Какую задачу решила нейросеть: белки, антибиотик, плазма и погода
Какую задачу решила нейросеть: белки AlphaFold, антибиотик галицин, плазма в токамаке, прогноз погоды и новость 2026 года. Что решено и о чём спорят.
Андрей
Преподаватель, научный редактор
6 мин чтения
Какую задачу решила нейросеть? Если ты видел такую новость осенью 2026 года, речь почти наверняка о задаче тысячелетия про уравнения Навье–Стокса: решение заявлено, и его проверяют математики. А до этого нейросети уже помогли решить несколько настоящих научных задач. Самые известные — форма белков (AlphaFold, за неё дали Нобелевскую премию по химии 2024 года), поиск нового антибиотика (2020), удержание плазмы в термоядерной установке (2022) и быстрый прогноз погоды на десять дней (2023).
У всех этих историй одна общая черта, и о ней живучий миф: раз нейросеть решила задачу, значит, учёные теперь понимают, как устроено явление. Это не так. Я попросил нейросеть LibraChat рассказать об этих случаях для школьного доклада, и сам ответ этот миф опроверг.
Как спросить, чтобы ответ годился для доклада
Мой запрос был от лица десятиклассника:
Я в 10 классе, пишу доклад по информатике о том, какие научные задачи помогли решить нейросети. Расскажи о трёх-четырёх известных случаях с годами: что это была за задача, что сделала нейросеть и что в этой истории до сих пор обсуждают учёные.
Последняя часть запроса здесь главная. Если её убрать, придут одни победы, без единого сомнения. С ней каждая история приходит с честной оговоркой, и доклад звучит как работа исследователя, а не как рекламный буклет.
Признаюсь, первая формулировка того же вопроса получила странный отказ, совсем не по теме. Я переписал запрос, объяснив, зачем он мне, и ответ пришёл. Второй вариант ушёл в LibraChat новым сообщением в чистом чате. Годы, имена и журналы из ответа я сверил: всё совпало с тем, что известно о каждой работе.
Ответ начался с вывода, который я бы поставил эпиграфом к докладу:
Они ускорили поиск ответа, но учёные до сих пор спорят, поняли ли мы явление или только научились его хорошо угадывать.
Дальше — четыре истории, и в каждой этот спор свой.
Миф первый: если задача решена, её поняли
Первая история — о белках. Белок — цепочка аминокислот, которая сворачивается в объёмную форму, и от формы зависит его работа в клетке. Предсказать форму по цепочке пытались полвека. В 2020 году система AlphaFold 2 компании DeepMind на слепом конкурсе CASP14 предсказала структуры многих белков с точностью, близкой к эксперименту. В 2024 году Демис Хассабис и Джон Джампер получили за это Нобелевскую премию по химии, вместе с Дэвидом Бейкером.
Это настоящее решение задачи, которую человечество не могло решить десятилетиями. И всё же ответ честно говорит о главном ограничении:
Сеть даёт форму, но не объясняет, почему цепочка свернулась именно так.
Как научный редактор я бы попросил ученика вынести эту фразу на отдельный слайд. В ней разница между предсказанием и пониманием. Химик получил форму, которую раньше ждал бы месяцами эксперимента. А физику самого сворачивания нейросеть ему не объяснила.
Миф второй: нейросеть придумывает лекарства
Вторая история — антибиотик. Бактерии всё чаще не поддаются старым лекарствам, а перебирать молекулы в лаборатории долго. В 2020 году группа из MIT описала в журнале Cell нейросеть, которая научилась отличать молекулы, убивающие кишечную палочку. Из библиотеки соединений она выбрала вещество, которое раньше изучали совсем для другого. Его назвали галицином, и в опытах оно убивало устойчивые бактерии.
Звучит как «нейросеть изобрела лекарство». Ответ это поправляет:
Это не молекула, придуманная с нуля: сеть нашла новое применение уже известному соединению.
И ещё точнее:
Успех в пробирке и на мышах — ещё не лекарство в аптеке: впереди токсичность, дозы и клинические испытания.
Это хорошая поправка к заголовкам. Нейросеть сократила поиск кандидата. Но путь от кандидата до таблетки по-прежнему проходят люди, и он долгий.
Миф третий: нейросеть заменила физику
Третья и четвёртая истории — о том, где нейросеть работает рядом с физикой, а не вместо неё.
В 2022 году DeepMind и Швейцарский плазменный центр опубликовали в Nature систему, которая управляла магнитными катушками исследовательского токамака TCV. Плазма неустойчива, и удерживать её в нужной форме трудно. Нейросеть научилась этому в симуляторе, а потом справилась на настоящей установке. Ответ сразу ставит границу:
Энергию «из розетки» эта работа не дала: она ускорила эксперименты, а не закрыла проблему синтеза.
В 2023 году в Science вышла модель GraphCast, которая строит глобальный прогноз погоды на десять дней быстрее суперкомпьютера и по большинству показателей точнее одной из лучших обычных систем. Казалось бы, вот где нейросеть вытеснила уравнения атмосферы. Но:
GraphCast не собирает сама стартовое состояние атмосферы: усвоение свежих наблюдений по-прежнему делает физическая система, и на это уходит большая часть счёта.
То есть нейросеть стоит на плечах физической модели. Убери физику — и прогнозу не от чего оттолкнуться. Для доклада это сильный пример: новая технология не отменяет старую, а встраивается в неё.
Есть у GraphCast и слабость, о которой ответ тоже упоминает. Модель училась на прошлых данных о погоде, а резкие события, вроде внезапного усиления урагана, она ловит не всегда. Метеоролог при этом не видит, почему модель выдала именно такой прогноз. Для обычного дня это неважно, для штормового предупреждения — очень важно. Поэтому синоптики пользуются такими моделями как ещё одним мнением, а не как последним словом.
Какую задачу решила нейросеть в 2026 году?
В ответе её нет: я спрашивал о научных задачах в целом, и нейросеть выбрала четыре проверенные истории. Но раз тебя привела сюда новость, скажу коротко. Речь об уравнениях Навье–Стокса, которые описывают течение жидкости: осенью 2026 года OpenAI заявила, что её система построила для них доказательство. Институт Клэя, который назначает премию, назвал задачу, по-видимому, решённой, но премию не присудил: решение должно пройти публикацию и проверку сообществом. Подробно эту историю и способ проверить такие новости я разобрал в статье о задаче тысячелетия и нейросети.
И здесь тот же миф. Если доказательство подтвердят, это будет решённая задача. Будет ли она понятой — отдельный вопрос, и спорить о нём будут ещё долго.
Как собрать из этого доклад
Если ты пишешь доклад, вот порядок, который я бы посоветовал. С ним доклад держит одну мысль от начала до вывода и не рассыпается на отдельные факты, которые слушатель забудет к концу.
начать с вопроса из конца ответа: точный ответ без объяснения — это решение задачи или только хороший прогноз;
взять две-три истории, а не все четыре, и к каждой дать «что решено» и «о чём спорят»;
проверить годы и названия журналов по научно-популярным источникам, а не только по ответу нейросети;
закончить своим мнением, а не цитатой.
Ответы нейросети бывают неточными, даже когда звучат уверенно. В этом ответе я ошибок не нашёл, но проверял, и тебе советую.
