Открывая невозможное: стратегическая ставка Google.org в $20 млн на ИИ (AI) для науки

В решающем шаге по преодолению растущего разрыва между сложными глобальными проблемами и темпами научных инноваций Google.org объявила о создании фонда в $20 миллионов «AI for Science». Инициатива, представленная сегодня, выделяет значительные гранты 12 различным академическим, некоммерческим и стартап-организациям. Эти структуры не просто используют искусственный интеллект; они интегрируют его в основу своих исследовательских методологий, чтобы решать экзистенциальные угрозы в здравоохранении, сельском хозяйстве и биоразнообразии.

Это финансовое вливание представляет собой не просто филантропию; оно сигнализирует о структурном сдвиге в том, как финансируются и выполняются научные открытия. Нацеливаясь на области с высокой трением — такие как картирование генома, лекарственная устойчивость и энергия синтеза — Google.org стремится сократить сроки, которые традиционно измеряются десятилетиями, до всего лишь нескольких лет.

Мэгги Джонсон, вице‑президент и глобальный руководитель Google.org, подчеркнула неотложность этой инициативы. «Наука — краеугольный камень прогресса человечества. И все же, в то время как мировые проблемы становятся все сложнее, темп новых открытий фактически замедляется», — заявила Джонсон. «Мы предоставляем исследователям необходимые ресурсы, чтобы использовать ИИ и открывать невозможное».

Ускорение открытий на стыке ИИ и биологии

Наиболее непосредственное влияние этого финансирования, скорее всего, будет ощущаться в области наук о жизни, где объем данных исторически опережал аналитические возможности человека. Пять из двенадцати получателей направляют свои усилия на расшифровку биологической сложности, чтобы сместить медицину от реактивного лечения к предиктивной точности.

Расшифровка генома человека и борьба с заболеваниями

Среди получателей — UW Medicine, которая внедряет свою собственную технологию Fiber-seq. Хотя Проект «Геном человека» был объявлен завершенным много лет назад, примерно 99% человеческого генома остаются «тёмной» тайной, функционально не картированной. UW Medicine использует финансирование для создания карт длинных прочтений этих неизвестных областей, с целью выявить неуловимые генетические корни редких заболеваний, которые озадачивали клиницистов многие поколения.

Одновременно Technical University of Munich пытается решить проблему масштабирования. Современные медицинские модели часто испытывают трудности при соединении микроскопического клеточного поведения с функцией целого органа. Их команда создаёт многомасштабную базовую модель, связывающую эти разрозненные уровни биологии, что потенциально позволит врачам моделировать прогрессирование болезни и тестировать лечения в полностью цифровой среде до того, как пациент получит вмешательство.

В области инфекционных заболеваний скорость является критическим фактором. Spore.Bio, французский стартап, революционизирует микробиологию с помощью сканера на базе ИИ, предназначенного для обнаружения смертельно опасных бактерий, устойчивых к лекарствам. Текущий стандарт обнаружения может занимать дни — задержка, которая часто смертельна. Технология Spore.Bio стремится сократить это окно до менее чем часа. Аналогично, Infectious Disease Institute at Makerere University использует передовые инструменты, такие как фреймворк «EVE» и AlphaFold, чтобы прогнозировать эволюцию паразитов, вызывающих малярию, давая исследователям фору в выявлении лекарственной устойчивости.

Перестройка глобальных продовольственных систем для устойчивости

По мере того как изменение климата меняет погодные условия, а мировое население продолжает расти, давление на сельскохозяйственные системы достигает переломной точки. Google.org выбрал три организации, которые применяют ИИ для обеспечения продовольственной безопасности через устойчивость и питательную плотность.

The Sainsbury Laboratory возглавляет проект под названием «Bifrost», использующий AlphaFold3 — революционную модель предсказания структуры белков от Google DeepMind — чтобы предсказывать, как иммунные рецепторы растений взаимодействуют с патогенами. Эта предиктивная способность основана исключительно на последовательностях геномов, что может экспоненциально ускорить селекцию устойчивых к болезням культур, обходя годы полевых испытаний методом проб и ошибок.

Дополняет это Periodic Table of Food Initiative (PTFI), которая создает платформу на базе ИИ для картирования «тёмной материи» пищи. Это тысячи неизвестных биомолекул, определяющих пищевую ценность и вкус, которые до сих пор не были каталогизированы наукой о питании.

В Innovative Genomics Institute at UC Berkeley внимание сосредоточено на экологическом следе сельского хозяйства. Исследователи расшифровывают микробиомы коров, чтобы выявить конкретные микробные взаимодействия. С помощью ИИ они надеются редактировать эти взаимодействия, чтобы существенно снизить выбросы метана от животных, который является значительным вкладом в парниковые газы.

Планетная оборона: биоразнообразие и чистая энергия

Последняя группа получателей призвана защищать природные системы планеты и продвигать переход к чистой энергии. Эти проекты в значительной степени полагаются на способность ИИ синтезировать массивные, разрозненные наборы данных в практические глобальные карты и модели.

UNEP-WCMC занимается критическим пробелом в знаниях, известным как «пустыни данных». Используя Большие языковые модели (Large Language Models, LLMs) они сканируют и синтезируют миллионы научных записей, создавая окончательную карту распространения всех 350 000 известных видов растений. Эти данные жизненно важны для руководства глобальными решениями по сохранению, но ранее были слишком разрозненными, чтобы быть полезными.

В энергетическом секторе Swiss Plasma Center at EPFL занимается стандартизацией глобальных данных по термоядерной энергии. Термоядерный синтез обещает безграничную углеродно‑нейтральную энергию, но прогресс тормозится фрагментацией данных. Этот проект позволит моделям ИИ учиться на коллективных глобальных экспериментах, ускоряя путь к жизнеспособному источнику термоядерной энергии.

Тем временем University of Liverpool переосмысливает саму лабораторию. Их проект «Hive Mind» соединяет автономных роботов с человеческими учеными и агентами ИИ. Эта совместная петля предназначена для быстрой разработки новых материалов, способных улавливать углерод в глобальном масштабе — необходимой технологии для смягчения последствий изменения климата.

Полный список получателей и фокус проектов

Мандат открытой науки

Определяющей особенностью этого раунда финансирования является требование Google.org в пользу "Открытой науки". В отрасли, где проприетарные данные часто бережно охраняются, Google требует, чтобы плоды этого финансирования были доступны.

Ожидается, что получатели будут публиковать свои наборы данных и решения как ресурсы с открытым исходным кодом. Стратегическая логика здесь — эффект мультипликатора: в то время как финансируемые проекты дадут конкретные результаты, инструменты и данные, которые они создают, могут способствовать прорывам в несвязанных областях. Например, модель, разработанная для картирования распространения растений, теоретически может быть адаптирована для отслеживания инвазивных видов насекомых, при условии доступности исходного кода и методологии.

Новая эра научной скорости

Развертывание этого фонда в $20 миллионов подчеркивает ключевой переход в научном методе. Мы отходим от эпохи чистых гипотез и ручных наблюдений и входим в эру высокоразмерного моделирования данных.

Финансируя организации, которые находятся на переднем крае этого перехода, Google.org фактически делает ставку на идею, что ИИ — не просто инструмент для повышения эффективности, а предпосылка для решения сложности современных глобальных проблем. Будь то идентификация нового материала для улавливания углерода или прогноз следующей мутации паразита малярии, организации, поддержанные этим фондом, доказывают, что будущее науки — вычислительное, совместное и ускоренное.