Искусственный интеллект: время подумать есть? ЖУРНАЛ

© ООО Региональные новости

Сегодня буквально каждая отрасль экономики пытается «примерить» на себя искусственный интеллект и найти в нем ту полезность, которая позволит сделать качественный рывок вперед — будь то оптимизация производственных процессов, управленческих функций — все что угодно, лишь бы не пропустить мимо тот бум, который творится вокруг. Еще лучше оказаться впереди конкурентов, раньше других понять, как нейронные сети, алгоритмы, большие языковые модели могут помочь совершить любой прорыв и занять лидерские позиции в рынке. Но как бы ни ускорялись цифровые технологии, наш мир все еще остается материальным, у него есть физическое измерение, в котором все, что нас окружает, состоит из различных материалов. Разработка новых и перспективных сама по себе представляет из себя рынок, потенциал которого оценивается в триллионы долларов, поскольку от них зависит как прогресс в самих цифровых технологиях, так и многое другое из физического мира вещей. Материаловедение, синтез новых с улучшенными свойствами материалов особенно важны в фундаментальных отраслях вроде энергетики, фармацевтики, металлургии и, конечно, в микроэлектронике. И теперь физики пытаются понять, а может ли искусственный интеллект радикально изменить саму природу физических исследований и рынок материалов как таковой. Параллельно они задаются самым распространенным сегодня вопросом: может ли ИИ заменить ученых-физиков, химиков и всех, кто привык считать, что новые материалы являются продуктом длительных экспериментальных исследований, где физическая плоскость — обязательный структурный элемент.

 Российская научная школа в области физики и материаловедения традиционно считается одной из ведущих в мире, но главный технологический тренд настоящего, искусственный интеллект, может подорвать классические устои в этих консервативных областях науки. Правда, пока неясно, способен ли он кардинально их поменять. Насколько вообще возможно абстрагироваться от физики и получить достоверную информацию о материале с помощью искусственных моделей?

Кто вперед?

Озадачены не только ученые, и не они в первую очередь. Новые подходы к исследованиям материалов ищут крупнейшие индустриальные игроки. Глобальная конкуренция между ними уже идет: ведущие технологические корпорации формируют цифровые платформы для разработки новых материалов, стремясь закрепить за собой позиции в будущих цепочках создания стоимости. Российские разработчики, и в большей степени не научные центры, а индустриальные компании, хотят понимать, как они будут конкурировать на глобальных рынках в ближайшем будущем, если уже сейчас не встроятся в ведущие технологические тренды, и кто-то опередит их в разработке новых материалов, создав с помощью ИИ мощный технологический задел. Отсюда вытекает одна из фундаментальных проблем, вокруг которой концентрировались участники сессии, посвященной теме ИИ в материалах, прошедшей на полях Петербургского международного экономического форума. «Мы находимся в начальной фазе применения ИИ в промышленности. Понятно, кто-то ушел дальше, но что сегодня очевидно: скорость внедрения может стать важным конкурентным преимуществом, поэтому есть такая тенденция, что участники этого процесса пытаются все сделать внутри себя: особо не делятся данными, подходами, практиками, моделями», — заметил в начале дискуссии руководитель научной группы «Квантовые информационные технологии» Российского квантового центра, директор института физики и квантовой инженерии Университета науки и технологий МИСИС Алексей Федоров.

Что, кроме хайпа?

Еще один важный аспект — практическое применение. При всем том хайпе, который есть вокруг высоких технологий, создаваемых моделями машинного обучения, индустриальные компании держат в уме как основную задачу не просто включиться в эксперименты, а довести их до практического внедрения и эффектов. Но пока сделать это также трудно, как и найти то самое рациональное применение искусственного интеллекта, которое позволит сделать следующий шаг в материаловедении, — одно без другого не получится. Пытаются многие: ведущие технологические корпорации, крупнейшие производственные концерны, передовые научные центры, большие команды исследователей. Заходят с разных сторон, попытки есть, но признанных мировым сообществом достижений пока нет. Например, генеративные модели используют для обратного проектирования, когда на основании заданных целевых свойств материалов алгоритм генерирует структуры и формы, потенциально подходящие под заданные параметры.

