Нобелевская премия непрерывно «присуждается ИИ», а за кулисами самым крупным победителем оказывается Google?
Нобелевская премия по химии 2024 года была присуждена Дэвиду Бейкеру за его вклад в разработку методов компьютерного дизайна белков. Половина премии была присуждена Демису Хассабису и Джону М. Джамперу за их достижения в предсказании структуры белков.
Дэвид Бэйкер - директор Института дизайна белков Университета Вашингтона, признанный пионер в области дизайна белков. С 2003 года он успешно разработал новые белки, такие как Top7 и другие инновационные белки, широко используемые в области лекарств, вакцин, наноматериалов, микросенсоров и т. д. Он также представил алгоритм предсказания структуры белка RoseTTA в 1999 году, раньше, чем AlphaFold от Deepmind.
Другие два лауреата еще более знакомы. Демис Хассабис является совладельцем и генеральным директором Google DeepMind, а Джон М. Джампер занимает пост директора Google DeepMind. Оба руководили командой, разработавшей искусственный интеллект AlphaFold 2, решивший проблему, беспокоящую научное сообщество в течение 50 лет: предсказание сложной структуры белка по последовательности аминокислот.
Белки - это основной химический инструмент жизни, они контролируют и стимулируют все биохимические реакции, играют ключевую роль в качестве гормонов, сигнальных веществ, антител и в построении тканей. В белках аминокислоты соединяются в виде длинной цепи и складываются в трехмерную структуру. С начала 70-х годов ученые пытались предсказать структуру белков на основе последовательности аминокислот, но прогресс был медленным до удивительного прорыва, достигнутого DeepMind четыре года назад.
В 2020 году Демис Хассабис и Джон Джампер, на основе первой версии AlphaFold, разработали AlphaFold 2. Он практически способен предсказывать структуру всех 2 миллиардов белков, которые были исследованы идапрсчитанны учеными. Эта технология уже цитировалась более 20 тысяч раз, используется более двух миллионов человек из 190 стран, и она привела к значительным прорывам в таких областях, как вакцины от малярии, лечение рака, дизайн ферментов и исследования устойчивости к антибиотикам. В прошлом году Демис Хассабис и Джон Джампер были удостоены премии по молекулярной медицине и Ласкеровской премии, которую часто называют "прорывом в науке", за значительный вклад в фундаментальные исследования в области медицины.
Королевская шведская академия науки заявила, что "без белка жизнь невозможна. Сегодня мы можем предсказывать структуру белков и разрабатывать собственные белки, что приносит людям огромную пользу".
Получив информацию о награде, официальный аккаунт Google DeepMind сразу же опубликовал сообщение об этом.
Демис Хассабис также выступил с заявлением:
Получить Нобелевскую премию - честь на всю жизнь. Благодарю Шведскую королевскую научную академию, благодарю Джона Джампера и команду AlphaFold, благодарю более широкую команду DeepMind и Google, а также всех коллег, внесших вклад в этот момент. Я посвятил свою карьеру продвижению искусственного интеллекта, потому что у него есть непревзойденный потенциал для улучшения жизни миллиардов людей. AlphaFold уже используется более чем двумя миллионами исследователей для продвижения ключевых работ, от дизайна ферментов до открытия лекарств. Я надеюсь, что в будущем мы сможем рассматривать AlphaFold как первое подтверждение огромного потенциала искусственного интеллекта для ускорения научных открытий.
Джон Джампер немедленно заявил: "Это важное доказательство того, что искусственный интеллект способствует ускорению научных исследований и в конечном итоге поможет понять болезни и разработать методы лечения. Эта работа была выполнена блестящей командой Google DeepMind, и этот приз признает их выдающийся вклад."
К настоящему моменту, кроме того, что он первым получил премию по физике и вызвал наивысшую степень обсуждения, за лауреатами, привлекающими наибольшее внимание в этом году, очевидно скрывается общая точка соприкосновения - Хинтон является ключевой фигурой Google Brain, который нес в себе амбиции Google в области искусственного интеллекта с самого начала, в то время как Демис Хассабис является душой Google Deepmind, который нес в себе задачи исследований в области искусственного интеллекта Google в последние годы.
Непочему даже "вечеринка Нобеля" проводится прямо на территории Google.
Поистине, Google выигрывает, стоя за спиной у ученых, получающих Нобелевскую премию по искусственному интеллекту.
