Очерки о технологической сингулярности. Часть II: техносингулярность и биотех
Автор: ИкелайяРазмявшись на творческих нивах, которые техносингулярность уже пощупала за всякое, давайте глянем, как дела обстоят в насущном. А порой и наболевшем. То бишь, в медицине и биотехе. Там, где начинается настоящий жесткач, сложный для восприятия. Поэтому сегодня почти без картиночек (ну, почти…). Только чистая инфа. Только хардкор.
И дискурс пойдёт через исторический экскурс. Тему охватим, увы, не полностью, но всё равно с лихвой. И даже лихом.
Поехали.

В биотехе, на самом деле, произошла тьма интереснейших событий. Но я не ставлю задачу перечислить всё, а исхожу именно из междисциплинарных достижений в интеграции с искусственным интеллектом. Спираль заметных событий начала стремительно закручиваться между 2010 и 2020 годами. В этом интервале появились различные инструменты машинного обучения. Так, в 2017 году представлен DeepVariant для идентификации генома. Принадлежащий Google и предназначенный для высокопроизводительного секвенирования геномов, он выложен на репозитории GitHub и развивается до сих пор.
В 2018 году немецкие и американские специалисты из области биоинформатики с помощью машинного обучения пробовали моделировать метаболические процессы. Уже тогда учёные проявляли особый интерес к ферментативной кинетике, и неспроста. Это дисциплина изучает механику и скорость протекания биохимических реакций в зависимости от используемых каталитически активных белков (ферментов). Нетрудно догадаться, что исследователи нацеливали искусственный интеллект на прорывные достижения в биотехе. Например, в синтетической биологии, дающей возможность не просто изучать биохимические процессы, а создавать новые организмы с иными ферментативными системами.
Белки, являющиеся стройматериалом и двигателем жизни, уже давно под прицелом. Например, учёные из группы «iMolecule» от Сколтеха в 2020 году разработали нейросетевую систему для поиска у белков сайтов связывания с лекарствами, т.е. потенциальных лекарственных мишеней. Алгоритм, названный BiteNet, за 1,5 минуты анализирует 1000 белковых структур по 2000 атомов каждая и находит подходящие участки для связывания с лекарственными молекулами.
Похожий принцип «iMolecule» применила в 2022 году, но уже к «коду жизни»: нуклеиновым кислотам. Оперируя данными о структурах РНК и ДНК, этот нейросетевой инструмент предсказывает участки этих молекул, пригодные для взаимодействия с предполагаемыми лекарствами. А зная сайты связывания, можно целенаправленно и более эффективно находить формулы новых препаратов, в том числе противовирусных. И, быть может, мы победим зловещие филовирусы (лихорадка Эбола), жуткие рабдовирусы (бешенство), беспощадные ретровирусы (ВИЧ) и так далее.
Число потенциальных высокоэффективных формул против бактерий и вирусов почти невозможно представить. Можно лишь догадываться и утирать пот занавеской.
Весной того же года научная группа «Биоинформатика» российского Института изучения искусственного интеллекта AIRI (Artificial Intelligence Research Institute) представила нейросеть GENA-LM. Обученная на дата-сете T2T-CHM13, содержащем огромный массив данных про человеческий геном, она открыла неплохие перспективы для прецизионной медицины, подразумевающей персонализированный подход к отдельно взятому человеку.
А это высокие шансы снайперски бить по конкретной патологии отдельно взятого человека вне общих стандартов, применимых к тем или иным клиническим тактикам, порой так похожим на пекло артиллерийской подготовки: одно лечишь, а другое калечишь.
Кроме того, по личному опыту сообщаю, что стандартная тактика при существующих достоинствах далеко не всегда работает для разных людей, объединённых общей основной патологией. Хотя бы по причине коморбидности («букета заболеваний») и куче других факторов. Персонализированная медицина, надеюсь, позволит решать сложные клинические задачи меньшей кровью.