Без Менделеева никак

Один из самых громких проектов, когда ИИ искал новые материалы, — GNoME (Google DepMind). Графовая нейронная сеть создана одним из подразделений техногиганта Google для ускорения открытия новых неорганических кристаллических материалов. В процессе создания нейронка использует базу данных, в которой содержится описание 150 000 материалов, она ищет закономерности в их структурах. Далее, используя таблицу Менделеева, она формирует соединения, которые могут стать новыми материалами. На финальной стадии анализа с помощью квантовой механики нейросеть проверяет и корректирует предложенные ею же структуры. Процесс анализа и совершенствования многократно повторяется, идет выбраковывание, на которое в материальном мире тратятся годы исследований. Google DepMind ИИ сгенерировал 2,2 млн новых кристаллических структур. Команда разработчиков заявила, что 380 тысяч из них можно синтезировать в лаборатории.

В молекулярной динамике для моделирования дефектов и фазовых переходов в материалах также внедряют ИИ-системы, обученные на ограниченном массиве квантово-химических расчетов. С их помощью производят межатомное взаимодействие с высокой точностью при кратно меньших вычислительных затратах по сравнению с традиционными методами.

Трезвость = рациональность

Физически-обоснованное машинное обучение получило распространение при гибридных подходах, которые встраивают физические ограничения и законы сохранения в обучение моделей, таким образом повышается соответствие предсказаний термодинамическим и химическим принципам. Также с помощью алгоритмов выстраиваются цифровые двойники материалов. Высокоточные виртуальные модели материалов и технологических процессов строятся на основе сенсорных данных, результатов симуляций и системы управления, таким образом исследователи пытаются спрогнозировать поведение материалов в производственных условиях еще до начала физического изготовления, что позволяет выявлять потенциальные проблемы на разных стадиях. «Мне хотелось добавить долю рациональности и трезвости, потому что в этом смысле и РФ, и мир находятся в одинаковой стадии. Применение ИИ в науке — это все гипотеза, тест, — поделилась на полях ПМЭФ своим мнением генеральный директор Ассоциации «Альянс в сфере искусственного интеллекта» Валерия Воробьева. — В прикладном разрезе мы все только-только пытаемся осознать, как работать с ИИ, чтобы получить максимальную эффективность от его применения в науке. Мы еще никуда не опаздываем — это новые технологии и рынки, которые только формируются». Очевидно пока только одно: ИИ позволяет науке эволюционировать с невероятной скоростью, благодаря ему количество исследований и наработок кратно вырастает, но пока все результаты все равно обрабатывает человеческий разум.

Фрагментация всего

То, что Россия якобы никуда не опаздывает, не повод для успокоения или даже оптимизма. «Время подумать пока есть, хотя по ощущениям изнутри научного сообщества кажется, что его уже нет — каждый день выходит огромное количество научных статей», — замечает руководитель научной группы «Квантовые информационные технологии» Российского квантового центра, директор института физики и квантовой инженерии Университета науки и технологий МИСИС Алексей Федоров.

В РФ подобные эксперименты пока носят замкнутый, весьма ограниченный характер, что не позволяет претендовать на большие открытия и заметные прорывы. Фрагментация усилий, капиталов и данных — самое проблемное место в современном российском материаловедении. Зачастую разработчики буквально скрывают предмет исследований, и в результате исследовательский центр, производственная компания со своим R&D-центром или команда энтузиастов могут тестировать одни и те же гипотезы, вместо того чтобы распределить усилия и договориться об общих целях. Именно в этой точке все и рвется: для получения реальных, прикладных результатов нет должного взаимодействия, при котором усилия исследовательских команд накладываются на интересы бизнеса, стремящегося к прикладным эффектам, — в них он готов инвестировать. На этом стыке и формируются некие консорциумы, что позволяет науке получать финансирование, время и ресурсную базу на фундаментальные исследования, а бизнесу — рычаги управления процессом и осязаемый результат.

