Дорогие друзья! Это статья является частью книги, описывающей стратегию победы над старением. Коллектив авторов пишет эту книгу открыто и приглашает специалистов к редактированию наших текстов. Мы призываем всех, кто хочет жить максимально долго, реализовать наш план победы достижения физического бессмертия.

Текст содержит редакторские правки, вопросы и предложения к потенциальным соавторам. Они выделены вертикальной чертой, как этот абзац. Мы будем рады получить ваши замечания и предложения.

Черновик главы про общественные изменения вы можете прочесть здесь:

Искусственный интеллект как инструмент продления жизни человека

А.Турчин, М.Батин, Science for Life Extension Foundation, Москва, 2017, черновик

Abstract: В настоящее время происходит бум применения ИИ в медицинских технологиях. В этой статье мы исследуем вопрос, как наиболее эффективно использовать искусственный интеллект для радикального продления жизни. Чтобы ответить на этот вопрос, мы проанализировали:

а) возможные задачи, которые ИИ может решать для продления жизни людей, включающие в себя научные исследования, диагностику, осуществление лечения, нейроинтерфейсы, а также цифровое бессмертие и крионику;

б) логику развития ИИ в 21 веке, который будет включать три стадии: специализированный ИИ, ИИ человеческого уровня и сверхинтеллект;

с) деятельность стартапов и крупных компаний в области медицинского ИИ.

Рассматривая использование ИИ для продления жизни, мы пришли к выводу, что наиболее перспективным будет применение его для исследований, особенно в таких областях, как комбинации геропротекторов, вычисление биомаркеров старения, создание персонализированных терапий старения на основе сбора больших объемов данных о человеке с помощью носимых устройств. Кроме того, некоторые проекты имеет смысл делать сейчас, с расчетом на создание в будущем сильного искусственного интеллекта, а именно, сбор данных для цифрового бессмертия и крионику.

Наконец, мы считаем необходимым создании “Сети апгрейда”, то есть определенной комбинации из социальной сети, пациентской организации, ИИ, систем нейроинтерфейсов, интеллектуальных помощников, сбора медицинских данных и краудфандинга. Эта сеть станет инструментом слияния людей в единый сверхинтеллект и позволит уже сейчас резко ускорить исследования в области продления жизни, реализовать необходимые ценностные изменения, а также может являться основой для создания безопасного ИИ.

Westworld screencapture
  1. Введение

1.1. Обзор недавних успехов ИИ

1.2. Постановка проблемы: как применить ИИ в медицине так, чтобы быстрее получить продление жизни?

1.3. Метод исследования

1.4. Обзор литературы по использованию ИИ в медицине и продлении жизни.

2. Задачи, которые ИИ может решать в медицине и продлении жизни

2.1 Обзор задач ИИ в медицине

2.2 Приоритет научных исследований над другими применениями ИИ

3. Перспективы развития ИИ в 21 веке

3.1 Темп развития ИИ

3.2 Три типа ИИ

3.3 Наилучший реалистичный сценарий развития ИИ

3.4 Карта «ИИ в медицине»

4. Стартапы и крупные компании, использующий медицинский ИИ

4.1 Тенденция перехода компьютерных компаний к биотехнологиям

4.2 Обзор стартапов, которые планирую использовать специализированный ИИ и машинное обучение в медицине и в продлении жизни

4.3 Слияние вычислительной биологии, программирования клеток и систем искусственного интеллекта

4.4 Как ИИ помогает в исследованиях сейчас?

4.5 ИИ в диагностике

4.6. ИИ в биоинформатике и моделировании живых организмов

5. Использование ИИ для исследований в области борьбы со старением

5.1. Борьба со старением как наиболее эффективный инструмент продления жизни

5.2 Проблема вычислений комбинаций геропротекторов

5.2 Биомаркеры старения как вычислительная задача

5.3 ИИ, старение и сложность

5.4 Разработка новых лекарств-кандидатов

6. Перспективные применения ИИ для продления жизни

6.1 Персонализированная терапия старения на основе биг дата

6.2. Интеграция человеческого тела с системами мониторинга

6.3 Автоматизация клинических испытаний

6.4 От реанимобиля — к автоматизированной больнице

6.5 Роботы экстренной помощи

6.6 «Сеть апгрейда», путь к сильному ИИ — создание сети из самоулучшающихся людей и человекоподобных систем ИИ

6.7 ИИ как катализатор любых исследований

6.8 Роль ИИ в общественных изменениях

7. Сверхинтеллект и отдалённые перспективы

7.1 Дожить до сильного ИИ — значит достичь бессмертия

7.2 Создание сверхИИ и создание развитых нанотехнологий произойдет практически одновременно

7.3. Создание сверхИИ совпадет по времени с практическим решением проблемы сознания и идентичности копий.

8. Заключение. Стратегии применения ИИ для продления жизни

8.1 Проблемы внедрения ИИ в медицину

8.2 Дожить до сильного ИИ. Личные стратегии в зависимости от возраста

8.3. Глобальная стратегия: Ускорение развития безопасного ИИ

8.4 Локальная стратегия. Использование ИИ для борьбы со старением, сбора данных цифрового бессмертия, и создание социальной сети

8.5 Зависимость приоритета деятельности от уровня развития ИИ

1. Введение

1.1. Обзор недавних успехов ИИ

В 2016 году постоянно шли упоминания об успехах ИИ, его победах в играх, достижениях в распознавании образов, вождении автомобилей. При этом термин «ИИ» стал употребляться крайне широко, в первую очередь обозначая системы, способную к машинному обучению на основе нейросетей.

Примерно с 2012 года наблюдается быстрый прогресс в области нейросетей, особенно в сфере распознавания образов. Период удвоения достижений здесь составляет примерно 1 год (ссылка). Значительно выросли инвестиции в ИИ-проекты, и предполагается их дальнейший рост до 40 миллиардов долларов в год (ссылка и проверить цифру)

При этом медицина стала одним из основных приложений ИИ. Многие крупнейшие IT-компании сделали ставку на ИИ и одновременно открыли биомедицинские подразделения (Google, Facebook, Intel, Microsoft).

Доля покупок медицинских Ии стартапов в общем числе стартапов достигла 15 процентов

1.2. Постановка проблемы: как применить ИИ в медицине так, чтобы быстрее получить продление жизни?

ИИ может помочь во многих областях медицины, но наша задача — установить, где его применения дадут наибольший вклад в продление жизни людей.

Поскольку ИИ развивается очень быстро, то через 10–20 лет он сможет сделать очень многое. Но люди стареют и умирают уже сейчас, поэтому мы не можем просто сидеть и ждать, сложа руки, когда нужные технологии появятся сами собой.

Поэтому надо рассмотреть как наиболее эффективно применять ИИ для продления жизни на каждом уровне его развития.

1.3. Метод исследования

Для того, чтобы определить приоритеты применения ИИ в медицине, мы рассмотрим три сферы:

1. Возможные задачи, которые ИИ может решать для продления жизни людей, включающие в себя научные исследования, диагностику, осуществления лечения, нейроинтерфейсы, а также цифровое бессмертие и крионику. При этом мы рассмотрим вклад каждой задачи в суммарное продление жизни.