Воистину «cura aegrotum, sed non morbum»1, как нас учили.
Мощно выступили зарубежные нейросети AlphaFold от «Alphabet» и RoseTTAFold от Института белкового дизайна. Они уже навострились довольно точно предсказать пространственную форму почти всех известных сложных белков по их аминокислотным последовательностям. И если в 2021 году AlphaFold 2 предсказала структуры 350 000 белков, то в 2022 году она получила феноменальные 200 000 000 молекул, т.е. почти все известные на тот момент белки на планете.
В том же 2022 году в Штатах разработана нейросеть ProteinMPNN (Protein Message Passing Neural Network) для генерации множества вариантов аминокислотных последовательностей. Работающая в 200 раз быстрее, чем предшественники, она в связке с AlphaFold 2 распахнула целую вселенную нейросетевого белкового дизайна и инжиниринга.
И эти события не переоценить. Просто посмотрите, сколько раньше времени занимали поиски структур таких молекул, как инсулин (полипептидный гормон), или же трипсин (фермент). Это же десятилетия!
Теперь же за часы и даже минуты можно смоделировать и спроектировать десятки, если не сотни вариантов структур, из которых можно выбрать действительно рабочие варианты.
Так, в ноябре 2023 года американская биотехнологическая компания «Generate:Biomedicines» представила ИИ Chroma. Инструмент проектирует новые белки «с нуля» под конкретные задачи. Выложенная на GitHub, Chroma развивается до сих пор.
2024 год отметился тем, что вышедшая в поле AlphaFold 3 научилась предсказывать структуры уже не просто белков, а их сложных комплексов с нуклеиновыми кислотами (ДНК и РНК), низкомолекулярными соединениями, лигандами (атомами/молекулами-перемычками) и модифицированными остатками.
В том же году нейросеть OpenCRISPR благодаря генерации структур и синтезу более 200 специфичных Сas9-подобных белков (упрощённо, разрезателей нуклеиновой кислоты) уже умеет аккуратно и точно редактировать человеческий геном, прицельно отрабатывая как по его повреждённым участкам, так и по генам, отвечающим за наследственную патологию.
Здесь бы рассказать о зловещей биотехнологической программе PENG от DARPA, но это в других сериях, посвящённых войне.
В 2026 году «Google DeepMind» представила ИИ-модель AlphaGenome, разработанную для анализа генома. Обрабатывающая длинные последовательности ДНК с разрешением до одной пары азотистых оснований, она охватывает как кодирующие (экзоны), так и некодирующие (интроны) участки генома. Это, например, позволяет нейросети оценить влияние одиночных мутаций на перспективу, то есть на поколения вперёд. Несмотря на то, что она способна обрабатывать нуклеотидные последовательности до 1 000 000 пар оснований, точность анализа начинает проседать после 100 000 пар оснований. Кроме того, выученная на человеческом и мышином геномах, модель пока не предназначена для персонализированных исследований, не говоря уже про упомянутую выше прецизионную медицину.
Нейросети также нашли прикладное применение и в «обычной», старой доброй и столь забюрократизированной медицине.
Так, в феврале 2017 года в журнале Nature описана работа нейросети Inception v3. Обученная на датасете из 130 000 изображений, она специализировалась на выявлении кожной онкологии. При этом она справлялась как минимум не хуже, чем контрольная группа медиков. Впрочем, в клиническую практику нейросеть не вошла, уступив место более совершенным архитектурам.
В 2020 году ИИ помог учёным Флоридского университета выявлять болезнь Паркинсона. Причём на ранних стадиях, да ещё и по снимкам глазного дна. Натасканная на этих данных, нейросеть выявляла характерные структурные повреждения микрососудистой сети сетчатки, что и стало маркёром.
