DeepMind и Минэнерго США: проект Genesis для науки на ИИ

Что произошло

Google DeepMind объявила о поддержке инициативы Genesis — программы Министерства энергетики США (Department of Energy, DOE), которая ставит целью ускорить научные исследования с помощью искусственного интеллекта. Речь идёт о связке моделей DeepMind, суперкомпьютеров национальных лабораторий DOE и массивов научных данных, накопленных за десятилетия государственных исследований.

Genesis подаётся как национальная миссия: свести под одну крышу вычислительную инфраструктуру, экспериментальные установки и ИИ-инструменты, чтобы сократить цикл от гипотезы до проверенного результата. DeepMind в этой конструкции выступает поставщиком моделей и методологии, DOE — данных, установок и суперкомпьютеров.

Точные сроки запуска отдельных направлений и полный список участников на момент объявления публично не детализированы — их стоит сверять по официальным сообщениям DOE и Google DeepMind, а не считать финальными.

Зачем это Министерству энергетики

DOE — это не только энергетика в бытовом смысле. Под министерством работает сеть национальных лабораторий: Oak Ridge, Argonne, Lawrence Berkeley, Los Alamos и другие. Там стоят одни из самых мощных суперкомпьютеров мира и ведутся исследования по материаловедению, термоядерному синтезу, климату, биологии и физике высоких энергий.

Проблема этих лабораторий не в нехватке данных, а в скорости их осмысления. Эксперимент на ускорителе или расчёт свойств нового материала генерирует объёмы, которые человек перебирает годами. Идея Genesis — поставить ИИ на этап генерации и отбора гипотез, оставив людям постановку задач и финальную проверку.

Ценность не в том, что ИИ заменит учёного, а в том, что он сожмёт перебор вариантов: там, где раньше проверяли сотни кандидатов вручную, модель предлагает десяток осмысленных за часы.

Что уже умеет DeepMind в науке

Заявка Genesis опирается на предыдущие научные проекты компании, которые дают представление о том, чего ждать.

• AlphaFold — предсказание трёхмерной структуры белков по аминокислотной последовательности. За работы, связанные с этим направлением, Демис Хассабис и Джон Джампер получили Нобелевскую премию по химии 2024 года.
• GNoME — модель для поиска стабильных неорганических материалов; DeepMind сообщала о предсказании сотен тысяч потенциально стабильных структур.
• AlphaProof и AlphaGeometry — системы для доказательства математических утверждений и решения олимпиадных задач.

Genesis, по сути, пытается перенести этот подход с отдельных задач на инфраструктурный уровень: не одна модель под одну проблему, а платформа, доступная лабораториям под разные научные направления.

Как это выглядит рядом с другими научными ИИ-инициативами

DeepMind не единственный, кто заходит в государственную науку с ИИ. Прямых аналогов «модель плюс национальные суперкомпьютеры» немного, но сравнить подходы полезно.

Ключевое отличие Genesis — попытка не просто дать учёным модель или машинное время по отдельности, а собрать их в единый рабочий процесс под контролем государственного ведомства. Конкретные метрики ускорения — во сколько раз быстрее пойдут исследования — компания и DOE в анонсе не приводят с привязкой к бенчмарку, поэтому воспринимать их как измеренный результат пока рано.

Кому это пригодится, а кому нет

Genesis — история про институциональную науку, а не про рядового пользователя чат-бота. Отсюда и границы применимости.

Пригодится

• Исследователям национальных лабораторий DOE — они получают доступ к моделям поверх собственных данных и вычислений.
• Материаловедам и химикам — задачи поиска стабильных соединений и свойств материалов хорошо ложатся на подход GNoME и AlphaFold.
• Командам, работающим с термоядерным синтезом и климатом, — где перебор параметров симуляций критичен.

Не пригодится

• Разработчикам вне научного контура — это не продукт с API и подпиской, а внутренняя инфраструктура ведомства.
• Тем, кто ждёт готовый инструмент завтра, — программа заявлена как долгосрочная, без публичной даты общего доступа.
• Исследователям вне США — прямого участия сторонних стран инициатива не предполагает.

Что здесь спорно

Вопросов к Genesis больше, чем ответов, и это нормально для анонса такого масштаба. Первый — контроль над данными: национальные лаборатории оперируют в том числе чувствительной информацией, и участие частной компании в её обработке требует ясных правил. Второй — воспроизводимость: если гипотезы генерирует закрытая модель, научное сообщество должно понимать, как проверять её выводы независимо. Третий — деньги и приоритеты: любой такой контракт распределяет государственное машинное время, и на что именно его направят, определит, чья наука ускорится, а чья подождёт.

Пока DOE и DeepMind не опубликуют технические детали и метрики, оценивать Genesis стоит как заявку о намерениях с сильным послужным списком у исполнителя, а не как работающую платформу с доказанным эффектом.

Термин: агент — здесь программная система на базе ИИ-модели, которая не просто отвечает на запрос, а выполняет многошаговые задачи: планирует, обращается к данным и инструментам, проверяет промежуточные результаты. В научном контексте агент может сам предлагать эксперименты и отсеивать неудачные гипотезы до участия человека.