2. Логика развития ИИ в 21 веке, который будет включать три стадии — специализированный ИИ, ИИ человеческого уровня и сверхинтеллект.

3. Деятельность стартапов и крупных компаний в области медицинского ИИ в настоящий момент времени и их планы на ближайшие годы.

1.4. Обзор литературы по использованию ИИ в медицине и продлении жизни

Первая книга «Искусственный интеллект в медицине»вышла еще в 1982 году. (ссылка) Многие писатели-трансгуманисты писали о роли ИИ и управляемых им наномеханизмов в реализации радикального продления жизни людей (Дрекслер).

2. Задачи, которые ИИ может решать в медицине и продлении жизни

2.1 Обзор задач ИИ в медицине

Мы можем установить круг задач для ИИ в медицине, рассмотрев все стадии лечения человека:

  1. Проведение научных исследований, разработка лекарств и их внедрение
  2. Профилактика болезней
  3. Диагностика
  4. Лечение и управление медицинскими роботами
  5. Реабилитация

Кроме того, есть три сферы, которое напрямую относятся как к ИИ, так и теме продления жизни:

6. Совершенствование нейроинтерфейсов, то есть способов соединения мозга с компьютером. Это имеет прямое отношение к продлению жизни, так как может в конце концов привести к загрузке сознания в компьютер.

7. Обеспечение безопасности человека. Ии может сделать много для уменьшения немедицинских рисков.

8. Цифровое бессмертие и крионика. Цифровое бессмертие — это сбор информации о человеке сейчас с тем, чтобы после его смерти, в отдалённом будущем ИИ мог бы реконструировать его личность на основании этой информации.

2.2 Приоритет научных исследований над другими применениями ИИ

Применение ИИ в научных исследованиях обладает наибольшей силой, так как стоит в самом начале причинно-следственной цепочки. Исследуя с его помощью фундаментальные механизмы работы организма, мы можем вообще предотвратить возникновение многих заболеваний.

Кроме того, не любой медицинский ИИ имеет равный вклад в продление жизни. Например, очень сложная система диагностики для редкой болезни может быть менее эффективна по сравнению с довольно простой системой профилактики всех болезней, основанной на носимых сенсорах и мотивации человека к определенным уровням физической нагрузки.

Точно также робот-хирург Da Vinchi — это невероятное медицинское достижение, но реальный его вклад в продление жизни людей пока мал.

3. Перспективы развития ИИ в 21 веке

3.1 Темп развития ИИ

Предсказания в области ИИ — дело неблагодарное, так как в этой области регулярно случаются «зимы» — падения финансирования и энтузиазма, связанные с неожиданными сложностями, а также возможны точки бифуркации, связанные с возникновением самоусиливающегося ИИ.

Однако два принципа выглядят достоверными:

1) Развитие ИИ происходит поступательно. То есть с каждым годом технологии ИИ становятся все более эффективными, и не происходит отскока назад.

2) Согласно данным опроса, большинство ученых считают, что ИИ человеческого уровня, а затем и сверхинтеллект будут созданы до конца 21 века. (данные вставить из книги Бострома)

В настоящий момент мы живем в период ускоренного развития ИИ, с периодом удвоения основных показателей порядка 1 года, и если не случится очередная зима, то сильный ИИ может быть создан гораздо раньше, может быть за 10–30 лет.

Есть большая практическая разница, будет ли сильный ИИ создан в ближайшие годы или в конце 21 века, в первом случае большинство живущих сейчас людей доживет до него, а во втором — только если специальные усилия будут приложены, чтобы воспользоваться всеми промежуточными технологиями продления жизни.

3.2 Три типа ИИ

Узкий искусственный интеллект УИИ — это компьютерная программа, которая достигает сверхчеловеческих результатов в отдельных областях. Такие ИИ уже существуют, и сейчас претерпевают быстрое развитие благодаря успехами нейросетей. Конечно, и микрокалькулятор можно назвать узким ИИ.

Отличием узкого ИИ от обычных компьютерных программ является его способность к обучению, планированию и оперированию моделями мира, а также к отдельным действиям, которые мог раньше делать только человек, например, распознание образов. Автомобиль с автопилотом — это лучший пример узкого ИИ.

ИИ человеческого уровня (ИИЧ) ­– это ИИ, который способен общаться на естественном языке и правильно понимать контекст большинства ситуаций, а также реализовывать большинство задач, которые может реализовать человек.

Мы в данном случае не будем касаться философских вопросов о возможности наличия сознания у ИИ. Естественным итогом развития такого ИИ станет его способность к участию в собственном улучшении, а затем и к самоапгрейту. В результате, по мнению Ника Бострома, эпоха ИИЧ будет довольно коротка. Робин Хансон придерживается противоположного мнения — а именно, что в будущем будут доминировать компьютерные модели человеческого мозга, то есть эмуляции.

Сверхинтеллект — это ИИ, который превосходит человека во всех отношениях в тысячи и миллионы раз. Он обгоняет не только отдельного человека, но и всю человеческую цивилизацию, в результате чего ускоряет скорость прогресса. Это позволяет ему создавать новые технологии, управлять всем миром, осваивать космос и создавать точные симуляции прошлого. Его создание несет в себе большие риски, которых мы здесь пока не будем касаться.

3.3 Наилучший реалистичный сценарий развития ИИ

Мы, конечно, не можем узнать точные даты возникновения разных типов ИИ, но мы можем обрисовать наилучший реалистичный сценарий, используя представления постепенном экспоненциальном развитии ИИ, то есть находясь в рамках Курцвейловской модели будущего. Мы хотим подчеркнуть, что это не предсказание будущего, а ориентировочная карта местности, по которой мы затем сможем сверять свое реальное положение и понимать, обгоняем ли мы или отстаём.

В рамках специализированного ИИ можно обозначить три эпохи:

1. Компьютеризации. Все до 2012 года, и она продолжается до сих пор

2. Системы машинного обучения на нейронных сетях, которые дали возможность решения ряда сложных задач, в первую очередь распознавания образов (2015–2016)

3. Системы, которые будут обладать агентностью и комбинировать несколько разных алгоритмов данных, также работу с текстом. Эти системы появятся в ближайшие несколько лет. 2017–2020

В ИИ человеческого уровня тоже можно выделить несколько эпох, хотя уровень понимания того, как он будет выглядеть у нас сейчас гораздо меньше. Даты здесь тоже более условны и скорее отражают наиболее благоприятный сценарий.

