Хотя биология - одна из самых сложных систем, Дженсен объяснил, что впервые в истории она может быть спроектирована с помощью цифровых технологий. С помощью моделей ИИ ученые могут начать моделировать структуру биологических систем более глубоко, чем когда-либо прежде. Они могут узнать, как белки взаимодействуют друг с другом и с окружающей средой, а также использовать огромную вычислительную мощность, открытую передовыми вычислениями, для проведения компьютерных исследований и открытия лекарств. "Я очень горжусь тем, что Nvidia находится в центре всего этого. Благодаря нам стали возможны некоторые из этих прорывов", - сказал он. "Это будет очень важно".
Сегодня Дженсен видит параллели между цифровой биологией и почти каждой важной вехой в истории Nvidia. Когда он стал одним из основателей компании, автоматизированный дизайн полупроводников только начинал становиться возможным. "Это было сочетание алгоритмов, достаточно быстрых компьютеров и ноу-хау", - говорит он. 13 Когда эти три вещи достигли определенной стадии развития, полупроводниковая промышленность смогла создавать более крупные и сложные чипы, потому что инженеры теперь могли проектировать и моделировать чипы, используя абстракции более высокого уровня в программном обеспечении, без необходимости физически прокладывать каждый сигнальный транзистор. Такое же сочетание факторов позволило Nvidia изобрести GPU в начале 2000-х и захватить пространство ИИ в конце 2010-х - "топливно-воздушная смесь", о которой говорил Билл Дэлли.
Вице-президент Nvidia по здравоохранению Кимберли Пауэлл (Kimberly Powell) заявила, что компьютерная диагностика лекарств сделает для их разработки то же самое, что автоматизация проектирования и разработки электронных устройств сделала для разработки микросхем. Компании станут более последовательными и эффективными в поиске лекарств для лечения болезней и даже персонализации их для отдельных людей. По ее словам, это "выйдет за рамки открытия и перерастет в разработку, помогая создать условия для того, чтобы больше не быть индустрией "попал или не попал"". 14
Generate:Biomedicines - один из стартапов, использующих ИИ и графические процессоры Nvidia для разработки новых молекулярных структур и лекарств на основе белков, которые не образуются в результате естественных процессов. Биотехнологическая компания изучила миллионы белков с помощью алгоритмов машинного обучения, чтобы получить более глубокое представление о том, как функционирует природа, и затем использовать его для создания новых лекарств. Геворг Григорян, соучредитель и главный технолог компании, ранее был профессором Дартмутского колледжа, где изучал статистические закономерности белков и пытался улучшить дизайн и моделирование белков с помощью вычислительных мощностей.
"Используя очень простую статистику, я увидел, что закономерности в данных можно обобщить. Мы находили принципы, которые выходили за пределы набора данных", - говорит он. "Было совершенно ясно, что следующим шагом должно стать использование искусственного интеллекта, машинного обучения и масштабной генерации данных" 15. Григорян не мог сделать это в академических кругах, поскольку приобретение необходимых вычислительных мощностей было бы не по карману его институту. Он увидел коммерческий потенциал нового способа проектирования молекул, и вскоре родилась компания Generate:Biomedicines.
В начале 2000-х годов Григорян заметил, что многие ученые, занимавшиеся моделированием молекулярной динамики, покупали игровые графические процессоры Nvidia и заставляли их выполнять неграфические вычисления. Он оценил то, как компания заботилась об исследовательском сообществе и сотрудничала с ним, несмотря на то, что карты должны были использоваться для видеоигр. "Это было началом прекрасного брака между Nvidia и молекулярной наукой", - говорит он.
Когда он сам начал использовать машинное обучение, то, естественно, положился на PyTorch, бесплатную библиотеку машинного обучения с открытым исходным кодом, созданную Meta в 2016 году и теперь находящуюся в ведении Linux Foundation. "PyTorch - это то, что было очень хорошо развито, имело огромное сообщество и поддержку со стороны Nvidia", - говорит Григорян. "Мы даже не выбирали, с каким GPU нам работать. PyTorch хорошо работает с CUDA, а CUDA - это творение Nvidia. По умолчанию мы всегда использовали оборудование Nvidia, даже не задумываясь об этом".
Структурное предсказание и дизайн белков, которые раньше считались невозможными проблемами, теперь решаемы. Григорян объясняет, что сложность белка и его возможных состояний превосходит количество атомов во Вселенной. "С этими цифрами крайне сложно справиться любым вычислительным инструментам", - говорит он. Но он считает, что опытный биофизик белка может изучить конкретную молекулярную структуру и сделать вывод о ее потенциальных функциях, предполагая, что в природе могут существовать обучаемые общие принципы - именно те операции, которые должны быть под силу "универсальному предсказательному механизму", такому как ИИ.