В том же году американский ИИ определил бессимптомный Covid-19 по кашлю у 98,5% людей с подтверждённым ковидом и 100% бессимптомных больных. Для этого нейросеть обучили на десятках тысяч записях разговоров как по телефону, так в мессенджерах.
На звуках учились и отечественные нейросети. В 2021 году разработчики компании «СберМедИИ» выпустили приложение AI Resp. Анализируя звуки дыхания и кашля, оно за 1 минуту выявляло особенности, характерные для Covid-19. Дата-сет инструмента содержал более 3 000 анонимных записей пациентов, больных ковидом. Точность работы нейросети на момент запуска достигала 82%. За это в 2022 году приложение получило премию Digital Communications AWARDS.
Но счастье длилось недолго – в том же году приложение убрали из магазинов приложений. Сложно сказать, по каким причинам. Вероятно из-за того, что в 2020 году мы все резко выздоровели от ковидлы, что сыграло на актуальности приложения и его неотвратимом устаревании. Гадать не буду.
Впрочем, от этой же компании существуют и другие серьёзные вспомогательные ИИ-системы: «КТ Лёгких», выявляющая лёгочную патологию, и «КТ Инсульт», распознающая кровоизлияния на томограммах головного мозга. А модель «Маммография. Технический контроль» от того же «СберМедИИ» уже хорошо показала себя в диагностике заболеваний молочной железы, став добротным инструментом в отечественной клинической практике.
Аналогичные алгоритмы создавали и за рубежом. Так, хорошо себя показала американская модель машинного обучения Mirai, определяющая по маммографиям риск онкологии молочной железы и даже предсказывающая недостающие данные о женщинах (возраст, масса тела, уровень гормонов в крови).
Но я как-то слишком плавно съехал с темы голоса к сиськам. Возвращаемся обратно.
По голосу искин выявлял и гипертонию. Так в 2024 году канадское исследовательское подразделение «Klick Labs» компании «Klick Health» разработало нейросеть, выявляющую повышенное артериальное давление по голосу с точностью до 84% у женщин и до 77% у мужчин. Проект ещё находится на исследовательской стадии, как и схожая технология от этой же компании для выявления сахарного диабета 2 типа.
Нюансы в речи искин замечал и для диагностики нейродегенеративной патологии, например, болезни Альцгеймера. Так в 2020 году GPT-3 уже могла оценивать развитие деменции примерно на 20% точнее, нежели существовавшие и использовавшиеся на тот момент системы. На 2026 год эта модель, понятное дело, уже не применяется, т.к. эволюционно вытеснена новыми LLM, но сам результат, пусть и в ретроспективном ключе, довольно примечателен.
И сразу немного отвлекусь. Крупные нейросети уже испытывают информационный голод. Но при этом они всегда будут учиться. В той или иной форме.
На нас.
На нашей жизни. Это к слову о телефонных и прочих разговорах, которые «записываются для улучшения качества обслуживания». О социальных сетях. Персональных данных. Биометрии.
Даже на наших мыслях.
Ведь ценнейший ресурс для нейросетей – это мы сами. Об этом в следующих главах. А сейчас хотелось бы продолжить рассказ о других нейросетевых достижениях в медицине. И не только в медицине…
Вот в 2023 году ИИ крайне ловко продемонстрировал… оргазм. Точнее, помог его визуализировать.
Пытливые умы из английской компании «LoveHoney» (производитель секс-игрушек) привлекли десятерых энтузиастов: пятерых мужчин и столько же женщин для особенного эксперимента. Цель его – нарисовать их оргазмы.
Нацепив на добровольцев кардиомониторы, исследователи выдали подопытным рабочие инструменты, которые, как нетрудно догадаться, представляли собой разномастный секс-инвентарь.
Посвятив добровольцев во все нюансы эксперимента, и обозначив, что да как надо делать, британские затейники следили за ходом опыта, что называется, во все глаза. И в самом разгаре неистового научного рукоблудия эксперты компании объединили показания кардиомониторов с новой технологией, чтобы воочию полюбоваться на визуальное воплощение удовольствия. В итоге столь ответственного процесса появилось это:

Фото 1: пример визуализации мужского оргазма.

