Noble z informatyki

Tegoroczne ogłoszenie w dniach 7–9 października, jak to ujął bohater „Teorii wielkiego podrywu” Sheldon Cooper, „prawdziwych Nobli” z medycyny, fizyki i chemii (w przeciwieństwie do „goofy Nobli” z literatury czy pokojowego) było chyba najdziwniejszym ze wszystkich, jakie od lat skrupulatnie obserwowałam. Po raz pierwszy bowiem tę najbardziej prestiżową z naukowych nagród dostali pracownicy międzynarodowej korporacji (informatycznej), a nie naukowej instytucji czy laboratorium przemysłowego. Po raz pierwszy nagrodzono autorów za programy komputerowe. Wreszcie po raz pierwszy pewne inne programy komputerowe oparte na AI wygenerowały serię popularnych w sieci memów, mających jakoś podsumować frustracje i wyrazić stosunek do „żartu”, jakim zdaniem wielu obserwatorów współczesnej nauki były zwłaszcza tegoroczne nagrody w dziedzinie fizyki.

Czytaj więcej

Plus Minus

Oceanolog ostrzega: Tego nie wytrzyma żadne miasto portowe na świecie

Dlaczego globalne ocieplenie Europę przejściowo, ale drastycznie wyziębi? Czy naprawdę grozi nam już za dekadę zatrzymanie się systemu prądów atlantyckich? Czemu nie uda nam się zaadaptować do rosnącego poziomu mórz i oceanów? I jak doszło do tego, że na zachodnim Bałtyku nie mamy już śledzia, a na wschodnim dorsza? Rozmowa z prof. Jackiem Piskozubem z Instytutu Oceanologii PAN w Sopocie.

To powinna być inna nagroda

Do chyba każdego człowieka, który żyjąc w cywilizacji naukowo-technicznej naszej doby, mało interesuje się nauką, dotarło w tym roku za pomocą memów, że we wszystkich noblowskich kategoriach wygrała sztuczna inteligencja. A jak niewielu się nauką interesuje, niech świadczy fakt, że każdego dnia spośród wymienionych wyżej odbywające się ok. 11.30–11.45 naszego czasu transmisje z ogłoszenia decyzji Komitetu Noblowskiego oglądało każdorazowo na żywo na YouTubie mniej więcej tysiąc osób – dla porównania w samej tylko Polsce żyło w 2020 r. 54 tys. osób z tytułem doktora, 21 tys. dr. hab., profesorów zaś 10 tys. Najzabawniejszy był ów mem, na którym ChatGPT dostaje Nobla literackiego. Ponieważ memy takie tworzyły AI wyspecjalizowane w tworzeniu „obrazków w stylu”, przypominają one do żywego portrety noblistów tworzone każdorazowo na zamówienie Fundacji Noblowskiej od lat przez jak najbardziej realnego, niecyfrowego, grafika Niklasa Elmeheda – ich maniera jest czytelna zatem wyłącznie dla zainteresowanych nauką, znających tę szczególną „kreskę” artysty i kolorystykę.

Czy daliśmy się nimi oszukać, o ile mamy jakikolwiek związek ze współczesną nauką? Na pewno nie. Ale jednocześnie – jak to popularne memy – dały one upust uczuciom wielu osób z naukowego środowiska, które owe memy kazały sztucznej inteligencji stworzyć, a potem rozpowszechniały za pomocą mediów społecznościowych nadzorowanych przez inne sztuczne inteligencje. I to nie jest tak, że pierwszy raz w historii grupa ludzi zaangażowanych w proces tworzenia nauki wykazuje niezadowolenie z decyzji Szwedzkiej Królewskiej Akademii Nauk czy Karolinska Institutet, stanowiących naukowe gremia podejmujące w drodze głosowania decyzje, komu stosowne naukowe Noble w ogóle przyznać.

Bywały już także absolutnie oficjalne i opublikowane protesty dotyczące wyróżnienia konkretnych osób, na ogół oparte na tym, że laboratoria naukowe są równie hierarchicznymi instytucjami, jak wszelkie inne, Nobla zaś dostaje nie pierwszy, lecz ostatni autor jakiejś przełomowej pracy naukowej (wedle życzenia z testamentu Alfreda Nobla – jednocześnie „przynoszącej największą korzyść rodzajowi ludzkiemu”). Wprost oznacza to zatem nie tego, kto w trudzie i znoju rękami i nieprzespanymi nocami „wyczesał” w wielkiej mierze te dane eksperymentalne, z których ową publikację „ulepiono”, ale szefa grupy badawczej. Czasem on ten projekt wymyślił i nim realnie kierował, a czasem… niekoniecznie. Ale szefem laboratorium był, więc był ostatnim autorem pracy naukowej i często jej tzw. autorem korespondencyjnym, czyli teoretycznie odpowiadającym na pytania czytelników. Taka już konwencja panuje w kwestii publikacji.