1 - один
Атака Google
По временной линии Google безусловно является одним из первых крупных игроков, вступивших в игру в области искусственного интеллекта.
Although in many versions of the story, the secret auction that took place in a casino hotel near Lake Tahoe in the winter of 2012, involving the three tech giants Google, Microsoft, Baidu, and DeepMind, competing around DNNResearch, a small company founded by Hinton, with little more than a few papers to its name, is described as fair competition. However, looking back, the outcome of this auction was actually predetermined. One of its origins can be traced back to Google's initiative six months prior.
Translation to Russian:
Хотя во многих версиях истории секретный аукцион, состоявшийся зимой 2012 года в отеле-казино возле озера Тахо в США, с участием трех техгигантов Google, Microsoft, Baidu и DeepMind, описывается как честное соревнование вокруг DNNResearch, небольшой компании, основанной Хинтоном, у которой нет ничего, кроме нескольких статей, на самом деле исход этого аукциона был заранее предопределен. Одним из его истоков можно проследить предшествовавшую этому инициативу со стороны Google за шесть месяцев до этого.
В июне 2012 года Google Brain запустил проект "Google Cat" для распознавания кошек на видео на YouTube с помощью алгоритмов. Проект возглавил Эндрю Ын и в него включился Джефф Дин, а также получил крупную поддержку от одного из основателей компании Ларри Пейджа.
Система построила крупную нейронную сеть с 1 миллиардом соединений, которая была обучена на 10 миллионах видеороликах с YouTube без меток на 16 000 центральных процессорных устройствах. Через без надзорного обучения эта система успешно самостоятельно научилась распознавать лица кошек с точностью 74.8% и способна распознавать лица людей и другие объекты.
Однако Ву провел энергичное отставание в конце проекта и перед уходом порекомендовал своего учителя Хинтона на его место в Google. Хинтон сказал, что не собирается покидать университет, и готов остаться в Google только "на лето". Таким образом, он стал самым старшим стажером в истории Google.
As an authority in deep learning field, Hinton quickly realized the flaws of the project, pointing out that the Google cat "was running the wrong neural network and using the wrong computing power." So, after a brief "apprenticeship" period, Hinton immediately gathered students Ilya Sutskever and Alex Krizhevsky to form a team and develop a new neural network architecture called AlexNet. With the results trained on only 4 NVIDIA GPUs, they participated in the 2012 ImageNet image recognition competition, achieving a groundbreaking victory with an accuracy of 84%.
Translated to Russian:
Как авторитет в области глубокого обучения, Хинтон быстро понял недостатки проекта, указав на то, что составленное Google "запускало неверную нейронную сеть и использовало неверные вычислительные мощности". Таким образом, после недолгого "стажировочного периода" Хинтон сразу собрал студентов Илью Суцкевера и Алекса Крижевского, чтобы создать команду и разработать новую архитектуру нейронных сетей под названием AlexNet. С результатами, обученными только на 4 видеокартах NVIDIA, они приняли участие в соревновании по распознаванию изображений ImageNet 2012 года, достигнув революционной победы с точностью в 84%.
В октябре того же года команда Хинтона официально представила на конференции по компьютерному зрению во Флоренции свой чемпионский алгоритм AlexNet. Команда ученых смогла нанести поражение Google, несмотря на огромные различия в аппаратуре и научных ресурсах, что вызвало огромный резонанс как в академической, так и в промышленной сфере. Статья об алгоритме AlexNet также является одной из наиболее влиятельных в истории информатики и была процитирована более 120 000 раз.
Дальше трое учредили DNNResearch компанию. После этого аукционы развивались еще более гладко, и когда их стоимость достигла 44 миллиона долларов, Хинтон остановил торги и официально присоединился к Google вместе с двумя студентами, став вице-президентом и инженерным исследователем Google Brain.
Hinton в своем заявлении написал: «Я продолжу преподавать частичную ставку в Университете Торонто, но в Google, я могу увидеть, как мы работаем с крупномасштабными вычислениями».
В течение своей десятилетней карьеры в Google до мая 2023 года Хинтон продолжал участвовать в исследованиях масштабных искусственных нейронных сетей, заложив фундаментальные основы для современных систем искусственного интеллекта, таких как Bard и ChatGPT. Он также участвовал в разработке открытой библиотеки машинного обучения TensorFlow, содействуя улучшению возможностей в области распознавания изображений, понимания языка и других приложений искусственного интеллекта, а также широко применял технологии глубокого обучения в различных продуктах и услугах Google.