  1. ИИ-ассистент. То есть ИИ, который дополняет человека и может выполнять простые команды на естественном языке, управлять роботом, понимать контекст (2020–25)
  2. ИИ, построенный, как подобие мозга человека, на основании комбинации данных нейрофизиологии, машинного обучения, нейронных сетей. О нем дальше пойдет речь, и мы его называю Human-like AI. Он может проходить тест Тьюринга, но в силу своей архитектуры не способен к эффективному самоусилению. 2030
  3. ИИ, построенный из тысяч HLAI, как виртуальная организация, которая может при этом работать значительно быстрее мозга человека. такая система может эффективно решать сложные научные проблемы, в том числе быть сама разработчиком ИИ, или мягкой формой сверхинтеллекта 2030–2040

Сверхинтеллект тоже может быть нескольких уровней. На самом деле нам не нужен неограниченно усиливающийся сверхИИ чтобы решить большинство практических задач. Для классификации сверхинтеллекта удобна шкала Кардашова, которая отражает не только энергию цивилизации, но и масштаб ее деятельности.

1. Сверхинтеллект уровня нашей цивилизации. Здесь суммарный интеллект ИИ равен суммарному интеллекту человеческой цивилизации, то есть они еще могут быть партнерами (Мы дальше покажем, что наилучшим решением здесь является интеграция человека и ИИ, так как она поможет избежать противостояния. Он примерно соответствует цивилизации 1 го уровня по Кардашеву, то есть планетарной цивилизации. 2040–2100

2. Сверхинтеллект, который в тысячи раз превосходит суммарный интелллект человечества. Он сможет решить большинство проблем старения и смерти, а также начать возвращать к жизни криопациентов 2050–2100 и реконструировать умерших по данным цифрового бессмертия. Его масштаб деятельности — это вся Солнечная система, что соответствует 2 уровню цивилизации по Кардашеву.

3. ИИ галактического уровня, в миллиарды раз превосходящий человечество. Освоение галактики потребует как минимум сотен тысяч лет, так что это уже очень отдаленные перспективы. Карадшев 3. Проблема смерти и бессмертия на этом уровне будет уже решена. А возможно, и проблема воскрешения всех умерших.

4. ИИ вселенского уровня — он освоит всю видимую вселенную и будет существовать до конца времени существования Вселенной, а может найдет выход и в другие вселенные. Кардашев 4 и 5.

3.4 Карта «ИИ в медицине»

Эти три типа ИИ будут по-разному решать все медицинские задачи. В карте дальше мы свели воедино перечисленные задачи ИИ и наилучший реалистичный сценарий. Это пока что очень предварительная карта местности, и степень неопределенности в ней нарастает по мере углубления в будущее. Нам эта карта нужна, , чтобы выделить наилучшие стратегии применения ИИ.

Табл 1: Задачи для специализированного ИИ.

Табл 2.

Табл 3.

4. Стартапы и крупные компании, использующий медицинский ИИ

4.1 Тенденция перехода компьютерных компаний к биотехнологиям

В 2014–16 годах многие крупные интернет-гиганты заявили о проектах в области биотехнологий и продления жизни, причем подчеркнули, что работа с базами данных и машинное обучение станут основной их подхода.

- Google запустил Calico для борьбы со старением

- Facebook обещал искать лекарства от всех болезней

- IBM видит медицину как основное поле деятельности Watson

- В Intel есть большой раздел, работающий с биотехом http://www.intel.com/content/www/us/en/healthcare-it/healthcare-overview.html

- Microsoft предлагает облачные вычисления для открытия новых лекарств https://www.microsoft.com/en-us/research/blog/cloud-computing-unlocks-drug-discovery/

- Apple является платформой для множество носимых устройств и программ в области мониторинга здоровья

4.2 Обзор стартапов, которые планируют использовать специализированный ИИ и машинное обучение в медицине и в продлении жизни

Недавно вышел обзор 82 стартапов, которые планируют революционизировать медицину с помощью цифровых технологий:

https://www.cbinsights.com/blog/digital-health-medicine-market-map-company-list/

Но при этом стартапов очень много, все они обещают очень невероятное, и только собирая их пресс-релизы можно легко написать 100 страниц текста с захватывающими обещаниями и длинными перчислениями — но через два-три года большая часть этих проектов исчезнет без следа. Кроме того, невероятные обещания часто преувеличивают достижения, чтобы привлечь инвесторов.

Кардиоимплант автоматически проводит дефибриляцию сердца на футбольном поле, видео: https://www.youtube.com/watch?v=DU_i0ZzIV5U

Atomwise / Drug Discovery — использует сети глубокого обучения для открытия лекарств-кандидатов

Deep Genomics / Genomic Medicine –использует машинное обучение, чтобы предсказывать изменение поведения клеток при изменении ДНК

Avalonai.com — исследует уровни деменции с помощью машинного обучения для стратификации пациентов

Your.md — предполагает заболевания на основании описания симптомов пациентом и его личном профиле

4.3 Слияние вычислительной биологии, программирования клеток и систем искусственного интеллекта

В 2016 году был представлен проект Cello http://www.nature.com/news/biology-software-promises-easier-way-to-program-living-cells-1.19671 ,который автоматизирует проектирование ДНК для новых живых организмов. То есть он может вычислить (и затем синтезировать) определенную последовательность ДНК для определенной функции, выполняемой на заданных типах клеток. При этом эта функция может содержать в себе определенную логику, то есть команды типа И и ИЛИ.

Еще одна похожая платформа — https://moleculamaxima.com/ , которая позиционирует себя как язык программирования для генетической инженерии.

Использование ДНК-оригами также позволяет собирать из ДНК разные микромеханизмы, причем это возможно в первую очередь благодаря очень мощной системе компьютерного проектирования, которая может разложить заданный проект на элементы (кубики), и затем написать код ДНК, который произведет самосборку в заданную форму. https://en.wikipedia.org/wiki/DNA_origami

4.4 Как ИИ помогает в исследованиях сейчас?

Надо отличать рекламные заявления, которые часто преувеличивают достижения, и те достижения, которые вошли в постоянную практику.

В 2009 году было заявлено, что робот Adam сам смог поставить гипотезу и провести эксперименты над геномами дрожжей. https://en.wikipedia.org/wiki/Robot_Scientist Однако затем не было последующих публикаций об этом устройстве.

С другой стороны, роботы произвели довольно большой вклад в автоматизацию лабораторных исследований, где они роботы-манипуляторы позволяют автоматизировать повторяющие операции с пробирками.

https://en.wikipedia.org/wiki/Laboratory_robotics

Из недавних практических применений ИИ в исследованиях — использование искусственных нейронных сетей для распознания естественных, то есть реконструкции связей биологических нейронов по связям мозга.

4.5 ИИ в диагностике

Уже сейчас IBM Watson обгоняет врачей в постановке диагнозов по данным флюорографии, c другой стороны, возможно, что это реклама проекта и реальное применение преувеличенно. (Отметим , что Watson пока что не использует нейронные сети.)

Системы машинного обучения научились лучше людей анализировать данные радиологических снимков и точнее ставить диагнозы. Машинное обучение позволяет учитывать огромное количество косвенных признаков, — что есть человек, как двигается, — чтобы дать наиболее вероятную причину заболевания.