Stąd właśnie Nobla z medycyny i fizjologii otrzymał za rok 2024 Victor Ambros – ostatni autor pracy o odkryciu mikroRNA z roku 1993, a nie, obecnie jego żona, Rosalind Lee, która była pierwszą autorką docenionego dziś najwyżej, jak się da, artykułu badawczego z prestiżowego pisma „Cell” (co oznacza, że w największej mierze własnymi rękami i mózgiem wykonała ona niezbędne do tej pracy eksperymenty). Nie zawsze układa się tak miło, że autorzy nagrodzonej Noblem pracy są szczęśliwym małżeństwem, więc sobie „głów nie pourywają” w walce o prestiż (i nierzadko prawdę).

Nie chodzi o to, że w tym roku nagrodę dano komuś, kto się „nie napracował” albo kto wcale nie był pierwszym autorem jakiejś przełomowej naukowej idei. Wręcz przeciwnie – profesjonalizmu, pierwszeństwa i tzw. impaktu nikt tegorocznym laureatom nie śmiałby odmówić. Idzie o to, że w zasadzie i Nobel z fizyki, i Nobel z chemii były z informatyki, a od nagradzania informatyków jest Nagroda Turinga i niemało innych. Co więcej, tylko dwóch na pięciu nagrodzonych w tych kategoriach (John Hopfield z fizyki i David Baker z chemii) są uczonymi z doświadczeniem eksperymentalnym i naukowym w dziedzinach, za które dostali Nobla. Aczkolwiek i oni nie zostali nagrodzeni za swe eksperymenty czy badania laboratoryjne sensu stricto, lecz za stworzone przez siebie algorytmy komputerowe mające im owe eksperymenty umożliwić lub usprawnić.

Z pamięci asocjacyjnych Hopfielda, realizowanych w szkłach spinowych z początku lat 80. XX w., już dziś nie korzystamy, bo – jak objaśnił mi to prof. Ernest Aleksy Bartnik z Wydziału Fizyki UW, z którym rozmawiałam dla kanału NaukOVO.pl – są dziś obliczeniowo równie przebrzmiałe jak komputery analogowe. Z programu komputerowego Rosetta napisanego przez Bakera i owszem. Pomógł on np. niedawno ustalić sekwencję peptydu, który zdolny jest dzięki swemu kształtowi przestrzennemu specyficznie wiązać zabójczy narkotyk – fentanyl. Łatwo zatem dziś wyprodukować to syntetyczne białko i wykorzystywać je do wykrywania tej śmiercionośnej w mikrostężeniach substancji w środowisku.

Pozostałych trzech – Geoffrey Hinton uhonorowany w dziedzinie fizyki oraz Demis Hassabis i John Jumper docenieni z chemii – to czystej wody i edukacji przedstawiciele nauk komputerowych i informatycznych; Hinton jest dodatkowo psychologiem poznawczym! Raczej matematycy niż fizycy czy chemicy. Niech za dowód posłuży tu prosty fakt, że dwaj ostatni panowie, nagrodzeni za absolutnie fantastyczny, oparty na uczeniu maszynowym i sieciach neuronowych program AlphaFold, służący do ustalania, jaki kształt/strukturę wewnętrznego zwinięcia ma białko, gdy znamy jedynie sekwencję budujących go aminokwasów, są jednocześnie twórcami AI bardzo dobrze grającej w szachy czy nawet tej niedawnej, absolutnie niezwykłej, zdolnej wygrać z ludźmi w Go. Na co dzień zaś realizują swe zawodowe aspiracje w ramach posiadającej brytyjski adres firmy Google DeepMind, a nie Uniwersytetu Harvarda, Rockefellera czy Cold Spring Harbour Laboratories, żeby wymienić pierwsze z brzegu instytucje naukowe, które są zmuszone utrzymywać osobne miejsca parkingowe dla noblistów.

AI przyniesie też nowe idee?

Tegoroczne Noble za sztuczną inteligencję dla wielu uczonych stanowią poważny problem. I nie chcę się tu ani wyzłośliwiać (bo sama jestem zafascynowana nagrodzonymi z chemii programami komputerowymi, z jednego z nich korzystałam w swojej naukowej biologiczno-molekularnej działalności jeszcze nieco ponad dekadę temu, przeszczęśliwa, że istnieje), ani schodzić do poziomu memów. Moim zdaniem podskórnie i psychologicznie problem bierze się stąd, że jeśli polski współtwórca ChatGPT dr Wojciech Zaremba ma rację, to za mniej niż dekadę w wielu dziedzinach – w tym w nauce – AI będzie, mówiąc kolokwialnie, „ogarniać” znacznie lepiej liczne kwestie.