Google никогда не останавливалась в привлечении талантов и технологий. Всего через два года после приобретения DNNResearch, DeepMind, основанный Хассабисом, один из участников аукциона в тот год, тоже был приобретен Google.
По сообщениям, Google специально арендовала частный самолет для отправки Хинтона в Лондон для "проверки товара", и специально переделала сиденья, чтобы решить проблему его болей в спине, из-за которых он не мог сидеть на самолете. В то время как Facebook, проиграв DeepMind Google, высоко ценой подхватила Янна Лекуна, одного из "трех гигантов глубокого обучения".
1 - один
DeepMind - это компания, специализирующаяся на искусственном интеллекте, основанная в Великобритании в 2010 году. Ее основателями стали Демис Хасабис, Шейн Легмуэр и многие другие. DeepMind известна своими разработками в области машинного обучения и создании программ, способных решать сложные задачи. В 2014 году компания была приобретена Google. Их научные достижения помогли улучшить технологии в областях медицины, игр и других сферах.
Приход в DeepMind, на самом деле до поглощения Google, компания DeepMind уже столкнулась с финансовыми трудностями, они постоянно тратили деньги, но не могли найти устойчивую бизнес-модель, даже находились на грани банкротства.
Перевод:
Сделка на 600 миллионов долларов от Google спасла DeepMind, сохраняя ключевую техническую команду и предоставляя сильные вычислительные ресурсы, включая возможности облачного вычисления и поддержку в центрах обработки данных. Это позволило DeepMind использовать большую вычислительную мощность для обучения глубоких нейронных сетей, особенно в разработке AlphaGo, значительно ускорив вычисления и повысив точность моделей. Кроме того, Google предоставил специально разработанные TPU (тензорные процессоры), дополнительно оптимизирующие эффективность обучения и вывода глубоких моделей, а базовый инструмент искусственного интеллекта TensorFlow широко применяется в исследованиях DeepMind, улучшая работу AlphaGo.
AlphaGo - шахматная программа искусственного интеллекта, разработанная командой DeepMind. Анализируя сотни тысяч партий шахмат, используя самообучение, она овладела сложной стратегией и смогла превзойти топовых человеческих игроков. В 2016 году AlphaGo выиграла у чемпиона мира по шахматам Ли Седоля со счётом 4:1, став известной и потрясающей мир.
Однако в глазах Хассабиса потенциал применения искусственного интеллекта для решения сложных задач через шахматные игры — это только начало. Более важно использовать его для направления систем общего обучения, чтобы справиться с вызовами реального мира, что действительно улучшит жизнь людей, революционизирует отрасли и продвинет научное развитие.
So, within a few months, DeepMind quickly hired biologists and assembled an interdisciplinary team dedicated to solving the protein folding problem, ultimately leading to the birth of the AlphaFold project in 2018. Through multiple iterations, AlphaFold has completely changed biological research with its groundbreaking protein structure prediction capabilities, demonstrating the strong potential for AI in the field of science.
Итак, в течение нескольких месяцев DeepMind быстро наняли биологов и собрали междисциплинарную команду, посвященную решению проблемы свертывания белков, что в конечном итоге привело к появлению проекта AlphaFold в 2018 году. Через несколько итераций AlphaFold полностью изменил биологические исследования своими прорывными способностями предсказания структуры белка, демонстрируя сильный потенциал искусственного интеллекта в области науки.
В мае этого года Google Deepmind вновь объявила о партнёрстве с компанией Isomorphic Labs для запуска новой модели предсказания структуры белка AlphaFold 3, соответствующая статья была опубликована в журнале "Nature".
По сравнению с предыдущими версиями, AlphaFold 3 не только продвинулась в предсказании складывания белков, но впервые достигла высокой точности в предсказании структуры и взаимодействий биологических молекул, таких как белки, ДНК, РНК и лиганды. Этот прорыв помогает ученым более глубоко понять механизмы болезней и жизненные процессы, существенно сокращая время и затраты на исследования. Независимо от того, идет ли речь о разработке восстанавливаемых материалов, ускорении разработки лекарств или проведении исследований в области геномики, AlphaFold 3 открывает более широкие возможности применения в области биологических молекул.