Шаг в неизвестность

Во многих отраслях промышленности эта стыковка науки и бизнеса никак не произойдет, хотя задачи импортозамещения и технологического суверенитета без нее невыполнимы. Научные коллективы все еще учатся взаимодействовать с реальным сектором таким образом, чтобы быть полезными, решать конкретные, практические задачи бизнеса. «Есть различия в целеполагании. Должно быть так, что человек, который занимается новыми материалами, будет вести разработки в плоскости, полезной бизнесу, иначе заниматься этим бессмысленно, — уверен декан факультета искусственного интеллекта МГУ имени М. В. Ломоносова Иван Оселедец. — По факту 99% ученых занимаются новыми материалами, потому что им это просто нравится. Они делают вклад в науку, но конверсия в практику их исследований не очень высокая. Если текущие процессы не приводят к прогрессу, их точно надо менять, целеполагание тоже надо выравнивать». При этом Оседелец отмечает еще один нюанс: исследователи, ученые стараются взять задачу, которую им под силу решить. Мало кто хочет браться за то, что трудно решить, а в этом и есть суть поиска нового. Все чаще подобные амбициозные проекты рождаются не в больших научных центрах и лабораториях, а в стартапах, основанных ради одной, порой сумасшедшей идеи. К ним сейчас активно присматривается фарминдустрия, которая стала одним из передовых направлений по внедрению ИИ в научные исследования.      

«Натура» останется

Фармацевтика и фармакология сделали ставку на лекарственную персонализацию и гибридные решения и подключили к разработке ИИ. В результате ученым уже не надо, как раньше, создавать сто молекул: они задают нужные параметры, ИИ делает расчеты на доклинических этапах. Синтезированные подобным образом молекулы уже тестируются в РФ. В случае с гибридными решениями ИИ, например, производит расчет токсичности и концентрации, чтобы найти их оптимальное сочетание для достижения нужного лечебного эффекта. Особенно важен такой точечный подбор в онкологии, где препарат может показывать эффективность и одновременно иметь высокую токсичность. Однако искусственный интеллект не позволит уйти от натурной, физической фазы исследований, это касается не только фармы, но и поиска новых материалов. «Мне часто задают вопрос: когда перестанут испытывать лекарства на животных, можно ли все-таки ИИ использовать, чтобы тестировать гипотезы, — поясняет директор по науке НПО «Микроген» корпорации «Ростех» Дмитрий Кудлай. — От биологии нам не избавиться, как и в материаловедении от физики».

Доведение до применения

Опыт Сколтеха — кластера, внутри которого сконцентрированы исследовательские команды, тестирующие гипотезы по различным направлениям, показывает, что инфраструктура для натурных экспериментов необходима даже в эпоху ИИ. Здесь много занимаются и фармой, и материалами. Например, в Сколтехе есть лаборатория, которая исследует новые катодные материалы, ее ученые запустили в работу печь для синтеза катодных материалов с улучшенными свойствами. Сколтех гордится тем, что является единственным научным центром в стране, где ведутся подобные разработки. Как заявляют в руководстве кластера, ему принадлежит самый крупный в стране пакет интеллектуальной собственности в области оксидных катодных материалов, которые будут составлять основу производства накопителей энергии в РФ. Своей ключевой целью Сколтех заявляет доведение научных разработок до реального применения в индустриях, например, новые катодные материалы создаются для литий-ионных АКБ. Научная группа под руководством заслуженного профессора Сколтеха Артёма Абакумова уже введет переговоры с потенциальными заказчиками на это высокотехнологичное производство, о чем заявлял ректор Сколтеха, академик РАН Александр Кулешов.

Мегасайенс

Сколковский инновационный центр — один из немногих примеров, наряду с тем же «Сириусом», где для подобных исследований и внедрений есть необходимая, весьма дорогостоящая инфраструктура, в которую кто-то должен инвестировать. Заместитель директора по науке Института физики высоких энергий имени А. А. Логунова НИЦ «Курчатовский институт» Никита Марченков уверен, что будущее в исследованиях, особенно в таких прикладных направлениях, как материаловедение — за мегасайенс-установками. Он объясняет это с позиции ученого, но, кажется, все понятно. Например, совершенно точно, что человек не может глазами разглядеть атомы, даже в самый продвинутый и мощный микроскоп. Сделать это возможно, хотя и опосредованно, как раз с помощью исследовательских комплексов, которые принято называть мегасайенс-установками. Сегодня, добавляет эксперт, их использование считается единственным способом реального исследования атомальной структуры материи, и без этого невозможно развитие современного материаловедения, тем более, исследования на базе ИИ.  