Nie tylko poradzi sobie z analizą nagromadzonych od stulecia gigantycznych i ciągle przyrastających lawinowo danych, choćby w biologii czy klinice medycznej. Będzie analizować sprawniej niż zespoły ludzkie i bez zmęczenia kolejne typy danych obrazowych, dźwiękowych czy dokonywać predykcji na podstawie przeszłości w tak rozmaitych zagadnieniach, jak fizyka klimatu i aktywność oraz współdziałanie nieznanych jeszcze nauce białek. AI będzie zdolna także zastąpić uczonych w proponowaniu idei, sugerowaniu pomysłów i kierunków, a nie tylko rozwiązań, w zakręcaniu nas wszystkich wokół owych nagradzanych Noblem nowych paradygmatów, które będzie proponować sama sobie i z siebie ta czy inna coraz mniej wyspecjalizowana AI, coraz lepiej jednak nauczona myśleć (bez cudzysłowu).

Przestanie to być cyfrowe urządzenie techniczne, metoda rozwiązywania konkretnych problemów czy wyszukane, ale o ograniczonej stosowalności narzędzie – zacznie odgrywać rolę w nauce dotąd zarezerwowaną dla uczonych, a nie dla techników czy nawet studentów.

Czy to niebezpieczne? Oczywiście, podobnie jak w innych dziedzinach ludzkiej aktywności także i tu AI może się okazać wręcz zagrożeniem dla naszej egzystencji. Tak twierdzi choćby sam nagrodzony tegorocznym Noblem z fizyki Geoffrey Hinton, „ojciec” uczenia maszynowego i pomysłodawca sieci neuronowych.

Jeszcze jako psycholog z neurobiologicznym zacięciem po prostu rozumiał, jak działają proste ssacze szlaki neuronów, powiedzmy od oka do kory wzrokowej pierwszo-, drugo- i trzeciorzędowej, dzięki którym wiemy, co widzimy, podczas gdy obraz zostaje odszumiony, umieszczony w kontekście, zdolny wywołać niezbędną reakcję (np. ucieczkę czy zachwyt). Próbował zatem algorytmami skopiować ów mechanizm, w jakim sprzężone ze sobą siatkówka oka i kora wzrokowa dziecka uczą się nie tylko widzieć, ale też rozumieć, co widzą, i działać adekwatnie do tego zrozumienia w mechanizmie, gdzie jedne sygnały są wzmacniane, a zaangażowane w nie obwody nerwowe ulegają utrwaleniu, a inne są osłabiane przez brak stymulacji, aż niemal zanikną.

Podobnie pesymistyczne zdanie na temat relacji AI–człowiek na naszym gruncie reprezentuje publicznie chociażby fizyk prof. Andrzej Dragan, by odwołać się do naukowca, który nie unika mediów społecznościowych. Oczywiście, przyznanie Nobla właśnie Hintonowi dziś właśnie może oznaczać paradoksalnie, że Komitet Noblowski podziela obawy tego uczonego i pragnie jego głos wesprzeć swoim prestiżem.

Czy jednak zachwyceni – także w nauce – efektywnością, niskimi kosztami i przyjaznym stosunkiem do użytkownika, jaki mają narzędzia informatyczne konstruowane nadal jeszcze jedynie przez ludzi równie genialnych co tegoroczni nobliści, zamierzamy przestać? Czy nie pragniemy więcej? Czy chcielibyśmy, a nawet moglibyśmy pójść „na odwyk” od AI? Tu nie ma wątpliwości. Uczeni chcą w swoich dziedzinach naukowych jeszcze więcej „eksperymentów in silico”, czyli informatycznych, „w krzemie”, modelowań opartych na eksperymentalnych faktach, ale rozgrywających się przed ich oczami na monitorze komputera. Chcemy „szybciej, taniej, lepiej” – a to zawdzięczamy w naszej cywilizacji właśnie algorytmom i technikom obliczeniowym oraz sprzętowi o mocy obliczeniowej nieporównywalnej z tą nie tylko sprzed pół wieku, ale nawet sprzed dekady.