Кроме того, команда также запустила бесплатную платформу под названием AlphaFold Server на базе AlphaFold 3 для проведения научных исследований в некоммерческих целях, дальше способствуя популяризации научных открытий.
Через DeepMind, Google продолжает привлекать ведущие научные таланты со всего мира и обеспечивать им долгосрочную финансовую поддержку, позволяя сосредоточиться на прорывных исследованиях, не полагаясь на краткосрочный коммерческий успех Google также наделяет DeepMind высокой стратегической автономией, позволяя им свободно выбирать направление исследований. Именно эта независимость и долгосрочная поддержка обеспечивают прочную основу для предпросмотровых исследований DeepMind.
Помимо достижений в области игр и биологии, DeepMind разработала модель синтеза речи WaveNet для Google Assistant, улучшив взаимодействие с помощью голосовых команд. Модель RT-2, объединяющая видео, язык и движение, повысила способности роботов выполнять задачи в разнообразных средах. Исследования компании затрагивают такие сложные проблемы, как прогноз погоды и реакции на ядерный синтез, а также способствуют развитию компьютерных алгоритмов через проекты AlphaCode и AlphaDev.
1
Translation: 1
"Google's 'heritage' remains strong"
В сегодняшней конкуренции в области искусственного интеллекта стремительное развитие таких звездных компаний, как OpenAI и Anthropic, с противопоставлением ChatGPT и Claude проекту Gemini, вызывает сомнения в стратегии искусственного интеллекта у Google. Особенно в коммерциализации продуктов на основе генеративного искусственного интеллекта и инструментов для разработчиков разрыв между быстрым развитием OpenAI и относительным медленным темпом Google заметен.
However, the two Nobel Prizes in front of us seem to remind us that Google's profound research background and technological accumulation are advantages that other companies find difficult to replicate.
Однако два Нобелевских приза перед нами кажется напоминают нам, что глубокий научный опыт и технологическое наследие Google являются преимуществами, которые другим компаниям трудно воспроизвести.
До 2006 года текущее состояние глубокого обучения можно охарактеризовать словами лорда Кельвина: «Башня глубокого обучения практически завершена, просто под солнечным небом парит три маленьких тучки».
These three little dark clouds are algorithms, computing power, and data.
Эти три маленькие тучи — это алгоритмы, вычислительная мощность и данные.
И Google имеет очевидное преимущество в этих ключевых областях. Во-первых, у него есть доступ к ведущим масштабным данным в мире, благодаря платформам, таким как YouTube, Google Scholar и Google Search, Google предоставляет богатые и разнообразные наборы данных для обучения моделей искусственного интеллекта в областях компьютерного зрения, распознавания речи и обработки естественного языка.
Next, Google has a significant advantage in computing resources. Its internally developed TPU hardware greatly accelerates the training speed of deep learning models. Google Cloud not only provides powerful computing capabilities for internal research but also offers tools for developers globally to quickly build and deploy complex AI applications.
Далее, у Google есть значительное преимущество в области вычислительных ресурсов. Его разработанное внутреннее оборудование TPU значительно увеличивает скорость обучения моделей глубокого обучения. Google Cloud не только предоставляет мощные вычислительные возможности для внутренних исследований, но также предлагает инструменты для разработчиков по всему миру для быстрой разработки и развертывания сложных приложений искусственного интеллекта.
В области разработки алгоритмов Google также находится на передовой. Разработанная командой Google Brain архитектура Transformer заложила основы современной обработки естественного языка, способствуя развитию почти всех передовых моделей искусственного интеллекта. Эти технологии не только содействуют прогрессу в академической сфере, но и широко применяются в основных продуктах Google.
В 2024 году сфера искусственного интеллекта все еще сталкивается с вызовами алгоритмов, вычислительной мощности и данных. Хотя многие компании достигли значительных успехов в своих областях, по-видимому, Google все еще является лидером, обладающим преимуществами во всех трех аспектах и успешно их сочетающим.
В конкуренции с компаниями OpenAI, Microsoft и другими Google все еще имеет крепкую базу и не проигрывает в соревновании по искусственному интеллекту. Потенциал искусственного интеллекта еще далеко не исчерпан, и, возможно, именно глубина и ширина технологических инноваций определят итогового победителя в этом долгом забеге.