В некотором смысле ИИ должен заменить гений доктора Хауса, и обладать способностью составить правильную модель биологических процессов в теле конкретного человека. Отчасти этого можно достичь, объединяя большие данные, поступающие от данного человека, и большие данные, накопленные в ходе лечения других людей. Последнее упрощается созданием электронных карт. Однако есть проблема — это необходимость деперсонификации данных из-за требований врачебной тайны, а также то, что большие накопленные данные являются частной собственностью разных корпораций.

IBM в 2016 году купило несколько корпораций, которые обладают большими данными о сотнях миллионах пациентов клиник, например, компания Truven за 2.6 млрд долларов, у которой есть медицинские записи о 100 миллионах пациентах. http://fortune.com/2016/02/18/ibm-truven-health-acquisition/

Компания CYC Дугласа Лената также вышла из 30-летнего подполья и предложила систему обработки баз данных для больниц. https://www.technologyreview.com/s/600984/an-ai-with-30-years-worth-of-knowledge-finally-goes-to-work/ В клинике Кливленда его дочернее предприятие Lucid использует систему распознавания естественного языка для поиска подходящих пациентов для клинических испытаний. Ведь большинство историй болезни заполнено на естественном языке.

В апреле 2016 Цукерберг подчеркнул, что машинное обучение поможет ставить диагнозы точнее, быстрее, дешевле, а главное раньше. Например, программа для анализа изменений родинок по фотографиям с телефона может заменить редкие и дорогостоящие визиты к врачу. Эта программа, Total Body Photography, анализирует фото родинок на основании базы данных в 50 миллионов злокачественных родинок с помощью израильской технологии распознавания образов.

4.6. ИИ в биоинформатике и моделировании живых организмов

Часто под «Искусственным интеллектом» имеют в виду то, что мы еще не умеем, а когда это становится привычным и доступным, это превращается в “компьютерные методы”. Совокупность компьютерных методов в биологии называется биоинформатикой. В первую очередь, это анализ генома, его изменений, его связи с белками, конформация белков, а также эволюция живых организмов.

Следующим шагом в развитие биоинформатики является моделирование живых организмов.

Здесь нам нужны не столько тайны создания искусственного интеллекта, сколько массы данных о процессах в клетках, огромные вычислительные мощности и правильные модели.

В 2012 году в Стенфорде сделали модель живой клетки — простейшей микоплазмы, которая имеет только 525 генов. http://gizmodo.com/5927666/first-ever-complete-computer-model-of-a-cell-produced Однако работая с той же микоплазмой в 2015 году Крег Вентор признал, что функции 90 генов пока еще неизвестны, что ставить под сомнение полноту модели.

Другие проекты тут: https://en.wikipedia.org/wiki/Cellular_model

При этом модель клетки всегда не совсем точна, так как обобщает много уровней неопределённости, начиная с квантового уровня и свертки белков, броуновского движение и так далее. Задача свертки белков является одной из сложнейших, и сейчас для нее тоже стало использоваться машинное обучение https://en.wikipedia.org/wiki/Protein_structure_prediction

В будущем могут помочь квантовые компьютеры.

Наиболее продвинутое моделирование многоклеточного организма проводится на примере червя C.elegance. Оно включает в себя и модлирование его «мозга» который состоит из 300 нейронов, и коннектом которого известен еще с 80-х годов. Но пока удалось смоделировать только его отдельные функции, но не поведение в целом.

Моделирование клетки человеческого организма гораздо сложнее, чем микоплазмы, потому что она включает в себя в 40 раз больше генов.

Но создание полной модели человека позволит тестировать лекарства in silico, что позволит провести огромное количество предклинических испытаний самых разных веществ, а также доказывать, почему то или иное лекарство на самом деле работает и как именно оно работает. Любое расхождение с экспериментами позволит улучшать модель.

Следующая стадия развития такой модели — это модель организма конкретного человека на основании его генома, эпигенома и данных анализов, которая позволит точно рассчитать, какое именно вмешательство необходимо.

https://en.wikipedia.org/wiki/Modelling_biological_systems

5. Использование ИИ для исследований в области борьбы со старением

Кадр из фильма Элизиум: машина для омоложения

5.1. Борьба со старением как наиболее эффективный инструмент продления жизни

В последние годы выросло понимание того, что задача медицины — не просто лечение некоторых болезней, а продление жизни человека, и что замедление процесса старения является наиболее эффективным способом продлить здоровую жизнь. Эксперименты на животных показали, что замедление старения возможно на десятки процентов при относительно простых вмешательствах, таких как прием одного давно известного препарата (например, метформина). Однако проведение подобных экспериментов на людях потребовало бы десятилетий, и их можно было бы давно начать, но это так и не было сделано, по ряду социальных и экономических причин.

Поэтому нам нужно выяснить, как использовать ИИ для борьбы со старением, для того, чтобы ускорить эксперименты по открытию новых геропротекторов, доказательству их эффективности и выявлению их рабочих индивидуальных комбинаций.

5.2 Проблема вычислений комбинаций геропротекторов

Известно, есть целый ряд лекарств, который продляет жизнь мышам, замедляя у них процесс старения. Известно также, что парное применение некоторых геропротектров дает частичный эффект сложения, однако некоторые несовместимы, и резко снижают эффект. Чтобы протестировать все комбинации из хотя бы 10 геропротекторов, нам нужно было бы провести несколько тысяч экспериментов.

Разные подходы могут упростить поиск глобального максимума. Например, мы можем протестировать все парные сочетаний, чтобы найти несовместимые пары, а также все 10 сочетаний без одного геропротектора.

Мы можем использовать метод вроде Монте-Карло для поиска максимума, а можем использовать ту надстройку над Mонте Карло, которая позволила победить AlphaGO в игру Го. Суть этой надстройки в том, что наиболее перспективные комбинации отбираются с помощью специально обученной нейронной сети, которая обучалась на большом числе прошлых игр. Здесь мы можем обучить нейросеть предсказывать биологические эффекты химических веществ на основе знания о свойствах огромной библиотеки других веществ.

Для обучения нейронной сети нужен упорядоченный массив данных. для его получения нужен либо цикл экспериментов, либо использование уже имеющихся данных.

Этот набор данных должен состоять из:

а) тестирования каждого геропротектора по отдельности

б) тестирование пар геропротеткоров (здесь уже начинается комбинаторный взрыв, поэтому нужно применять ряд эвристик для отсечения). Для 10 геропроекторов это будет 45 пар.

в) затем нужно все 10 геропроеткоров испытать вместе

г) и затем нужно испытать все 10 комбинаций всей суммы геропротеткора без одного препарата.

Это нам даст знания о том, есть ли какой-либо препарат, который резко убивает эффективность суммы препаратов. Всего 56 начальных экспериментов для 10 геропротекторов. (С мат. точки зрения эти первые эксперименты зададут базовые оси в многомерном пространстве, которое мы потом дальше будем исследовать.)

Затем мы применим ту же систему, что в Альфа Go, то есть мы применим метод Монте-карло, а именно, тестирование нескольких препаратов из группы в серии экспериментов, а затем заставим нейронную сеть выбрать наиболее вероятные следующие точки из получившегося ландшафта, и опять их протестируем. В результате, используя эвристики и нейронную сеть, мы резко сократим количество экспериментов, которые необходимы для достижения глобального минимума — с миллионов до нескольких десятков, которые могу идти параллельно. Точно так же в игре Го алгоритм убирает необходимость перебора.

