Дафна Коллер: Биомедицина, машинное обучение и поиск «следа во Вселенной» 0:00
Дафна Коллер — выдающийся ученый в области компьютерных наук, сооснователь Coursera и основатель компании Insitro. В беседе с Лексом Фридманом она обсуждает переход от обучения ИИ к решению фундаментальных задач биомедицины, потенциал «болезней в чашке Петри» и влияние машинного обучения на темпы разработки лекарств.
🧬 Революция в биологии: от «20 новостных групп» к спасению жизней 13:37
Долгое время машинное обучение развивалось на наборах данных, далеких от реальных задач, таких как классификация текста из «20 новостных групп». По словам Дафны Коллер, её интерес к биомедицине был продиктован желанием заниматься чем-то социально значимым. Личным катализатором стала смерть её отца 12 лет назад: тогда врачи могли предложить только преднизолон, эффективность и побочные эффекты которого современная медицина считает сомнительными.
Сегодня, по мнению гостя, мы находимся в «золотом веке» фармацевтики, где главное препятствие — не отсутствие средств доставки лекарств, а ограниченное понимание биологических механизмов. Коллер утверждает, что именно здесь машинное обучение способно изменить правила игры, выступая инструментом для поиска целей внутри биологических систем.
🧫 «Болезнь в чашке Петри»: замена мышам 16:36
Традиционные методы тестирования лекарств на животных часто оказываются неэффективными, так как мыши не болеют многими человеческими заболеваниями (болезнь Альцгеймера, шизофрения, диабет 2 типа) или же механизмы развития болезни у них иные. На смену им приходят модели «disease in a dish» (болезнь в чашке):
- Технология: Клетки кожи берутся у пациента, реверсируются в состояние стволовых клеток (используя факторы Яманаки), а затем дифференцируются в нужные типы клеток (нейроны, кардиомиоциты), сохраняя генетический профиль донора.
- Масштабируемость: Хотя генерация таких клеток всё ещё требует специфических навыков, этот процесс стал почти индустриализован силами контрактных исследовательских организаций.
- Цифровизация «мягкого»: Современные методы, такие как секвенирование РНК единичных клеток и суперразрешающая микроскопия, позволяют преобразовывать биологические образцы в огромные наборы данных, пригодные для анализа нейросетями.
По словам Дафны Коллер, цель не в том, чтобы сделать сбор данных самоцелью, а в создании моделей, которые позволят увидеть паттерны заболеваний и найти вмешательства (лекарства или CRISPR-терапию), возвращающие клетку в здоровое состояние.
🎓 Образование и будущее Coursera 36:50
Запуск Coursera в 2011 году стал ответом на глобальный запрос на непрерывное образование в мире, где навыки устаревают быстрее, чем длится университетское обучение. Основные выводы, сделанные Коллер в ходе этого эксперимента:
- Краткость и гибкость: 15-недельные курсы сложны для работающих взрослых; разбивка на короткие модули по 5–7 минут эффективнее.
- Обратная связь: Использование микроквизов внутри видео лекций критически важно для удержания внимания и обучения.
- Социальный аспект: Несмотря на онлайн-формат, успех обучения часто зависит от самоорганизации студентов в учебные группы.
Коллер полагает, что MOOC (массовые открытые онлайн-курсы) вряд ли полностью заменят очное обучение, но станут основным способом поддержания экспертности в быстро меняющейся профессиональной среде.
🤖 ИИ: от интерпретируемости до безопасности 55:15
Обсуждая развитие глубокого обучения, Коллер выделяет два наиболее «красивых» концепта: сквозное обучение (end-to-end) и перенос обучения (transfer learning), позволяющий использовать опыт решения одной задачи для ускорения другой.
Однако она подчеркивает серьезную проблему: отсутствие калибровки неопределенности в нейросетях. В медицине или при управлении беспилотным автомобилем крайне важно, чтобы ИИ мог сказать: «Я не знаю, так как никогда не видел подобных данных», вместо того чтобы давать неверный, но уверенный прогноз.
- Риски: По мнению Коллер, человечество должно больше опасаться не мифического захвата власти сверхразумом, а непредвиденных «эффектов домино» в сложных системах (электросети, финансовые рынки), где ошибки в малых звеньях ведут к катастрофам.
- Ответственность: Ученый считает необходимым развитие стандартов интерпретируемости систем и тестирования их устойчивости в условиях, отличных от тренировочных.
🌍 Философия «следа во Вселенной»
Завершая разговор, Дафна Коллер делится своим кредо: целью жизни должно быть стремление оставить мир лучше, чем он был до твоего прихода. Этот «след во Вселенной» — главная мотивация для тех, кто родился с доступом к образованию и ресурсам, — использовать этот шанс для того, чтобы приносить пользу человечеству.
