Учёные, занимающиеся естественными науками, веками старались максимально точно выразить закономерности, которые видят в природе, и гордились объективностью своего описания мира. Теперь пришло время поплатиться за гордыню: они своими руками создали «искусственных исследователей» — роботов, которые без участия человека получают важные научные результаты, вполне годные к опубликованию в серьёзных журналах. И делают эту работу гораздо точнее и надёжнее любого аспиранта или новоиспечённого кандидата наук.
Может быть, скоро «виртуальные» научные сотрудники смогут вполне реально ухудшить и без того не слишком радостную картину на рынке занятости в академической среде. А если серьёзно, то две статьи, опубликованные в последнем номере Science, заставляют очень глубоко задуматься о самом содержании естественнонаучной работы, её технологии и в конечном итоге смысле научных исследований.
Робоаспирант Адам и его подруга Ева
Первая работа, опубликованная учёными под руководством Росса Кинга из уэльского Университета Аберистуита, описывает «Адама». Так создатели назвали робота для лабораторных биологических исследований, способного самостоятельно формулировать научные гипотезы, планировать схему эксперимента, который может эту гипотезу проверить, и анализировать результаты опыта, чтобы затем на основе этого анализа двинуться дальше по тому же кругу. Понаблюдать за работой робота можно в длинном видеоролике, иллюстрирующем эту заметку.
Таким образом, к примеру, «Адам» выяснил, какие последовательности ДНК кодируют 12 ферментов пивных дрожжей, гены которых были до сих пор неизвестны.
И попутно выяснил, какую работу выполняет один из этих ферментов. Всё, что потребовалось, — закодированные языком Prolog сведения об обмене веществ в клетках, обновляемые с учётом открытий самого робота, и специальные программы для четырёх персональных компьютеров, управляющих деятельностью всего автономного комплекса.
Будь «Адам» аспирантом, эту работу вполне можно было бы напечатать в журнале и включить в список публикаций к диссертации. А уж аккуратности заполнения лабораторных журналов может позавидовать любой учёный: в них отражены мельчайшие детали исследования, все возникшие гипотезы и результаты их проверок; правда, занимает этот лабжурнал 366 мегабайт, так что вряд ли кто надумает его читать. В пару «Адаму» учёные уже разработали и изготовили «Еву», занимающуюся испытаниями потенциальных лекарств на клеточных культурах; она будет описана в последующих публикациях. Два робота даже смогут общаться, если это станет необходимым. Пока, впрочем, у них нет общих интересов — всё работа да работа.
Робот-теоретик
Но все эти достижения меркнут перед способностями компьютерной программы, описанной во второй публикации в том же номере Science.
Доцент американского Корнельского университета Ход Липсон и его аспирант Майкл Шмидт создали алгоритм, способный замечать настоящие законы природы в голых экспериментальных данных.
Программа не имеет никаких представлений о геометрии или теоретической механике, но умудряется находить аналитические выражения (грубо говоря, формулы), для формулирования которых человечеству понадобились гении Евклида, Ньютона, Лагранжа и Гамильтона.
Липсон и Шмидт поставили задачу найти по ряду экспериментальных данных, предоставленных программе, нетривиальные выражения, описывающие поведение измеренной системы. При том речь идёт об аналитических выражениях, связывающих различные переменные. И программа, которую авторы почему-то никак не назвали, может даже использовать закономерности, всплывшие при изучении простых систем, в исследовании систем куда более сложных.
В качестве экспериментальных систем корнельские специалисты взяли маятники и осцилляторы из университетского студенческого практикума, а в качестве входных данных — их координаты, скорости и иногда ускорения. И программа довольно быстро находила и выражения, описывающие траекторию, и второй закон Ньютона (если ей давали ускорения), и закон сохранения энергии. А также несколько других формул, оказавшихся при детальном рассмотрении приближениями к этим законам.
Более того, программа нашла даже так называемую функцию Лагранжа, лагранжиан, до боли знакомый всякому, кто учил в институте теоретическую механику. В отличие от энергии эта величина при движении не сохраняется, однако из неё можно вывести всю динамику системы. Программа Липсона и Шмидта легко увидела её в данных — для обычного маятника и осциллятора на пружинах на всё это потребовалось несколько минут на 32-ядерном процессоре. Пусть те, кто изучал термех не вчера, попробуют записать лагранжиан для груза на двух пружинах и заметят, сколько времени им на это потребовалось. А ведь человек-то явно «умнее» 32-ядерного процессора.
Порядок из хаоса
Но настоящей проверкой стал так называемый двойной маятник — это подвес, к нижней точке которого прицеплен ещё один подвес. Если достаточно сильно качнуть эту конструкцию, её поведение становится хаотическим, и невооружённым взглядом в нём почти невозможно угадать какие-то закономерности (см. видеоролик). А программа Липсона и Шмидта, попыхтев от 30 до 40 часов, выдала список описывающих эту систему выражений. В нём оказались и законы сохранения энергии и момента импульса, и пресловутый лагранжиан.
Более того, когда программе разрешили доступ к соотношениям, описывающим простой, одиночный маятник, время вычислений сократилось почти на порядок.
Алгоритм приспособил выражения для простой системы, соорудив из них совсем не тривиальные соотношения, описывающие поведение системы сложной.
Иными словами, она может идентифицировать и важные механические величины, которых в исходных данных нет. Как пишут учёные, эти величины несложно сделать «алфавитом» её физического языка, который может развиваться при решении одной проблемы за другой. Правда, она не умеет придумывать им красивые названия вроде «энергии» или «момента импульса». Но неужели наше отличие от компьютерного алгоритма укладывает в рамки примитивного номинализма?
По словам самих учёных — конечно, нет.
Липсон и Шмидт сравнивают свою программу с оракулом.
Ему можно задать любой вопрос, и он обязательно даст ответ — полезный или не очень. Но, даже если ответ окажется полезным, потом придётся ещё долго думать, что он означает.
И здесь машина пока не может заменить человека. Ей не ведом физический смысл всплывших в ходе её работы математические соотношений, как неизвестно ей, что такое «физический смысл» вообще. Отсюда, впрочем, недалеко и до вопроса, известно ли это понятие большинству выпускников физических факультетов. А при желании и до общих вопросов о природе научных поисков, которые явно не укладываются в рамки газетной заметки.
Ответ на частный вопрос о выпускниках должен проясниться по ситуации на рынке труда физиков в ближайшие 10–20 лет. А возможно, не только физиков. Как рассказали учёные в ходе телефонной пресс-конференции, они выбрали механику для проверки своего алгоритма как раз по той причине, что там всё более или менее понятно.
Реально же полезной программа должна стать в тех науках, где есть очень много данных, но недостаточно понимания, что они означают.
В числе таких отраслей знания Липсон и Шмидт назвали астрономию, биологию и социальные науки.
По признанию Липсона и Шмидта, они уже попробовали применить свой алгоритм к биологическим данным, описывающим обмен различных веществ в клетке. И выявились не только хорошо знакомые биологам химические реакции, но и какие-то странные соотношения. По словам учёных, новые закономерности уверенно предсказывают обмен веществ во всё новых и новых экспериментах, устроенных для их проверки, однако их не могут объяснить специалисты по клеточному метаболизму, с которыми удалось пообщаться. Впрочем, сообщить подробности этих исследований корнельские специалисты отказались, сославшись на подготовку новой работы на этот счёт.