Tak zatem prof. Wojciech Grochala z CeNT UW, z którym też rozmawiałam dla NaukOVO.pl w ramach tygodnia noblowskiego, mimo swoich „ciar na plecach” związanych z tym, jak się może zakończyć nasza przygoda ze sztuczną inteligencją, na co dzień w swej pracy korzysta z tych narzędzi informatycznych, nie tyle w analizie białek, ile kryształów, bo to jego chemiczna specjalność. AI, jak to inteligencja, zdolna jest zaś zająć się tym problemem, którego wzorcami rozwiązań się ją wcześniej „nakarmi”. Chcesz białka, będą białka. Chcesz kryształy, obrazy rentgenowskie klatki piersiowej, indywidualne znamiona twarzy ludzkich, dane oceanograficzne, pogodowe, klasyfikacji chorób, jak epilepsja, bez oczywistej etiologii za to z licznymi różnicami między przypadkami, szachowe gambity? Mówisz – masz albo miał będziesz.

Prof. Marcin Drąg z Wydziału Chemicznego Politechniki Wrocławskiej powiedział mi z kolei, że on już czeka, aby kolejna wersja AlphaFold (obecnie pracuje wersja 2) nie tylko dawała pojęcie, jaki kształt przestrzenny mają konkretne białka, dla których znamy na ogół jedynie sekwencję kodujących je genów, ale też jaką one mogą mieć aktywność. „Nagroda ta jest za proteomikę, a nadszedł czas aktywomiki” – powtarzał.

Jest specjalistą od enzymów proteolitycznych. Ma głęboką świadomość, jaką rolę pełni dla aktywności białek każda modyfikacja i każdy stosowny inhibitor – a tę z sekwencji kodujących je genów ciężko wyczytać. Obaj moi rozmówcy podkreślają, że postęp w chemii bez tych metod byłby w zasadzie niemożliwy. Na przykład dlatego, że aby badać białka tak jak w erze poprzedniej, przed pojawieniem się przeznaczonych do tego narzędzi AI, trzeba by je izolować z komórek, a one właśnie wtedy bardzo często tracą swą aktywność i przestają wyglądać tak, jak powinny. Cóż zaś nam po skomplikowanych analizach czegoś, co ma się nijak do rzeczywistości?

Co więcej, jak uświadamia prof. Grochala, dopóki nie istnieją realnie funkcjonalne komputery kwantowe, nie ma na świecie mocy obliczeniowej, która za pomocą równań chemii kwantowej pozwalałaby analizować struktury białkowe. Da się dziś tymi właściwymi, nieprzybliżonymi metodami powiedzieć, jak wygląda jeden aminokwas, może jakiś krótki peptyd, ale nie całe białko składające się z setki czy setek aminokwasów. AI przybliża prawdę o kształcie białek w komórkach, nie korzystając z równań kwantowych, lecz z dużo prostszych równań mechaniki molekularnej. To zaś pozwala jej działać na zwykłych komputerach, które uczeni mają na biurkach, a nawet na telefonach komórkowych. To także te metody AI-analizy – przybliżone, teoretyczne, ale oparte na tysiącach wcześniejszych eksperymentów, np. krystalografii rentgenowskiej czy rezonansu magnetycznego, którymi „nakarmiono” AlphaFold, aby wiedziało, jak wygląda przestrzennie taka czy inna sekwencja aminokwasów – pozwalają dziś szybciej proponować np. zestawy peptydów adekwatnych do bycia lekiem w tej czy innej chorobie.

Ponieważ, jak wyjaśnił mi prof. Drąg, różnych aminokwasów jest 20 naturalnych, a kolejne 10 razy więcej modyfikowanych, które w naturze nie występują, to możliwe sekwencje 4-aminokwasowych peptydów idą w miliony. Nikt nie stanie i takiego zestawu nie przetestuje eksperymentalnie w tzw. mokrym laboratorium. AI wyselekcjonuje jednak dla nas tanio i najczęściej skutecznie te kilkaset z nich, a nawet kilkadziesiąt, którymi warto zająć się dalej, by stały się lekiem. Takim jak chociażby peptyd wybrany ze stosownej biblioteki przez zespół prof. Drąga na samym początku pandemii, zdolny zablokować kluczową dla wirusa SARS-CoV-2 proteinazę, który dziś pod nazwą Paxlovid jest jedynym skutecznym medykamentem przeciw Covid-19. David Baker w swoim wywiadzie tuż po ogłoszeniu, że dostał Nobla, wyznał, że marzy mu się, aby takie wyselekcjonowane przez AI biblioteki blokujących peptydów zaczęły powstawać dla wszelkich wirusów, które mają potencjał wywołania pandemii.

Czytaj więcej

Plus Minus

Ekologiczny paradoks: zwalczanie smogu może ocieplać klimat

Nasza walka o czystsze powietrze przy jednoczesnej wojnie z globalnym ociepleniem okazuje się poniekąd zmaganiem na dwa fronty.