Этот прорыв произошел в то время, когда на Земле практически не осталось людей, не видевших изображения печально известной белковой молекулы, функция которой предопределяется ее трехмерной структурой. Речь идет о спайковом белке коронавируса, своего рода стыковочном механизме, посредством которого вирус прикрепляется к клетке и заражает ее. Научный прорыв DeepMind дарит надежду, что к следующей пандемии мы будем подготовлены значительно лучше. Одно из возможных применений системы — быстрый перебор существующих лекарственных средств в поисках наиболее эффективных против нового вируса. Благодаря этому действенное лечение будет доступно на самых ранних стадиях вспышки заболевания. Помимо прочего, технология DeepMind открывает перед нами целый ряд возможностей, среди которых разработка новейших лекарств и более глубокое понимание причин появления ошибок при формировании структуры белка — сбоев, связанных с такими недугами, как диабет, болезнь Альцгеймера и болезнь Паркинсона. Когда-нибудь эта технология найдет применение и в других сферах, например, поможет создать микробов, способных разлагать отходы вроде пластика или нефти[3]. Иными словами, эта инновация способна ускорить прогресс практически в любой области биохимии и медицины.

За последнее десятилетие разработчики искусственного интеллекта добились революционного прорыва и стали предлагать все больше практических решений, преобразующих мир вокруг нас. Главным ускорителем прогресса является «глубокое обучение» — метод машинного обучения на основе использования многослойных нейронных сетей наподобие той, что применила DeepMind. Базовые принципы работы глубоких нейронных сетей известны уже не одно десятилетие, но последние поразительные достижения обусловлены сочетанием двух тенденций в развитии информационных технологий. Во-первых, это появление несоизмеримо более мощных компьютеров, которые впервые позволили превратить нейронные сети в действительно эффективные инструменты. Во-вторых, это накопление колоссальных массивов данных в сегодняшней информационной экономике, которые критически важны для обучения нейронных сетей выполнению полезных задач. Действительно, доступность данных в масштабе прежде немыслимом — это, пожалуй, определяющий фактор нынешнего колоссального прогресса. Глубокие нейронные сети вбирают в себя и используют данные во многом так же, как синий кит, который питается крилем: он заглатывает огромное количество организмов в отдельности незначительных, но в сумме дающих энергию для поддержания жизни огромного организма.