Для человека с молотком любая проблема выглядит как гвоздь - и, как и ожидалось, технический сектор усердно работает, забивая каждый гвоздь, который может найти. Но аналитическое мастерство современной экосистемы данных особенно ограничено при попытке решить проблему потенциальных методов лечения коронавируса.
Вполне ожидаемо - и, конечно, похвально, - что компании с огромными вычислительными ресурсами попытаются каким-то образом выделить эти ресурсы на глобальные усилия по борьбе с вирусом.
В некотором смысле эти усилия чрезвычайно ценны. Например, можно применить контекстно-зависимый анализ текста Semantic Scholar к тысячам статей об известных коронавирусах, чтобы сделать их доступными для поиска исследователями по всему миру. А инструменты цифрового сотрудничества, доступные по всему миру для исследовательских центров и органов здравоохранения, намного превосходят то, что было во время последнего кризиса в области здравоохранения (или, скорее, приближающегося) такого масштаба.
Но другие усилия могут дать ложное ощущение прогресса. Одной из областей, где ИИ и технологии добились больших успехов, является открытие лекарств. Было основано множество компаний, которые привлекли сотни миллионов долларов финансирования, обещая использовать ИИ для ускорения процесса выявления новых веществ, которые могут оказывать влияние на данное состояние.
Коронавирус является естественной мишенью для такой работы, и некоторые компании и исследовательские организации уже рекламируют первые цифры: выявлено 10 или 100 таких веществ, которые могут быть эффективными против коронавируса. Такие объявления собирают вокруг себя заголовки - «ИИ нашел 10 возможных лекарств от коронавируса» и тому подобное.
Дело не в том, что эти приложения ИИ плохие, а в том, что они принадлежат к набору с несколькими действенными результатами. Если ваш анализ больших данных о трафике поддерживает или подрывает предложенную политику ограничения вариантов транспортировки таким-то образом, это одно. Если ваш анализ выдает десятки возможных вариантов действий, любой из которых может оказаться тупиковым или даже нанести ущерб текущим усилиям, это совсем другое дело.
Потому что эти компании являются технологическими компаниями и по необходимости расстаются со своими решениями, как только они предлагаются. Любое указанное лечение требует изнурительной батареи реальных тестов, даже для того, чтобы исключить его как возможность, не говоря уже о том, чтобы признать его эффективным. Даже лекарства, уже одобренные для других целей, должны быть повторно протестированы для этого нового применения, прежде чем их можно будет ответственно использовать в больших масштабах.
Кроме того, новые вещества, которые часто являются результатом этого типа процесса открытия лекарств, не гарантированно имеют реальный путь к производству даже в масштабе тысяч доз, не говоря уже о миллиардах. Это совсем другая проблема! (Хотя надо сказать, над этим работают и другие компании, занимающиеся ИИ.)
Как механизм лидогенерации, эти подходы бесценны, но проблема не в том, что у нас нет лидов - это все, что весь мир может сделать прямо сейчас, чтобы следить за лидами, с которых он начал. Опять же, это не означает, что никто не должен заниматься идентификацией кандидатов на наркотики, но что их следует рассматривать как таковые: список задач с неопределенными результатами, которые должны выполнять другие люди.
Аналогично метод «ИИ», с помощью которого, скажем, рентгеновские снимки грудной клетки могут быть автоматически проанализированы алгоритмом, может быть ценным в будущем, и его следует развивать, но важно оправдать ожидания. в соответствии с реальностью. Через год или два для этой цели могут быть созданы лаборатории телемедицины. Но никому этой весной врач ИИ не поставит диагноз коронавирус.
Другие места, где алгоритмические предсказания и эффективность приветствовались бы в прежние дни, собираются отказаться от них во время реагирования на чрезвычайные ситуации, когда все должно быть преднамеренным и трижды проверенным, а не умным и новым. Наиболее привлекательные и популярные подходы для быстроразвивающихся стартапов редко подходят для глобального кризиса, затрагивающего миллионы жизней и тысячи взаимосвязанных частей.
Мы рады, когда производитель транспортных средств перепрофилирует свои заводы для производства масок или вентиляторов, но мы не ожидаем, что он откроет новые лекарства. Точно так же мы не должны ожидать, что те, кто работает над открытием лекарств, будут чем-то большим, но ИИ имеет репутацию чего-то вроде магии, поскольку его результаты в чем-то фундаментально сверхчеловеческие. Как неоднократно отмечалось ранее, иногда «лучшие» процессы просто быстрее дают неверный ответ.
Работа над передовыми цифровыми технологиями в биотехнологической отрасли в целом необходима, но в условиях надвигающегося кризиса в области здравоохранения она совершенно не подходит для смягчения последствий кризиса. Но этого не следует ожидать ни от неспециалистов, которые читают только заголовки, ни от технотопистов, которые находят в таких достижениях больше надежды, чем это оправдано.