuose ir maždaug 70 proc. sutrumpintą atradimo laiką, o tai ypač svarbu kovojant su augančiu bakterijų atsparumu.
Medicininei diagnostikai DI vis dažniau remiasi įprastais, plačiai prieinamais tyrimais. Pavyzdžiui, Mičigano universiteto komanda sukūrė modelį, kuris iš standartinio 10 sekundžių EKG įrašo aptinka koronarinę mikrovaskulinę disfunkciją, paprastai reikalaujančią brangių vaizdinių tyrimų.
Duomenų dalijimasis be pažeidimų
Vienas didžiausių sveikatos apsaugos iššūkių – kaip išnaudoti ligoninių duomenų potencialą nepažeidžiant pacientų privatumo. Federuotasis mokymasis sprendžia šią problemą: modelis „keliauja“ į kiekvieną ligoninę ir mokosi lokaliai, o duomenys niekur neiškeliauja.
Tokiu principu kuriami medicininiai vaizdų modeliai jau pasiekia daugiau nei 95 proc. tikslumą ir iki 90 proc. pranoksta sistemas, treniruotas vienoje įstaigoje. Panašus metodas taikomas ir demencijos diagnostikai, analizuojant EEG signalus, kur atskiros demencijos formos atskiriamos iki 97 proc. tikslumu.
Medžiagos, klimatas ir skaitmeninis pasaulis
Medžiagotyroje atsirado vadinamosios savarankiškos laboratorijos – robotizuotos sistemos, kurias valdo DI. Jos pačios planuoja bandymus, analizuoja rezultatus ir per savaitę gali atlikti daugiau nei 1 000 eksperimentų, sutrumpindamos naujų medžiagų paiešką nuo metų iki dienų.
Vienas ryškiausių pavyzdžių – mažo anglies dioksido pėdsako cementas. MIT tyrėjai panaudojo DI analizuoti daugiau kaip milijoną uolienų pavyzdžių ir rado mišinius, kurie gali sumažinti cemento emisijas 80–95 proc., išlaikant reikiamą tvirtumą. Pirmieji realūs betonų mišiniai jau rodo apie 40 proc. mažesnį anglies dioksido kiekį.
Klimato ir orų prognozėse DI rezultatų spektras įvairesnis. „Google DeepMind“ sukurtas Gencast modelis vidutinio laikotarpio (iki 15 dienų) prognozėse pasiekė apie 97,2 proc. tikslumą ir aplenkė daugelį fizikiniais modeliais paremtų sistemų. Tačiau tyrimai taip pat atskleidė, kad DI ypač sunkiai susidoroja su vadinamaisiais „pilkaisiais gulbėmis“ – itin retomis, istoriniuose duomenyse beveik nepasitaikančiomis ekstremaliomis audromis ar karščio bangomis.
Skaitmeniniame pasaulyje proveržiu laikomos ir DI sistemos, gebančios iš vienos nuotraukos atkurti visą trimačio objekto geometriją. Tokie modeliai kaip SAM 3D apie 80–90 proc. tikslumu identifikuoja formą net apkrautose scenose, o tai spartina robotikos bandymus, papildytąją realybę ir skaitmeninių dvynių kūrimą.
Galiausiai, ilgų DNR sekų analizė ir nauji modeliai, tokie kaip AlphaGenome, leidžia vienu metu vertinti iki milijono bazių porų ilgio sekas. Tai padeda atskleisti, kaip tolimos DNR sritys kartu reguliuoja genų veiklą ir formuoja ligų riziką, sujungiant genetikos duomenis su realiais biologiniais procesais.