Кроме того, чтобы увеличить количество данных, которые мы сможем «скормить» нейросети, мы должны в ходе тестирования геропротекторов производить как можно больше измерений разных параметров организма модельных животных — состав крови, подвижность и так далее. Это нам поможет вычислять биомаркеры старения одновременно с тестированием геропротекторов. Тогда мы смоем увидеть например, что мыши не просто жили дольше, но что у них определенным образом менялся состав крови, и именно это является причиной увеличения их долгожительства.

При этом самое главное для обучения нейронной сети — это набрать статистику, то есть набрать исходную базу данных, на которых она будет обучаться.

В целом задача поиска геропротекторов сведется к поиску глобального максимума функции из 10 (и более) переменных. Нейронная сеть будет использоваться для аппроксимации этой функции на основании уже известных точек.

Задача по поиску биомаркеров старения строится подобным же образом — как поиск глобального максимума функции из многих отдельных свойств организма. Тоже самое может быть использовано и для вычисления конкретных вмешательств для отдельного человека на основании особенностей его генома, возраста и биомаркеров.

Что нужно сделать?

Проанализировать существующие списки геропротекоторов

Привести их форму, удобную для нейросети

Построить модельную нейросеть для решения задач поиска глобального максимума.

Начать тесты геропротекторов на разных модельных животных и на людях

Использовать нейросеть и другие методы анализа для выяснения следующего этапа экспериментов.

Кто занимается чем-то похожим:

Gero, Calico, Buch institute.

Литература и примеры:

Проект Атомнет — предсказания свойств химических материалов на основании конвалюционных нейросетей.

http://www.atomwise.com/introducing-atomnet/

Предсказание электрических свойств новых молекул с помощью многослойной нейросети

http://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=450

Обзор применения проекта нейронных сетей Tensor Flow от Google в вычислительной биологии

http://www.cell.com/cell-systems/pdf/S2405-4712(16)00010-7.pdf

Предсказание свойств лигандов

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4510302/

5.2 Биомаркеры старения как вычислительная задача

Лучшим мерилом процесса старения является кривая смертности Гомперца.

Одна из проблем внедрения любых терапий против старения — это необходимость длительных экспериментов на человеке, которые займут не меньше 10–20 лет за один цикл, а если их делать как на мышах, то и 50 лет. При этом нахождение правильной комбинации геропротекторов может занять несколько циклов экспериментов, а мере успешности этих экспериментов их длительность будет возрастать.

В результате на полное тестирование геропротеткоров по способности продлевать жизнь потребуется 100–200 лет. Очевидно, что это неприемлемо, так как ныне живущие люди все умрут, денег на такие долгосрочные эксперименты никто не даст, и наконец за это время изобретут гораздо лучшие средства продления жизни. (Такой же аргумент можно привести против освоения Марса на химических ракетах и человеческими силами — проще подождать и сделать роботов-репликаторов и ракеты на ядерном топливе).

Если мы найдем биомркеры старения, то сможем существенно сократить срок экспериментов.

Однако у старения нет одной простой причины, так как оно эволюционно возникло как отбор многих независимых систем на одну и ту же продолжительность жизни.

Замедление старения проявится в виде сдвига кривой Гомперца вправо. Но это мы можем увидеть за несколько лет по изменениям второй производной кривой, если мы будем проводить эксперименты на большой группе людей. Более того, на самом деле такие эксперименты постоянно происходят, так как огромное количество людей постоянно принимает разное количество разных препаратов.

В большинстве клинических испытаний самим добровольцам ничего не платят — основной расход это организация эксперимента, контроля и обработки данных, а также юристы.

С помощью современной носимой электроники можно найти способ фиксировать, кто и что принимает и централизованно собирать эти данные по огромной массе людей, наряду с данными о их генетике, подвижности, и продолжительности жизни. В результате получится нечто вроде когортного исследования, но гораздо более насыщенного информацией, что усилит его доказательную силу, но для выделения этой информации потребуются мощные системы ИИ.

Кроме того, анализ множества параметров поможет найти реальные биомаркеры старения. Один подход связан с анализом физической активности. Это делает компания Gero.

Другой подход связан с расщеплением причин смертности на отдельные блоки, которые уже отделаются от общего ствола процесса старения, например, степень артериосклероза сосудов и следующая из неё вероятность инфаркта. Затем нужно измерить несколько таких параметров предвестников, для которых уже известна причинная связь с последующим заболеванием и смертностью.

https://en.wikipedia.org/wiki/Gompertz%E2%80%93Makeham_law_of_mortality

5.3 ИИ, старение и сложность

Человек становится источником big data, а информационно сложные вмешательства нужны, чтобы компенсировать сложные изменения, произведенные в нем старением.

В некотором смысле старение и болезни — это снижение адекватной регуляции организма, который, вообще говоря, от природы наделен мощными системами репарации и иммунитета.

В результате, необходимо внешнее лечение, которое состоит из измерений (то есть тестов крови и т. д.), гипотезы о природе нарушения, медицинского вмешательства и затем его коррекции по данным новых наблюдений, если гипотеза оказалась неверна.

Этот процесс похож на научное исследование, и по сути своей является информационным процессом, то есть процессом решения определенной вычислительной задачи, а значит, он выиграет от большего количества данных и более интеллектуальной их обработки, а затем точного и адресного вмешательства.

Таким образом, чтобы точно вылечить болезнь или произвести омоложение организма, нужно собрать много данных, но еще нужно иметь точную модель человека вообще и конкретного человека в частности. Тогда на основании этого можно вычислить те вмешательства, которые легко приведут к выздоровлению и улучшению функций.

Уже сейчас мы можем получать огромное количество данных об организме с помощью полного распознавание генома, анализа крови по тысячам параметров, транскриптома, метаболома и прочих -омик, за счет постоянного мониторинга еды, движения, уровня сахара в крови и давления, а также работы сердца и ЭЭГ, за счет самых разных сканирований и компьютерных томографий. Быстрое снижение стоимости всех этих анализов (на 2016 год предлагают 999 долларов за полную расшифровку генома) — ведет к тому, что отдельный человек становится источником Big data, которую нужно правильно обработать.

То есть раньше могла быть ситуация, когда человек приходил к врачу, и говорил, что чего-то у него ноет в левом боку и покалывает в правой ноге, а врач мерил давление и назначал одно лекарство, то есть информационный обмен между ними описывался буквально несколькими байтам, то сейчас он может составлять гигабайты примерно за те же деньги. Но и ответное вмешательство может быть не менее сложным. Именно для обработки этого потока данных и нужен искусственный интеллект в медицине.

Если старение — это накопление ошибок, то можно использовать информационную теорию старения, и исправить все эти ошибки.