Что такое мегасайенс-установки знает практически каждый, потому что в свое время о самой знаменитой из них говорили на всех континентах.

Это Большой адронный коллайдер — построенный на границе Швейцарии и Франции ускоритель заряженных частиц. В России тоже запущены в работу мегасайенс-установки, например, исследовательский реактор ПИК в Гатчине является самым мощным источником нейтронов в мире. В прошлом году в подмосковной Дубне запустили коллайдер протонов и тяжёлых ионов NICA. С использованием пучков ускоренных ионов авторы проекта хотят решить сразу несколько прикладных задач, например, изучить свойства материи в экстремальных условиях. Также в РФ скоро появится еще одна установка класса «мегасайенс». В Протвине строят источник синхротронного излучения четвертого поколения (ИССИ-4), который совместит кольцевой ускоритель и лазер на свободных электронах. Установка предназначена для прорывных исследований в области физики высоких энергий, биотехнологий и создания новых материалов.

Выворачивай карманы!

Все перечисленные проекты реализуются при непосредственном участии государства и на государственные деньги, частных инвестиций в большой российской науке, в фундаментальных исследованиях, можно сказать, что нет, деньги вкладываются туда, где понятен и измерим результат. «Вызов для страны в том, чтобы инвестировать в ИИ в материаловедении, нужен глубокий карман, в РФ не многие компании могут себе это позволить. Поэтому я думаю, что инициаторами подобных процессов будут крупные компании вроде «Норникеля», — подтверждает вице-президент по инновациям ПАО ГМК «Норильский никель» Виталий Бусько. И сегодня у компании есть вполне конкретные задачи для исследователей. Среди наиболее перспективных — поиск новых применений палладия, «Норникель» — его крупнейший поставщик на международный рынок с долей около 40%. Возможно, расширить взгляд на задачу ученым помог бы искусственный интеллект, но пока у него нет особых достижений в материаловедении, считает Виталий Бусько. Речь не про локальные, российские, а про общемировые исследования. Значит, есть неосвоенное поле для деятельности.

Без подрядчиков

Для отечественной науки это означает наличие перспектив и возможности выступить мировым лидером в части разработки новых материалов, однако индустриальные игроки уверены, что больше шансов добиться реальных результатов в материаловедении у компаний, которые работают на стыке науки и производства, речь может идти о секторе нефтехимии или реагентики. У них есть свои R/D-центры и накоплены большие объемы данных о материалах и их синтезе. Вряд ли ИТ-компании смогут продвинуться, не обладая компетенциями в физике, химии и смежных с ними науках, одних только навыков внедрения ИИ для разработки новых материалов недостаточно, уверен вице-президент по инновациям ПАО ГМК «Норильский никель» Виталий Бусько. «Внедрение ИИ в производственные, управленческие процессы и в материаловедение — абсолютно разное, — добавляет он. — Можно взять ИТ-компанию, и она быстро разберется, как работает процесс, и что-то предложит. В новых материалах человек без специальных знаний в области химии и материаловедения практически не сможет толкать науку вперед». Поэтому в рынке пока нет ИТ-компаний или исследовательских центров, которые предлагают как услугу синтез перспективных материалов. Нанимать внешнего подрядчика на подобные проекты не вариант. А какие тогда остаются? Найти материаловеда, но не ученого, а с практическим подходом, да еще и с глубоким пониманием ИИ и опытом его внедрения — задача практически нереализуемая, к тому же бизнесу нужны результаты здесь и сейчас. В «Норникеле» пробуют брать молодых специалистов-материаловедов, которым интересны цифровые технологии, дообучают их по части нейросетей, чтобы те смогли предлагать проекты по практическому внедрению ИИ в технологические, производственные процессы, но синтез новых материалов и соединений — задача совершенно другого, куда более сложного порядка.  

