и триумфом с го, – и ему хотелось показать, насколько приспособляемыми и вездесущими могут быть нейронные сети. Теперь он называл эти сети «дреднетами» (отсылка к дредноутам, огромным боевым кораблям начала двадцатого века), убежденный в том, что они сметут все на своем пути. Далю же вспоминался старый русский анекдот, который рассказывал Илья Суцкевер: «У советских солдат, стрелявших по своим капиталистическим врагам, закончились снаряды. “Что значит – кончились снаряды? – говорит советский генерал сержанту, который докладывает ему о возникшей проблеме. – Ты же коммунист!” И армия продолжает стрелять». Раз Хинтон сказал, что они должны выиграть конкурс, Даль привлек себе в помощь Навдипа Джейтли и нескольких других разработчиков глубокого обучения из их лаборатории в Торонто – и они победили.

Этот конкурс позволил усовершенствовать метод разработки лекарств, называемый поиском количественных соотношений «структура-свойство», или QSAR, о котором Даль даже не слышал, пока работал над данными Merck. Как выразился Хинтон, «Джордж обыграл всех, даже не зная названия игры». Вскоре компания Merck добавила этот метод в свой арсенал долгих и извилистых процессов, необходимых для разработки новых лекарств. «Искусственный интеллект можно представить себе как большую математическую систему, которая видит закономерности там, где люди не видят ничего, – говорит Эрик Шмидт, бывший генеральный директор Google. – В биологии существует много паттернов, закономерностей, незаметных для человеческого глаза, и, когда их удается распознать, это позволяет нам разрабатывать лучшие лекарства и находить лучшие решения».

После успеха Даля бесчисленные компании бросились в эту обширнейшую сферу разработки и открытия лекарств. Среди них было множество стартапов, и в их числе компания из Сан-Франциско, основанная одним из коллег Джорджа Даля по Торонтскому университету. Были и фармацевтические гиганты типа Merck, которые, по крайней мере, много говорили о том, что эта работа коренным образом меняет весь их бизнес. Однако от того, чтобы полностью перестроить эту индустрию, все это было слишком далеко – хотя бы потому, что задача открытия лекарств невероятно сложна и отнимает много времени. Стоит иметь в виду, что успех Даля был обусловлен скорее некими техническими уловками, нежели реальным технологическим прорывом. Но это не означает, что потенциал нейронных сетей в медицине был менее интересен исследователям и предпринимателям, работающим в этой сфере.

Когда Илья Суцкевер опубликовал свою знаменитую статью «Последовательность к последовательности», которая привела к полной трансформации машинного перевода, он говорил, что на самом деле его статья вовсе не о переводе. Когда Джефф Дин и Грег Коррадо прочитали ее, они полностью огласились с этим. Они решили, что это идеальный способ анализа медицинских карт: если вводить в точно такую же нейронную сеть старые медицинские записи, она могла бы научиться распознавать признаки болезни. «Если сопоставить данные медицинской карты, на этой основе можно строить прогнозы, – говорит Дин. – Например, какова при таких-то медицинских показателях вероятность развития диабета в течение следующих 12 месяцев? Если их сегодня выписать из больницы, они вернутся через неделю?» Вскоре они с Коррадо создали специальную группу внутри Google Brain, чтобы изучить эту идею.

Именно в этой обстановке был запущен проект Лили Пэн, посвященный диагностике диабетической ретинопатии. Ему придавали такую значимость, что в лаборатории было создано специальное медицинское подразделение. Пэн и ее команда получили около ста тридцати тысяч цифровых снимков383 глаз из офтальмологической больницы Aravind и других источников и обратились к пятидесяти пяти американским офтальмологам, попросив их пометить384 те из снимков, на которых можно было заметить те крошечные повреждения сетчатки и кровоизлияния, указывавшие на опасность развития диабетической слепоты. После этого помеченные изображения были введены в нейронную сеть. А после такого тренинга система научилась самостоятельно распознавать признаки заболевания. Осенью 2016 года эта команда исследователей опубликовала статью в Journal of the American Medical Association, где представила систему, способную идентифицировать признаки диабетической ретинопатии385 так же точно, как это делают опытные врачи, – правильно определяя состояние пациента более чем в 90 процентах случаев386, что превышает стандарт точности (т. е. 80 процентов), рекомендуемый Национальными институтами здравоохранения США. Пэн и ее команда признали387, что в ближайшие годы этой технологии еще предстоит преодолеть многие нормативные и логистические препятствия, но к клиническим испытаниям она уже готова.

Одно испытание было проведено в офтальмологической больнице Aravind. Есть все основания надеяться на то, что система Google сможет помочь больнице справиться с постоянным притоком пациентов. Но еще больше надежд связывают с тем, что эта технология будет использоваться в масштабе всей сети Aravind, включавшей в себя более сорока офтальмологических центров, развернутых в сельских районах страны, где мало глазных врачей. Компания Aravind была основана в конце 1970-х годов Говиндаппой Венкатасвами, культовой фигурой, известной по всей Индии как «Доктор В.». Компания представляет из себя общенациональную сеть офтальмологических больниц и «центров», которые действуют наподобие франшиз McDonald’s, систематически обеспечивая недорогие формы офтальмологических услуг для людей по всей стране. Технология Google идеально укладывается в эту схему – если ее действительно смогут реализовать. Развернуть такую технологию – это не то, что раскрутить веб-сайт или приложение для смартфона. Основная трудность задачи заключается в необходимости убедить нужных людей, причем не только в Индии, но также в США и Великобритании, где тоже пытаются реализовать подобную технологию. Среди специалистов сферы здравоохранения и регулирующих органов широко распространено беспокойство, что нейронная сеть представляет собой непостижимый «черный ящик». Больничные врачи не имеют возможности объяснить, почему система выдала тот или иной диагноз, и это отличает новую технологию от предыдущих. Компания Google собрала специальную команду для поиска решения, но многие полагают, что это далеко не тривиальная проблема. «Не верьте тем, кто говорит, что это легко и просто»388, – заявил Джефф Хинтон в интервью журналу New Yorker, который посвятил подъему технологии глубокого обучения в сфере здравоохранения интереснейшую статью.

Тем не менее Хинтон считает, что по мере того, как Google продолжает работать над диагностикой диабетической ретинопатии, а другие исследователи разрабатывают системы для чтения рентгеновских снимков, МРТ и других цифровых форм диагностического исследования, глубокое обучение коренным образом изменит медицинскую отрасль. «Я думаю, что если вы работаете рентгенологом389, то вас можно сравнить с Хитрым койотом из известного мультфильма», – сказал он, выступая с лекцией в одной из больниц Торонто. – Ты уже выбежал за край обрыва, но еще не посмотрел вниз. А под тобой ничего нет». Он утверждал, что нейронные сети затмят390 собой даже самых опытных врачей, потому что будут продолжать совершенствоваться по мере того, как исследователи будут снабжать их еще большим количеством данных, и что с проблемой «черного ящика» людям нужно просто учиться