Зачем Казахстану ученые, способные работать на стыке науки, ИИ и автоматизации

Казахстан уже активно вкладывается в вычислительный фундамент ИИ. Однако нам важно также инвестировать в новое поколение исследователей, которые умеют работать на стыке науки, ИИ и автоматизации. Именно эти люди будут создавать данные, развивать новые технологии и участвовать в научных прорывах, а не просто пользоваться готовыми технологиями.

Нам нужны (механические) руки

Задумывались, почему языковые модели так уверенно пишут тексты? Человечество за свою историю накопило колоссальный объем текста, и модели учатся на нем. Данные были готовы задолго до появления самих моделей. В естественных науках все иначе: экспериментальные данные не лежат готовыми. Каждую новую строку в базе сначала нужно добыть опытным путем.

Огромный пласт современной науки — чисто расчетный: смоделировать молекулу, прежде чем синтезировать ее в колбе, или предсказать свойства еще не полученного материала. Здесь Казахстан уже создал серьезную инфраструктуру. Но расчет — только половина науки. Вторая половина — проверка расчета в деле. И вот здесь возникает узкое место.

Лучшая иллюстрация — Нобелевская премия по химии 2024 года за прорыв в сфере структурной биологии. Одну половину дали за компьютерный дизайн белков, вторую вручили за предсказание их трехмерной структуры. Об этой премии часто говорят как о победе ИИ. Но есть важная часть истории, о которой вспоминают реже. Программа AlphaFold смогла научиться только потому, что уже полвека существовал Protein Data Bank. Это открытая база, куда лаборатории со всего мира складывали экспериментально определенные структуры белков. К моменту обучения там накопилось около 150 тысяч структур, каждая определена экспериментально. Искусственный интеллект оказался последним шагом. Первыми были полвека лабораторной работы и решение сделать эти результаты открытыми.

Робот записывает все подряд, а человек публикует только то, что получилось

Химические науки также идут в этом направлении. Например, за четыре года докторантуры в King Abdullah University of Science and Technology (KAUST), мой лабораторный журнал набрал 2000+ экспериментов — нормальный человеческий темп: весы, шприц, колба, ожидание, анализ. Потом я поехал на стажировку в Мичиганский университет, где робот ставил порядка полутора тысяч экспериментов за один прогон: пластина размером с ладонь, тысяча с лишним крошечных ячеек, в каждой своя комбинация веществ. Робот сам распределяет реагенты, дальше прибор измеряет результаты, и все полученные данные сразу записываются в базу. Получается, почти три четверти всего объема полученных данных за годы моей докторантуры можно сгенерировать за один такой прогон. Нам, ученым, остается то, что умеем только мы: поставить гипотезу и понять, что означает ответ. Это дает исследователям возможность проверять много гипотез вместо одной за короткое время.

До этого неудачные эксперименты оставались в лабораторном журнале и часто умирали вместе с ней. А для моделей неудачи нужны не меньше успехов: именно по ним видно, где проходит граница возможного. По своему опыту знаю, что в крупных фармкомпаниях (big pharma) автоматизация уже давно не воспринимается как эксперимент. Там строятся платформы и годами копятся собственные массивы данных. Чистые и воспроизводимые данные нельзя купить задним числом. Их можно только накопить экспериментально. В синтетической химии, например, сейчас также есть крупные репозитории, которые принимают данные реакций от исследователей со всего мира и предоставляет к ним свободный доступ. В них уже сотни тысяч данных, часть из них извлечена из патентов; но результаты, которые лаборатории выкладывают напрямую, сейчас набирают большие обороты.

Скептики возразят: такие платформы требуют серьезных вложений. Но представление о том, что автоматизация — удовольствие для богатых, устаревает. У некоторых научных групп уже есть рабочие установки для химического синтеза примерно за $50 тысяч. А упрощенную версию с деталями, напечатанными на 3D-принтере, можно собрать примерно за $5 тысяч. Важно сказать и обратное: аналитический прибор, который измеряет результаты экспериментов, может стоить дороже механической части установки (робота). Экономия возникает не столько на покупке оборудования, сколько на количестве эксперимента и данных, которые оно позволяет получить.

Государства это уже заметили и инвестируют соответственно. Университет Торонто получил 200 млн канадских долларов на программу самоуправляемых лабораторий (self-driving labs), а Великобритания в конце 2025 года приняла стратегию «AI for Science». Национальный научный фонд (NSF) США инвестирует $400 млн на создание национальной сети автономных лабораторий в связке с ИИ. Это флагманы национального масштаба. Я думаю, Казахстан может последовать этому примеру. Так, отечественные исследовательские группы могут начать вносить свой вклад в развитие ИИ в науке уже сегодня.

Сначала — люди и компетенция, потом — лаборатории

У нас уже есть работающий пример: Alem AI Talent Lab и «Болашак» финансируют обучение, дают доступ к вычислительным мощностям и международным стажировкам. В целом Казахстан движется в правильном направлении, инвестируя в молодых ученых и создавая для них возможности по всей стране. Я пример того, как такие инвестиции могут работать. После PhD за рубежом я вернулся в Казахстан и продолжаю заниматься исследованиями здесь. Важно не просто сохранить эту динамику, а наращивать ее темп и масштаб, добавляя в программы поддержки больше проектов на стыке науки, ИИ и автоматизации. По мере того как будет расти число ученых, получивших опыт работы в ведущих университетах и исследовательских центрах мира, будет расти и число специалистов, возвращающихся в Казахстан. Они будут привозить с собой не только знания и компетенции, но и передовые технологии. Вернувшись, эти специалисты смогут создавать новые исследовательские группы, передавать свой опыт другим и формировать инфраструктуру под исследования, которых раньше в стране просто не было.

Мировая гонка здесь только начинается, и окно возможностей еще открыто. ИИ в казахстанской науке требует соответствующей экспертизы, создание национальной лабораторной инфраструктуры и культуры открытых данных. Я верю, что новый подход «ИИ + роботизация» позволит ученым расширить границы возможного в стенах лаборатории.

* Материал отражает личное мнение автора и не является официальной позицией National Laboratory Astana / Nazarbayev University.