«Алгоритмы не спят, не болеют, быстро проверяют сотни гипотез»: как искусственный интеллект помогает бороться с вирусом

Уже сейчас понятно, что процессы автоматизации и внедрения машинного обучения в нашу жизнь будут только ускоряться. Алгоритмы не спят, не болеют, быстро проверяют сотни гипотез и находят решения, анализируя огромный объем документов и данных, на который у человека могут уйти годы. Использование анализа данных в борьбе с пандемией — хороший пример, который показывает, как будет выглядеть ближайшее будущее. 

1. Помощь в разработке и поиске лекарств 

Пока мы разрабатываем новые препараты от коронавируса, можно поискать, какие уже известные лекарства облегчают состояние больных. Тестировать все препараты во всевозможных дозировках и формах слишком долго. Необходимо сузить круг потенциальных лекарств-кандидатов. Для этого нужно отобрать те из них, которые могут хоть как-то помочь при COVID-19.

Компания Deargen из Южной Кореи разработала модель для поиска соединений, которые борются с вирусом. Она это делает с помощью искусственных нейронных сетей. Эта модель уже определила атазанавирПрепарат, который используют для лечения ВИЧ как препарат, который может нанести вред COVID-19. Позже FDAУправление по санитарному надзору за качеством пищевых продуктов и медикаментов США подтвердило, что атазанавир может использоваться в борьбе с COVID-19. В Великобритании другой алгоритм машинного обучения обнаружил, что лекарство от ревматоидного артрита может быть эффективно и при коронавирусе. Но для подтверждения этой теории нужны клинические испытания.

Чтобы разработать вакцину от вируса, необходимо понять его структуру. Сложные органические соединения сворачиваются в причудливые геометрические фигуры, которые влияют на их химические свойства. Чтобы ускорить исследования в этой области, DeepMind опубликовала результаты своей модели, которая прогнозирует структуру белка. 

Unsplash 

Обычно от получения результата до публикации в научном журнале проходят месяцы или годы. Даже если прогноз модели верен, нужно сначала провести серию лабораторных экспериментов, а по их результатам написать научную статью. Еще какое-то время ее будут рецензировать независимые эксперты. 

Когда вакцина нужна быстро, такие временные промежутки — неприемлемы. Поэтому инженеры DeepMind опубликовали предсказание своей модели, чтобы другие исследователи использовали эти гипотезы о структуре белка для разработки вакцин. Если модель верна, то эффективная вакцина появится быстрее. Если нет, то ученые, которые взяли их за отправную точку, покажут, что модель ошиблась.

2. Эффективность медицинских учреждений

Анализ развития процессов во времени — отдельный класс задач. Мы называем такие алгоритмы Process Intelligence (или интеллектуальным анализом процессов). 

Это помогает оценить количество свободных мест, понять, хватит ли лекарств и врачей на всех пациентов. Если ресурсов недостаточно, можно вовремя вызвать на помощь подкрепление или даже начать строить новый корпус. Данные для таких задач собирают из медицинских информационных систем. В России обработка медицинских данных — новое явление, но в США и Европе электронные медицинские карты существуют уже давно. Такие данные могут быть и у страховых компаний: они получают информацию о выписке пациентов.

Медицинские сотрудники, которые ухаживают за больными, рискуют заразиться вирусом. Чтобы снизить риски, но при этом продолжать наблюдение за пациентами, больницы внедряют системы видеонаблюдения. Например, клиника «Медси» внедрила систему видеонаблюдения с искусственным интеллектом. Она позволяет в реальном времени следить за состоянием пациента и отслеживать его физическую активность. Врачи могут проводить с пациентами телемедицинские консультации и общаться с ними по голосовой и видеосвязи.

3. Соблюдение социальной дистанции и анализ поведения людей

Социальная дистанция — это одна из мер профилактики распространения инфекции. Компания Landing AI предложила технологию распознавания людей в видеопотоке, чтобы отслеживать соблюдение дистанции. Камера калибрует вход и настраивается на перспективу, а нейронная сеть выделяет каждого человека прямоугольником. Если два таких прямоугольника оказываются слишком близко друг к другу, они подсвечиваются красным. Подобную систему уже использует Amazon, где сотрудников штрафуют за нарушение дистанции. 

Zapp2Photo/shutterstock

К примеру, когда-то Google c блеском реализовала инструмент Flu Trends для прогнозирования эпидемий гриппа на основе поисковых запросов. Сейчас ученые обсуждают использование данных из социальных сетей для того, чтобы отслеживать географию распространения коронавируса и медикаменты, которые используют люди (особенно те, кто занимается самолечением). Однако тот же Google был вынужден закрыть свой инструмент оценки эпидемий. Когда люди узнали о Flu Trends, он просто перестал работать, потому что вместо поиска тем, связанных с гриппом, пользователи стали заходить на сайт Flu Trends, и модель потеряла свою точность.

4. Другие сферы 

• Борьба со спекулянтами. «AliExpress Россия» будет удалять товары медицинского и противовирусного назначения, которые продаются по завышенной цене.
• Борьба с fake news. Как обеспечить людей достоверной информацией и снизить манипулятивность новостей — это большой и сложный вопрос. Мы обсуждали его в эпизоде моего подкаста про постправду. С одной стороны, рекомендательные алгоритмы показывают пользователю то, что он хочет видеть, а с другой — именно системы интеллектуальной обработки информации могут решить вопросы проверки первоисточников и качества данных.
• Беспилотные дезинфекторы. На улицы Москвы могут выпустить автоматизированные машины-дезинфекторы. Разработчик беспилотных автомобилей StarLine готов их переоборудовать для опрыскивания дорог. Технология не нова — ее уже использовали в китайской провинции Хубэй в самый разгар пандемии. Группа операторов отслеживает передвижение беспилотников по улицам, а при необходимости — вмешивается в управление.
• Приложения по доставке. Мы видим на примере Москвы, что спрос на онлайн-магазины «Перекрестка», Metro, «ВкусВилла» вырос в десятки раз. Несмотря на увеличение штата, службы не всегда справляются с заказами. Возможно, хорошая идея — алгоритм, который оптимизирует логистику курьеров, основываясь на потоке данных от крупных ритейлеров.
  
  

Unsplash

Что в итоге?

Все эти примеры иллюстрируют развитие автоматизации и искусственного интеллекта. Во-первых, мы будем больше использовать алгоритмы там, где нужно работать с большими объемами знаний. Систематизация этих данных, обработка и представление в том виде, который будет доступен для автоматического анализа, — большой и важный этап для любой области знания. 

Во-вторых, мы будем и дальше повышать эффективность процессов за счет машинного обучения и анализа данных. И рутина, и трудоемкая интеллектуальная работа будут автоматизироваться. В-третьих, мы будем использовать решения на основе машинного обучения в разных сферах, включая здоровье и спасение жизней. 

Какие методы можно использовать, а какие — нет, какие данные можно собирать, а какие должны остаться за пределами алгоритмов — это этические вопросы использования искусственного интеллекта, на которые разные страны отвечают по-разному. Чья модель окажется более жизнеспособной — покажет время.

Фото на обложке: Shutterstock/ adike