В интервью для подкаста The Cognitive Revolution ведущие специалисты исследовательской лаборатории Google DeepMind Вивек и Анил подробно рассказали о новейших разработках в области искусственного интеллекта — системах AMIE и Co-scientist. Эти мультиагентные ИИ-платформы демонстрируют способность превосходить квалифицированных специалистов в сложнейших интеллектуальных дисциплинах: от постановки медицинских диагнозов до автономного выдвижения научных гипотез. По мнению участников дискуссии, полученные результаты наглядно доказывают, что технологии искусственного интеллекта переходят от роли рутинных инструментов к статусу полноценных партнеров в научной и клинической практике.
🏥 Прорыв в цифровой медицине: Эволюция ИИ-диагноста AMIE 0:00
Система AMIE (Articulate Medical Intelligence Explorer) представляет собой амбициозный проект Google по созданию экспертного медицинского интеллекта. Еще год назад исследователи под руководством Вивека показали, что AMIE способна превосходить врачей общей практики в точности первичной диагностики. В новых научных работах команда расширила возможности системы: теперь ИИ обходит практикующих терапевтов не только в диагностировании, но и в комплексном анализе клинического случая, а также в подборе точных схем лечения.
Важным архитектурным изменением стал отказ от традиционного тонкого тюнинга (fine-tuning) моделей. Вместо этого инженеры Google применили подход с использованием специализированных текстовых промптов для базовых коммерческих моделей и выстраивания их в агентские цепочки. Как отмечает Анил, это дает невероятную гибкость и управляемость системой.
Для повышения надежности терапевтических рекомендаций AMIE использует несколько ключевых механизмов:
- Интеграция стандартов: Ответы ИИ жестко заземляются на официальные руководства по клинической практике и официальные инструкции к лекарственным препаратам.
- Многоэтапное планирование: Вместо генерации одной схемы лечения система создает четыре альтернативных плана параллельно, а затем комбинирует лучшие элементы каждого из них, отсекая ошибочные варианты.
- Структурированное рассуждение: В отличие от стандартного метода «цепочки мыслей» (chain of thought), AMIE следует строгому пути — от детального анализа симптомов к глобальным целям лечения, и лишь затем формирует финальный план.
На текущем этапе верификации исследователи признают важные ограничения: все тесты проводились в формате текстового чата в рамках симулированных консультаций с привлечением профессиональных актеров, а не реальных пациентов. Тем не менее, разработчики выражают высокую уверенность в том, что результаты успешно перенесутся в реальную клиническую среду.
🫀 Специализированная медицина и преодоление когнитивных барьеров 14:03
Исследования медицинского ИИ от Google DeepMind вышли за рамки общей терапии в узкоспециализированные и критически важные области — кардиологию и онкологию. Результаты экспериментов показывают, что AMIE превосходит по своим навыкам аспирантов медицинских вузов (fellows) и вплотную приближается к уровню опытных лечащих врачей высшей категории (attending physicians).
Уникальной особенностью ИИ-системы оказалась специфика ее мышления. По словам Анила, характер ошибок, которые допускает ИИ, принципиально отличается от паттернов человеческих ошибок, что делает взаимодействие врача и алгоритма комплементарным. Эксперимент показал феноменальные результаты:
- Прямое сравнение AMIE и профессионального кардиолога в некоторых областях оставляло пространство для дискуссий.
- Однако когда кардиолог общего профиля получал доступ к аналитическим выкладкам AMIE, качество его работы демонстрировало колоссальный рост практически по всем метрикам. Это была безоговорочная победа синергетического подхода.
Вивек подчеркивает, что внедрение подобных систем способно радикально решить проблему доступности качественной медицины. Например, в современной системе здравоохранения США время ожидания очной консультации у профильного невролога может составлять от 12 до 18 месяцев. ИИ-агенты могут убрать барьеры специализации. Исторически медицина разделилась на изолированные сегменты (кардиология, неврология и т.д.) исключительно из-за когнитивных ограничений человеческого мозга, неспособного вместить весь объем медицинских знаний. ИИ лишен этих лимитов и может синтезировать экспертизу из абсолютно разных дисциплин одновременно.
🧪 Co-scientist: Эра автономных научных открытий 21:41
Второй крупный прорыв Google DeepMind связан с платформой Co-scientist — мультиагентной системой, способной автономно проводить научные исследования в цифровой среде. Систему протестировали в полностью автономном режиме на трех биологических задачах возрастающей сложности:
- Поиск новых применений лекарств (drug repurposing): Хорошо структурированная комбинаторная задача вычислительного анализа.
- Идентификация терапевтических мишеней в клетках: Открытая задача, требующая выстраивания сложных причинно-следственных связей на клеточном уровне.
- Механизмы бактериальной резистентности: Экстремально сложная и открытая проблема анализа огромных массивов литературы.
Co-scientist блестяще справился со всеми тремя вызовами. Самым поразительным моментом стало исследование резистентности бактерий к антибиотикам. ИИ выдвинул в качестве гипотезы №1 механизм, который ученые из Имперского колледжа Лондона Хосе и Тиаго незадолго до этого обнаружили экспериментальным путем в лаборатории, но еще не успели опубликовать в научных журналах.
Вивек со смехом вспоминает, как получил экстренное письмо от ошеломленного профессора Хосе во время празднования Дня благодарения: ученый всерьез спрашивал, не читает ли Google его личную электронную почту. Разработчикам пришлось вежливо заверить коллегу, что шпионаж за имейлами не входит в круг их практик, а результат является чистым продуктом ИИ-анализа. Более того, Co-scientist предложил еще четыре альтернативные гипотезы, которые сейчас активно проверяются аспирантами лондонской лаборатории на практике.
Этот триумф не был случайностью. Ранее, используя ранние версии медицинских моделей Med-PaLM и Med-Gemini, команда сотрудничала с доктором Гэри Пелом из Стэнфордского университета. Тогда ИИ-модель предложила совершенно новую биогенную гипотезу потери слуха у мышей, о которой ученый никогда не задумывался. На основе подсказки ИИ лаборатория провела CRISPR-эксперименты и успешно обратила вспять развитие генетического заболевания у подопытных животных.
⚙️ Анатомия ИИ-гения: Длинный контекст и турниры гипотез 39:48
Успех систем Co-scientist и AMIE во многом предопределен революционными возможностями базовых моделей семейства Gemini, в частности, их гигантским окном контекста, достигающим 2 миллионов токенов. Как объясняет Вивек, система не использует внешние базы долговременной памяти. Вместо этого весь массив сгенерированных идей, их критических обзоров и многораундовых дебатов между агентами загружается напрямую в контекстное окно ИИ. Модель способна неявно улавливать взаимосвязи на гигантских объемах текста и самосовершенствоваться от раунда к раунду.
Второй фундаментальный компонент архитектуры — турнирная система оценки гипотез. Вместо того чтобы заставлять одну модель бесконечно улучшать одну и ту же идею, Co-scientist генерирует пул разнообразных гипотез, задействуя даже контролируемые галлюцинации для креативности. Затем ИИ проводит попарные «матчи» между ними по олимпийской системе, выявляя самые устойчивые концепты.
Для предотвращения «вырождения» мышления (mode collapse), когда модель зацикливается на банальных решениях, разработчики применили ключевое правило — постоянное внедрение внешней энтропии. Агенты имеют контролируемый доступ к поиску в вебе, базам данных и специализированным инструментам вроде AlphaFold. Это позволяет обогащать внутренние рассуждения фактами, которых не было в обучающей выборке ИИ.
🚀 Из дата-центров в реальный мир: Клинические испытания 1:21:06
По прогнозам Вивека и Анила, в ближайшие два года развитие подобных технологий превращается преимущественно в инженерную задачу, так как все фундаментальные научные блоки для создания «цифровых гениев» уже созданы. Главным фронтом работы становится безопасное и ответственное развертывание систем в обществе.
Google уже инициировал масштабные практические шаги по внедрению своих агентов:
- В науке: Запущена программа тестирования Co-scientist (Trusted Tester Program), в которой принимают участие около 100 ведущих ученых со всего мира. Ожидается, что к концу года доступ к системе получат миллионы исследователей.
- В медицине: Совместно с медицинским центром Beth Israel Deaconess (клиническая база Гарвардской медицинской школы в Бостоне) запускается поднадзорное исследование. Это будет одно из первых в истории испытаний, где LLM-система будет напрямую общаться с реальными пациентами.
Разработчики подчеркивают, что клиническое испытание организовано с соблюдением жесточайших мер безопасности: ИИ будет работать исключительно под надзором консилиума практикующих врачей, готовых перехватить управление в любой момент. Постепенно, по мере подтверждения надежности AMIE, уровень человеческого контроля будет снижаться, приближая человечество к эпохе персонального superhuman-доктора в каждом кармане.