Пример: я долго не убирался в комнате, и в результате в ней образовался бардак. Мне нужно направить своё внимание и убрать каждую вещь на своё место. Эта задача, требующая нетривиальной обработки большого количества информации — что за вещь, откуда она взялась, как ее правильно положить. То есть уборка требует интеллекта. Естественные процессы репарации в организме обладают определенным уровнем “понимания”, что там происходит, отличают свои белки от чужих, например, но постепенно в организме накапливаются такие ошибки, на которые естественные системы репарации уже не действуют: ломаются сами системы репарации.

И тут нам нужно сложное вмешательство, которое основано на всех данных современной науки, на всех генетических особенностях данного человека и на всех данных о состоянии его здоровья, более того, вмешательство, которое можно быстро корректировать в соответствии с реакцией организма.

ИИ нужен для сложного воздействия, чтобы компенсировать сложные повреждения.

5.4 Разработка новых лекарств-кандидатов

Мы приглашем потенциальных соавторов дописать этот раздел

6. Перспективные применения ИИ для продления жизни

6.1 Персонализированная терапия старения на основе биг дата

Может быть именно вы наш соавтор, который допишет этот раздел?

6.2. Интеграция человеческого тела с системами мониторинга

Этот раздел требует исправления.

Наша иммунная система несет массу информации, например, о том, какие именно вирусы она научилась побеждать, или о том, где и какой сейчас происходит в организме воспалительный процесс. Однако эта информация полностью находится за пределами сознательного контроля. Мы можем обучать иммунную систему с помощью вакцин, но наша связь с ней мала.

Если мы могли бы полностью получать всю ее информацию, и затем вводить массу информации в нее, ты мы могли бы лечить огромный спектр болезней: аутоиммунные, инфекции, регенерацию органов, новообразования, старение тканей. Подобно тому, как происходит диагностика мотора в современном автомобиле с компьютером.

Связь живого организма с компьютером можно назвать гуморальным интерфейсом, который будет в некотором смысле параллелен нейроинтерфейсу.

Гуморальный — предполагалось еще и гормональная регуляция.

Надо дать пример с экспериментами по обучению иммунной системы.

Управление репарацией повреждений

Следующий шаг в этом направлении — это управление искусственной иммунной системой человека. Она может представлять собой биологические организмы, собственные проапгрейженные клетки или микророботов, которые будут циркулировать в крови человека.

A) На первой стадии она будет отслеживать возникающие болезни,

Б) На второй — помогать в их лечении, убивая бактерии, вирусы, раковые клетки и заделывая повреждения сосудов,

В) на продвинутой стадии — осуществлять постоянный процесс репарации организма и лечения старения.

Г) В конечном итоге это может привести к тому, что наномеханизмы заменят клетки человека, и его тело станет полностью искусственным и бессмертным, но это, скорее, произойдёт уже после сознания ИИ сверхчеловеческого уровня.

6.3 Автоматизация клинических испытаний

6.4 От реанимобиля — к автоматизированной больнице

Роботизация медицины приведет к ее стандартизации и устранению человеческого фактора. Вместо необходимости ходить по врачам, сидеть в очередях, принимать собственные медицинские решения, человек будет ложиться внутрь специально оборудованного бокса, наполненного медицинской аппаратурой, и произведённого промышленным способом, который сможет осуществлять большую часть диагностирования, ухода и осуществления лечения автоматически и в непрерывном режиме, немного подобно тому, как это происходит в реанимобиле, но тут это будет для менее экстренных случаев. Удешевление производства с помощью 3D печати и роботов-репликаторов сделает такие боксы доступными, как аппараты для измерения давления.

Ту же функция может выполнять и человекообразный робот, которого можно назвать искусственная медсестра. Такой робот сможет оказывать и эмоциональную поддержку, что увеличивает шансы на выздоровление на 20 процентов. http://www.gazeta.ru/science/news/2016/04/11/n_8491235.shtml

6.5 Роботы экстренной помощи

Роботы-дроны с лекарствами и дефибриляторами смогут оказывать экстренную помощь людям, чьи носимые системы сообщат об экстренной ситуации. (Специальные вещества смогут предотвратить повреждение мозга при возобновлении кровообращения, либо охладить его до прибытия полноценной помощи)

Домашние роботы также смогут следить за здоровьем и помогать людям при лечении, следить за приемом лекарств во время, делать вместе физические упражнения, замечать признаки заболеваний.

6.6 «Сеть апгрейда», путь к сильному ИИ — создание сети из самоулучшающихся людей и человекоподобных систем ИИ

Е.Юдковский предполагает, что ИИ будет развиваться довольно медленно, пока в каком-то одном месте не возникнет первый самоусиливающийся ИИ, и он затем захватит власть на Земле и установит на ней ту систему ценностей, с какой его запрограммировали. Очевидно, что это процесс рискованный, которым трудно управлять, так как мало вероятно, что самый первый созданный ИИ будет и самым безопасным.

Р. Хансон в своей новой книге создал картину мира, в которой доминируют “загруженные в компьютер” люди — эмы, которые продолжают оставаться во многих отношениях людьми. Этот мир технически маловероятен, так как технологии сканирования мозга отстают от технологий ИИ, а также потом у что на основе загрузок можно довольно быстро чистый ИИ.

Мы хотим рассмотреть третий вариант — сверхинтеллект возникает как свойство сети, которая состоит из самоусиливающихся людей и их интеллектуальных помощников, построенных по образцу человека, и эта сеть при этом выполняет функции глобальной полиции, предотвращающей возникновение очагов самоусиливающегося ИИ.

Этот проект обладает следующими преимуществами. Нет проблемы загрузки ценностей в компьютер — ценности остаются внутри человека (или внутри неспособного к самоусилению ИИ, построенного по модели человека на основе группы черных ящиков-модулей, соответствующих разным отделам мозга, которые достаточно хорошо отделены от оперативной памяти этого ИИ. Будем называть его Human-like AI -HLAI, чтобы отличать его от эмов и от прочих типов ИИ.)

Нет рисков создать ИИ без субъективного опыта, так как такой ИИ все еще основывается на мозге человека.

HLAI изнутри выглядит почти как человек, но немного улучшенный, то есть он думает, как человек, может иметь эмоции. В результате он обладает способностью понимания контекста, и не будет делать явных глупостей, например, отрывать голову хозяину при просьбе вынести все круглые предметы из комнаты.

Кроме того, у него не будет эксплицитно выраженной и простой функции полезности (любая простая функция полезности опасна, так как задирает не входящие в нее параметры в экстремальные зоны, чтобы оптимизировать главные параметры). Его система ценностей будет построена по образцу человеческой, но улучшенной, так как мы знаем, что и людей будут самые странные желания. В принципе HLAI можно рассматривать как мозга-кирпич, из которого можно строить разные виртуальные организации, вставлять его в роботов и так далее. Он может быть сделан по образу и подобию идеального человека, которые все понимает про этику, теорию игра, теорию принятия решений, про риски самоусиления ИИ.

Даже если HLAI постепенно вытеснят или уничтожат людей, то они будут носителями человеческих методов мышления и ценностей, то есть будут нашими “детьми” в некотором смысле.