Что «скормить» ИИ?

Любой проект по использованию искусственного интеллекта в материаловедении наталкивается на общую для всех заинтересованных сторон проблему — качество данных, на которых могут обучаться нейросети. «Объединять всех могут данные — это первое, с чего надо начать», — уверена генеральный директор Ассоциации «Альянс в сфере искусственного интеллекта» Валерия Воробьева. Но и здесь фрагментация — один из существенных барьеров, наряду с качеством и объемом, и совершенно непонятно, кто мог бы стать единым в масштабах страны модератором данных. Вице-президент по инновациям ПАО ГМК «Норильский никель» Виталий Бусько считает, что эту роль вполне можно доверить Российской Академии наук — вот он, тот самый стык реального сектора и науки, без которого не случится ни научный, ни технологический прорыв. Однако ученые привыкли накапливать данные не в цифре, а на бумаге, добавляет декан факультета искусственного интеллекта МГУ Иван Оселедец. С этого и надо начинать, уверен он: не ИИ внедрять в исследования, а выстроить под нейросети принципиально иную логику экспериментального процесса, их бурный старт во многих областях жизни связан с доступностью и огромным массивом открытых данных, на которых обучаются алгоритмы.

В прикладных науках вроде материаловедения с этим куда сложнее — данных маловато, на них качественно натренировать ИИ, да еще до той степени, чтобы уйти от физического эксперимента, пока не представляется возможным. Именно поэтому, проектируя мегасайенс-установку в Протвино, специалисты НИЦ «Курчатовский институт» предусматривают 1200 человек персонала для ее работы. «Установка сложная, ИИ я здесь вижу только как помощника, который существенно повысит эффективность работы, — добавляет заместитель директора по науке Институт физики высоких энергий имени
А. А. Логунова НИЦ «Курчатовский институт» Никита Марченков. — Мы далековато от того, чтобы полностью автоматизировать такие сложные системы — мы пока простые конвейеры не автоматизировали полностью, не говоря уже о людях, которые ставят задачу, сидя в лабораториях, и которые в конце проверяют гипотезу. Так что в науке ИИ все-таки нескоро вытеснит людей».

В интересах страны

У многих есть свои данные, но пора их объединить в интересах страны, уверена генеральный директор Ассоциации «Альянс в сфере искусственного интеллекта Валерия Воробьева. По ее мнению, модератор данных должен быть равно удаленным ото всех, и пока сложно себе представить, кто мог бы взять на себя эту функцию. Вероятно, если речь об интересах страны, то модерирование должно взять на себя государство, которому под силу не только создать единую базу, учитывая, что наука в РФ управляется государством, но и назначить оператора, который отладит процесс оцифровки, накопления и управления потоками данных.  

Данные — тот самый общий элемент, который может консолидировать все еще разрозненные интересы исследователей и производственников. При этом государство выполняет не только балансирующую функцию посредника, объединяя интересы, оно инвестирует в перспективное направление, которое определяет будущий технологический суверенитет страны. Однако пока ролевая модель участия бизнеса, научных центров и государства в части разработок новых материалов и синтеза на их основе в РФ не сложилась. Все сидят и ждут: производственники, когда к ним придут не ученые-фантазеры, экспериментирующие ради любопытства, а команды, которые заявят о готовности найти новое применение палладия или реагент будущего. Ученые хотят работать на мегаустановках, построенных для фундаментальных исследований, чтобы двигать науку вперед. Неясно только, чего ждет государство, в интересах которого объединить потенциал научной школы РФ и производственную базу крупнейших индустриальных игроков ради того, чтобы успеть занять свое место на перспективном рынке новых материалов. Сегодня кажется, что время на раскачку, консолидацию и выработку единой стратегии еще есть, но кто сказал, что технологии не ускорятся кратно, и тогда временной запас быстро истощится, а вместе с ним и оптимизм, что наш научный потенциал поможет вырваться вперед и стать лидером.