Фото 2: пример визуализации женского оргазма
Жгите дальше, шалуны!
Это не единственная пикантная причуда на 2023 год. Тогда же отметилась компания «Lovense», создав секс-игрушку с искусственным интеллектом. Новый агрегат от предприимчивых сингапурцев получил пафосное и одновременно настораживающее название Advanced Lovense ChatGPT Pleasure Companion.
Пользователь, желающий срочно потешить нижнюю чакру, запускает мобильное приложение, где специально обученный ИИ создаёт эротические истории. После чего шаловливый искин начнёт рулить процессом, томно нашёптывая озвученную историю и не забывая нежно трогать балдеющего рукоблуда за причинное своими игрушками для сладострастных утех.
После таких заявок в секс-хай-техе переходить к сухой науке уже как-то грустно.
Но мы стойкие и любознательные. Крепкие и плечистые, нас не заманишь, как в известной присказке, местами мясистыми.
Правда ведь?
В 2022 году британский ИИ Quartz (QUantitative Analysis of Retinal vessels Topology and siZe) научился за 1 мин точно предсказывать риск сердечно-сосудистых катастроф и смерти от них. Система оценивает изменения вен и артерий сетчатки глаза человека, которые довольно точно указывают на ранние стадии болезни. Метод, что важно, неинвазивен. Также планируется оценка риска развития инсульта, но система на 2026 год пока не вошла в широкую клиническую практику.
В том же году китайские учёные разработали няню-робота с искусственным интеллектом. Правда, «няня» следит не за человеческими, а за мышиными эмбрионами, развивающимися в искусственной матке, ибо международные законы пока запрещают эксперименты на человеческих эмбрионах.
Всесторонне занятые нашими телесами, нейросети активно ищут и биологические маркеры возраста и старения. Наборы таких показателей называются DAC (т.н. «Deep Aging Clocks») и бывают разных типов: генетические, эпигенетические, протеомные, психологические, результаты общего анализа крови, ЭКГ, ЭЭГ, регтгенограммы, томограммы, даже фотографии лиц и так далее.
Алгоритмы машинного обучения позволяют превратить любой из DAC в биомишень для сенолитиков (препаратов против старения). Работая с фармакологическими базами данных с миллионами молекул, ИИ определяет потенциальные формулы сенолитиков и даже генерируют потенциально пригодные структуры «с нуля».
Поразительным примером такой субстанции является экспериментальный препарат-кандидат рентосертиб, разработанный компанией «Insilico Medicine» с помощью искусственного интеллекта и по состоянию на сентябрь 2026 года проходящий фазу поздних клинических испытаний.
Изначально предназначенный для лечения идиопатического лёгочного фиброза (он же ИЛФ, хроническое прогрессирующее заболевание, постепенно приводящее к фиброзной трансформации лёгочной ткани и её «выключению»), рентосертиб оказался и потенциальным сенолитиком. Данных пока мало, будем посмотреть в будущем.
А какие инструменты машинного обучения применяет «Insilico Medicine»? Это, например, Chemistry42 для поиска новых молекул с их оптимизацией под медикаменты. А также PandaOmics для поиска терапевтических целей. Среди мишеней уже упомянутый ИЛФ, а также БАС (боковой амиотрофический склероз), онкология, приснопамятная ковидла и пр.
Если подобные технологии встанут на поток, то есть шанс удешевления генно-инженерных лекарств. Ибо существующие препараты, такие как золгенсма, рисдиплам, спинраза стоят неподъёмно дорого. Стоимость той же золгенсмы, разработанной для лечения СМА (наследственной спинальной мышечной атрофии) и полученной без применения ИИ, составляет на 2026 год, в среднем, 94 000 000 рублей.