Однако главной основой безопасности будет то, что вся сеть, которая включает улучшенных людей и HLAI, будет быстро развиваться и обладать а) высоким интеллектом б) высоким уровнем контроля за своими элементами. То есть она будет соответствовать принципам OpenAI, предложенным Элоном Маском.

В результате, любой кусочек, который решит отколоться от сети, и пойти путем собственного неограниченного самоапргрейта, во-первых будет быстро обнаружен и его идеи украдены и распространены, а во-вторых, для него не будет бесплатного ланча вокруг, потому что он будет окружен примерно равными соперниками. (А также будет действовать ряд других мер, которые мы рассмотрим в отдельном тексте “Пути построения безопасного ИИ”)

Юдковски считает, что достаточно ровно одной простой идеи, чтобы перейти от просто ИИ к ИИ начавшему неограниченное самоусиление. Но дальнейшее неограниченное самоусиление возможно только за счет новых архитектурных решений, то есть идея не одна.

Вся история эволюции и человечества — это история того, как усиливался распределенный интеллект. И эта история резко ускорялась, когда находился новый способ обработки информации и решения задач.

То, что одной идеи — достаточно — это только одно из возможных решений. Например, при создании ядерного оружия, было не достаточно одной идеи о цепной реакции, а нужна была еще идея о том, что графит можно использовать в качестве замедлителя (и ряд других идей). Немцам это было не понятно (так как их графит был загрязнен бором), и их проект пошел по тупиковому пути. Мозг человека так же имеет множество отличий от мозга обезьяны, а не одно отличие. То есть для нас было бы хорошо, чтобы ИИ зависел от нескольких независимых идей, что позволило бы создать среду. Вероятно, возможны разные пути к ИИ, и хорошо бы выбирать такие пути, где конечный результат зависит от множества идей, и путь HLAI — это такой путь.

Последние несколько абзацев были своего рода отступлением, так как мы обещали не трогать тему безопасности ИИ.

Итак, наша сеть будет состоять из пост-людей, которые усиливают себя ноотропиками, имплантами, генной инженерией, их интеллектуальных помощников на основе HLAI, затем самих протоколов сети, способов коммуникации и накопления знаний, которые буду усиливать общую продуктивность, а также различных организаций и интернет-устройств.

Интеллектуальные помощники могут помогать не только человеку, но и дискуссии, расшифровывая ее на лету и подтаскивая нужные ссылки.

Пока что это наверное звучит, как набор благих пожеланий, так что посмотрим, как это уже работает сейчас на примере такой вещи, которую мы назовем “самоусиливающаяся организация”, и имя ей — Google. Google (Alphabet) состоит из руководства, людей, баз данных, компьютеров, исследований в области ИИ, производит собственные чипы для ИИ и нацелена на постоянную оптимизацию. новые версии чипов для системы машинного обучения Tensor Flow выходят примерно раз в месяц. Но при этом у Google есть несколько крупных конкурентов, которые делают примерно тоже самое.

Что это все значит для продления жизни?

На первом уровне нам нужна пациентская организация, которая по сути будет социальной сетью для обмена информацией, взаимной поддержки, проведения клинических испытаний, краудфандинга, сбора данных для цифрового бессмертия, сбора биг даты, гражданской науки, помощи при криосохранении

На следующем уровне нам нужна сеть “нейронет”, где происходит прямое взаимодействие интеллектов участников, где механизмы сети сами реализованы через системы узкого ИИ, и в результате получается нечто вроде быстро работающего коллективного мозга.

На последнем происходит стирание границ между биологическим мозгом и компьютером (что равносильно достижению практического бессмертия, так как данные легко хранить и резервировать), и в результате этого отдельные сознания людей и компьютерный сверхинтеллект сливаются в единую систему. При этом люди могут сохранять выбранный уровень автономии памяти, сознания, навыков.

В результате люди остаются важными частями всемирного интеллекта, а не просто домашними животными, которые некий нечеловеческий ИИ обязан развлекать из-за особенностей своей целевой функции, и эволюция ценностей всемирного ИИ является и эволюцией ценностей людей, его образующих.

6.7 ИИ как катализатор любых исследований

ИИ будет решать все более сложные задачи все более самостоятельно. В начале это система анализа данных, потом интеллектуальный помощник, потом робот-партнер, и потом целый роботизированный научно-исследовательский институт.

6.8 Роль ИИ в общественных изменениях

Пока конспект этого раздела

Новые методы объединения людей (фейсбук), форумы, системы голосования

ИИ вытесняет некоторые профессии, например, адвоката

ИИ-советчик в государственном управлении

Вместе с ИИ распространяется определенный набор ценностей, в первую очередь антиконсервативных и про-технологических.

Компьютеризация государства и замена его распределенной ИИ-системой.

В конце концов ИИ становится субъектом изменений, то есть активно проводит определенную политику.

7. Сверхинтеллект и отдалённые перспективы

7.1 Дожить до сильного ИИ — значит достичь бессмертия

Создание ИИ сверхчеловеческого уровня позволит быстро решить проблемы старения, лечения большинства болезней, создания медицинских нанороботов и полноценной загрузки сознания в компьютер.

Если человечеству требуется на решение большинства сложных задач порядка несколько десятилетий (освоение воздухоплавания, создание компьютеров), то сильный ИИ сможет решить сложные глобальные задачи в гораздо меньшие сроки, может быть за год или меньше. То есть момент создания сильного ИИ будет означать возможность достижения практического бессмертия большинством живущих в этот момент людей.

В целом возможны два варианта сверхИИ — ИИ-монарх (термин Бострома), который управляет всей планетой как единая автоматизированная система управления; и сверхИИ как интеллектуальная среда, то есть распределенное множество различных агентов, которые эволюционируют как целое (так устроена современная наука).

7.2 Создание сверхИИ и создание развитых нанотехнологий произойдет практически одновременно

Под развитыми нанотехнологиями мы подразумеваем нанотех в Дрекслеровском смысле слова, как он был описан в книгах «Машины Созидания» и «Наномедицина». То есть будут созданы наномеханизмы:

А) способные к саморепликации

Б) управляемые извне

В) имеющие на борту достаточно мощный компьютер или даже специализированный ИИ.

Если такие наномеханизмы будут созданы первыми, то они позволят быстро изучить структуру мозга человека, а затем создать очень мощные суперкомпьютеры, что приведет к созданию сильного ИИ. Если же Сильный ИИ будет первым, то он реализует нанороботов. Вряд ли промежуток времени между нанотехом и сильным ИИ будет больше пяти лет.

Для человека это будет означать фактические снижение смертности до нуля, поскольку один такой нанобот введенный в тело человека сможет относительно быстро (от часов до недель) и незаметно заменить все живые клетки в нем полностью управляемым наномашинами (кроме, может быть, части нейронов, ответственных за переживания субъективного опыта).

7.3. Создание сверхИИ совпадет по времени с практическим решением проблемы сознания и идентичности копий.

