Используя тысячи искусственных нейронов, ИИ глубокого обучения может выполнять чрезвычайно сложные задачи. Например, распознавать кошек в видео или обнаружить опухоль при биопсии. Учитывая его силу и успех, не удивительно, что исследователи, ищущие новые лекарства, хотят использовать искусственный интеллект. Но это не так просто — не существует универсального алгоритма ИИ. Если алгоритм справился с одной задачей, скажем, с распознаванием лиц, то это не значит, что он сможет найти и новый вид лекарств. Следовательно, ученые не могут просто использовать готовый ИИ глубокого обучения. Его сперва нужно «вырастить».
Ученые из Массачусетского технологического института и Гарварда использовали новый тип искусственного интеллекта, называемый «графическими нейронными сетями», для поиска лекарств.
В 2010 году модели искусственного интеллекта, используемые для обнаружения лекарств, использовали текстовые описания химических веществ, которые похожи на описание лица человека с помощью таких словосочетаний, как «темные глаза» и «длинный нос». Данные текстовые дескрипторы полезны, но, очевидно, не отображают всю картину.
Метод искусственного интеллекта, разработанный учеными, описывает химические вещества как сетку атомов, что дает алгоритму более полную картину химического вещества.
Однако одного глубокого обучения для открытия новых антибиотиков недостаточно. Необходимо знание инфекций. Для этого ИИ обучили тому, какие лекарства являются эффективными, а какие — нет, и тому, какие препараты безопасны для человека.