Подешевела. Раньше стоила под 186 000 000 рублей.
Прогресс идёт и в оперативной хирургии. Достижений реально много, но весьма заметным и знаковым примером стала операция по субретинальной инъекции, удалённо проведённая в Китае в 2025 году через расстояние более 4200 км по каналу 5G и с помощью робота-хирурга. Подобная технология, кстати говоря, реализуется и на театре военных действий (ТВД), чтобы не подставлять под огневой удар высококвалифицированного специалиста.
ИИ-системы также применяются в кибернетике. Уже существуют различные инструменты и системы, помогающие слепым людям (например, ELVIS от российской компании «Сенсор-Тех», Seeing AI от «Microsoft», китайская «ИИ-поводырь»).
В 2025 году американский биотехнологический стартап «Nucleus Genomics» запустил программу «Nucleus Embryo», разработанную для т.н. «генетической оптимизации» будущего ребёнка (генетический анализ родителей и настройка генетического профиля ребёнка). Предоставляемая т.н. услуга предназначена для пар, проходящих процедуру ЭКО (экстракорпорального оплодотворения).
Честно говоря, я на данный момент считаю «геноптимизацию» лохотроном. Но в будущем ситуация действительно может измениться. Привет, «Гаттака».
Но что точно не лохотрон, так это хирургическое вмешательство в связи с врождённым пороком сердца, целиком и полностью проведённое искусственным интеллектом в Китае в сентябре 2026 года.
Помимо диагностики, консервативной и оперативной тактик, искусственный интеллект полез и в вакцинацию.
В 2026 году учёные Кембриджа и компании DIOSynVax с помощью ИИ создали универсальную ДНК-вакцину pEVAC-PS, направленную против целых вирусных семейств. Выявляющая общие слабые места у родственных вирусов, вакцина работает на опережение. Клинические испытания ведутся, но вакцина показала себя эффективной против всего рода сабековирусов, включая все варианты Sars-Cov-2 (дважды приснопамятной ковидлы), вируса атипичной пневмонии и даже близких им вирусов летучих мышей.
А теперь микробиологическую педаль газа в пол. В 2026 году американские нейросетевые инструменты Evo 1 и Evo 2, натасканные на массиве данных из геномов эукариотов, бактерий, архей и 2 000 000 геномов природных бактериофагов (вирусов-уничтожителей бактерий), уже создали 302 синтетических генома для уже искусственных бактериофагов. И 16 из них оказались жизнеспособными. Созданные на архитектуре фага Phi X-174 и направленные против 3 штаммов кишечной палочки с устойчивостью к своему естественному фагу, они со своей задачей справились блестяще. Обмениваясь генами, они быстро нашли отмычку к неприступным клеткам и уничтожили их с небывалой агрессией.
С одной стороны, это суперздорово. В руках медицины появляется мощный лом из вирусных векторов против щита антибиотикорезистентной (т.е. антибиотикостойкой) флоры и суперинфекции.
Но с другой…
С учётом того, сколько существует видов, штаммов, сероваров бактерий и вирусов, нейросетевому генотворчеству есть, где разгуляться. И не факт, что такие прогулки будут мирными. В 2025 году в «Microsoft Research» (США) с помощью нейросети BioEmu-1 уже смогли перепрограммировать структуру опасных белков, не видоизменяя их активные участки. Этот механизм позволил обойти проверку безопасности Международной инициативы по биобезопасности и биозащите в науке (IBBIS) и сделать эти белки «незаметными».
Как ни крути, но боевой нож, пусть и упрятанный в ножны, всё равно остаётся оружием. Даже под ширмой международного права и латаным-перелатаным одеялом истлевающей конвенциональности всё равно будут проворачиваться поразительно циничные и бесчеловечные схемы. Или же я плохо знаю человеческую природу.
Впрочем, о плохом поговорить ещё успеем, поэтому возвращаемся к биотеху конструктивному.