С одной стороны, вряд ли удастся создать полноценный ИИ, если проблема природы сознания не будет решена. С другой стороны, сильный ИИ и его нанотех позволит произвести различные эксперимента над субъектом. Например, мы сможем исследовать, что происходит с квалиа в процессе плавной загрузки, а также выяснить, какие именно части мозга и какие процессы в них отвечают за все явления субъективного опыта. См. статью Аргонова об этом.

Здесь могут быть два решения: либо никакой загадки здесь нет, и тогда перенос сознания на компьютер есть чисто информационная задача, либо у сознания есть некий субстрат (квантовый процесс, непрерывность причинных связей, особая частица), обеспечивающий идентичность, и его сохранение и перенос есть техническая задача. В любом случае это означает возможность переноса сознания на новый носитель, но в первом случае это будет обычный компьютер, а во втором, специальный носитель, например, искусственный нейрон или квантовый компьютер. Главным свойством этого нового носителя будет его гораздо большая устойчивость к повреждениям.

Благодаря сверхИИ человек получит неразрушимое нанотехнологичекое тело и возможность переноса сознания на компьютер, и для него задача бессмертия будет фактически решена.

Благодаря созданию нанотеха и решению проблемы сознания станет возможна разморозка криосохраненных.

Кроме того, сверхИИ на каком-то этапе своего развития сможет реконструировать людей, которые жили в прошлом, на основе оставленных ими следов, моделируя их жизнь в симуляции. Де факто это будет равносильно возвращению к жизни умерших.

Человек сможет продолжить свою эволюцию, путем дальнейшей интеграции с ИИ (подобно тому, как он сейчас уже интегрирован с интернетом), включению в себя его частей или сам он может превратиться в ИИ.

8. Заключение. Стратегии применения ИИ для продления жизни

8.1 Проблемы внедрения ИИ в медицину

Вот здесь хороший обзор: “Три вызова для ИИ в медицине” https://blog.cardiogr.am/three-challenges-for-artificial-intelligence-in-medicine-dfb9993ae750#.b1l2wnm1n

Еще в 1979 году экспертная система ставила диагнозы лучше врачей, но внедрения ИИ в медицину так и не произошло: Большинство современных медицинских алгоритмов крайне просты, в духе, если частота сердечных сокращений больше Х, то делай Y. А ведущие медицинские журналы вообще не упоминают Deep Learning.

Одна из проблем в том, что большая часть дешевых данных не имеют лейблов, тогда как машинное обучение тренировалось на данных, где исходные данные были подписаны. То есть у нас есть множество кардиоданных, но не ясно, кто именно и какой именно болезнью болен. Иногда получение этих лейблов требует дорогостоящих и опасных экспериментов на людях. Сейчас эта проблема решается за счет новых систем неконтролируемого (unsupervised) обучения.

Кроме того, есть регуляторные проблемы внедрения ИИ в медицину и вопрос о распределении рисков и страховых выплат между стартапами и госпиталями. ИИ может легко проникнуть в вам смартфон, но ему труднее проникнуть в кабинет врача и еще труднее — в оплату страховой компанией. Однако в системе страхования «Obamacare» есть возможности решить эти проблемы.

Первая книга “Искусственный интеллект в медицине” вышла в 1982 году, и ее авторы были бы поражены сейчас, так как во многих отношениях воз и ныне там.

Но сейчас дешевые оцифрованные данные, распространенные компьютеры, новые алгоритмы анализа данных, новые регуляции дают ИИ шанс.

8.2 Дожить до сильного ИИ. Личные стратегии в зависимости от возраста

Чем старше человек, тем меньше у него шансов дожить до эпохи сильного ИИ и мощных технологий продления жизни.

На самом деле, ему не надо доживать до сверхинтеллекта — ему надо дожить до того момента, когда средняя продолжительность жизни будет расти больше чем на 1 год в год.

И еще ему надо находиться в позиции, где он успеет воспользоваться плодами новых технологий, то есть быть в богатой стране, участвовать в клинических испытаниях, иметь деньги для их покупки, и достаточное количество интеллекта, чтобы успеть ориентироваться в новых технологиях.

То есть для того, чтобы успеть воспользоваться плодами ИИ в медицине, нужно развивать свой собственный интеллект и применять все остальные средства продления жизни.

8.3. Глобальная стратегия: Ускорение развития безопасного ИИ

Чем быстрее будет развиваться ИИ, тем быстрее он будет проникать в разные медицинские технологии и тем проще его будет применять для продления жизни — при условии, если мы решим проблему безопасности ИИ, которая находится за рамками данного исследования.

8.4 Локальная стратегия. Использование ИИ для борьбы со старением, сбора данных цифрового бессмертия, и создание социальной сети

Локальная стратегия — это то, что актуально прямо сейчас для людей и организаций, которые хотят максимально приблизить продление жизни с помощью медицинского ИИ.

Современный специализированный ИИ наибольше подходит для анализа больших баз данных. Нужно использовать ИИ для выявления сущностных биомаркеров старения, а затем тестировать комбинации геропротекторов по эти биомаркерам с учетом индивидуальных особенностей людей. Чтобы организовать такое тестирование, нужно собрать очень много данных с очень большого числа людей, для чего необходима специализированная социальная сеть, которую мы предлагаем создать на базе пациентской организации людей борющихся со своим старением.

Мы можем уже сейчас строить сеть для интеграции с ИИ, сбора данных цифрового бессмертия и тестирования терапий. И при этом мы будем использовать те механизмы Ии, которые уже существуют, а затем

8.5 Зависимость приоритета деятельности от уровня развития ИИ

Пока ИИ находится на уровне специализированного анализатора данных, наибольшая польза от него будет в разработки персонализированных геропротекторов, то есть установления, какие геропротекторы будут полезны каким людям.

Когда он достигнет около-человеческого уровня, то наибольшая польза от него будет в виде робота врача, имеющего постоянный доступ к тысячам параметров состояния ораганизма, и возможность их постоянно корректировать.

А когда он будет близок к сверхинтеллекту, то главный вклад будет в виде киборгизации тела нанороботами и загрузки сознания в компьютер.

Благодарности:

Мы хотим поблагодарить Анастасию Егорову, Максима Холина, Сергея Шегурина за интересные дискуссии, которые помогли нам в работе.

Литература:

Мы еще отдельно составим большой спсок литературы, а пока рекомедуем: Бостром «Искусственный интеллект”, много Курцвейла, Дрекслер «Наномедицина»

Open Longevity RUS

Open Longevity-сообщество рациональных людей, действующих в пользу радикального продления жизни. На этом ресурсе мы создаем корпус текстов, детально описывающих нашу стратегию победы над старением. Мы предлагаем всем заинтересованным людям включиться в нашу работу.

Alexey Turchin

Written by

Open Longevity RUS

Open Longevity-сообщество рациональных людей, действующих в пользу радикального продления жизни. На этом ресурсе мы создаем корпус текстов, детально описывающих нашу стратегию победы над старением. Мы предлагаем всем заинтересованным людям включиться в нашу работу.

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade