Революция машинного обучения преобразует научные открытия в генетике и за ее пределами

Ученые все чаще используют машинное обучение для прогнозирования заболеваний, разработки лекарств и поиска скрытых закономерностей в больших наборах данных. Это сигнализирует о новой эре научных открытий. Распространение этих алгоритмов - это история конвергенции, преобразующая способы проведения научных исследований. На протяжении всей истории научные открытия основывались на человеческих усилиях. Данные были драгоценны, и ученые кропотливо разрабатывали алгоритмы. Однако объем данных резко возрос во всех областях, превысив возможности человека по их ручному анализу. Машинное обучение стало решением этой проблемы. Эти алгоритмы превратились в мощные научные инструменты. Это позволяет совершать прорывы в различных дисциплинах, включая генетику и смежные области. В биологии машинное обучение оказало значительное влияние на проблему сворачивания белков. AlphaFold2 от DeepMind предсказывает трехмерные формы с лабораторной точностью. Это ускоряет открытие лекарств и помогает исследователям понять, как мутации нарушают функцию. Машинное обучение сейчас является рутиной в различных областях. Оно извлекает из огромных наборов данных информацию, которую люди не могут извлечь без посторонней помощи. Однако оно предназначено не для замены ученых, а для расширения их возможностей. Хотя модели машинного обучения превосходно находят закономерности, они часто не могут объяснить, почему эти закономерности существуют. Воображение, интуиция и креативность для связывания различных идей остаются уникально человеческими сильными сторонами. По мере того как наука становится более алгоритмически доступной, основное внимание будет переключаться на то, что мы можем вообразить.