Так, отечественная ИИ-модель DeepGQ, разработанная НИУ ВШЭ в 2025 году, меня поразила в самом приятном смысле. Дело в том, что нейросеть хитрым способом помогает выявлять тяжкие недуги, такие как онкопатология и нейродегенеративные заболевания. А это произошло благодаря обучению на особых вариантах упаковки ДНК, называемых G-квадруплексами. Эти структуры специфичны для определённых видов тканей и важны в их функционировании. Обучение осуществлялось на 14 видах тканей (нервная, мышечная, паренхима печени, железистая ткань молочной железы и пр.), что даёт клиницистам разнообразные варианты борьбы с этими заболеваниями.
А в январе 2026 года в США представлена ИИ-система CLASSIC (Combining Long and Short range Sequencing to Investigate Genetic Complexity). Метод позволяет одновременно создавать и анализировать от сотен тысяч до миллионов вариантов ДНК, что раньше было невозможно выполнить классическими методами. По существу и без преувеличений, это новая веха в синтетической биологии, где можно создавать совершенно новые организмы.
Ещё в 2019 году в Лаборатории молекулярной биологии Кембриджа создан вариант кишечной палочки (штамм Syn61) с полностью синтетическим геномом. А в Миннесоте 1 июля 2026 года представлена полностью искусственная живая клетка SpudCell. Похожая на упрощённую бактериальную клетку, она создана из неживых компонентов и способна пройти полный жизненный цикл, делиться и даже проявлять атрибуцию естественного отбора.
Прорывом в синтетической биологии стало и создание хатимодзи-ДНК в 2019 году, базой для которой являются уже не 4 нуклеотида (цитозин, тимин, гуанин, аденозин), а аж восемь (дополнительные четыре обозначаются как Z, P, S, B). Так в 2026 году в ходе исследований в Калифорнийском университете РНК-полимераза кишечной палочки вполне смогла распознать эту хатимодзи-ДНК, взаимодействуя с ней как с природной ДНК.
Кроме того, учёные применяют ИИ для проектирования ДНК-оригами – вариантов компоновки ДНК с заданными геометрическими формами. Такая задача поставлена перед южнокорейским инструментом Generative SNUPI (Structured Nucleic Acids Programming Interface). Этот ИИ способен создавать разнообразные варианты ДНК-оригами, а заодно и собирать из них более крупные структуры. Начиная с демонстрационных звёздочек, цветочков, собачек, портрета Моны Лизы и заканчивая перспективными молекулярными машинами и векторами для переноса лекарств.
Кстати, позвольте в тему прихвастнуть: технологии на основе хатимодзи-ксенонуклеиновой кислоты я упоминал в своём рассказе в жанре твёрдой научной фантастики «Сундук сокровищ», написанном в конце 2020 года и даже ставшим финалистом международного конкурса. Вот.
Это лишь малая часть примеров из синтетической геномики и синтетической биологии, которая может быть направлена как во благо, так и во зло.
Дочитали?
Молодцы, ибо пора подводить предварительные биотехнологические итоги.
Ох, катится волна… Технологии обширного междисциплинарного кластера, сочетающего такие области знаний, как биология (в широчайшем смысле) и ИИ (тоже в широчайшем смысле) развиваются чрезвычайно стремительно. Возможно, это приведёт нас к эпохе биологического преображения.
Классическая и персонализированная медицина, синтетическая биология, агротехнологии, геномика, протеомика, вычислительная биология, нанотех, бесчисленные разновидности молекулярных машин с заданными свойствами…
Биологическое оружие.
Может быть, победим даже кошмарные и до сих пор несломленные прионные болезни. Кто знает?
Верим, надеемся, ждём.
С уважением, Death Continuum.
Примечание:
- «Сura aegrotum, sed non morbum» с латыни означает «лечи больного, а не болезнь».