ИИ изучает ДНК и проверяет защиту переписки: два научных результата ноября, которые стоит понять
Пока мы обсуждаем, насколько красиво нейросеть пишет текст, исследователи поручают ей совсем другую работу: разобраться в действии генетических изменений и помочь доказать свойства компьютерной программы.
10 и 11 ноября Google DeepMind представила две разработки в этих направлениях. Интересны они не обещанием «заменить всех специалистов», а конкретными задачами, которые удалось продвинуть.
Одна ДНК — разные клетки
11 ноября компания объявила об AlphaGenome 2. По описанию разработчиков, модель предсказывает, как варианты последовательности ДНК влияют на работу определённых типов и состояний клеток.
Чтобы представить задачу, вообразите большую библиотеку инструкций: разным клеткам нужны разные её разделы. Поэтому одинаковое изменение в тексте может иметь неодинаковое значение в разных условиях.
Авторы сообщают об обучении на более чем 100 миллионах клеточных профилей. На наборе TenK10K показатель выявления причинных вариантов составил 30% против 16% в указанном сравнении с предыдущей моделью. Эти числа относятся к исследовательской проверке, а не к вероятности поставить человеку верный диагноз.
Практический смысл — помочь учёным выбрать более перспективные гипотезы для экспериментов. Разработчики отдельно указывают: AlphaGenome 2 предназначена для исследований и не одобрена для клинической диагностики.
Проверка программы, в которой недостаточно «вроде работает»
10 ноября DeepMind рассказала об AlphaProof Code. По сообщению команды, исследователи совместно с ИИ формально проверили ключевые свойства безопасности кода криптографического протокола Signal.
Обычный тест можно сравнить с проверкой нескольких дверей: открываются ли они нужным ключом. Формальное доказательство задаёт более строгий вопрос — выполняется ли выбранное правило при оговорённых условиях вообще.
Люди определяли и проверяли математические требования. ИИ-агенты создавали доказательства, а система Lean проверяла их. Авторы сообщают о более чем шести миллионах строк Lean и четырёх неделях работы процесса проверки.
Это не утверждение, что у приложения больше никогда не будет уязвимостей. Доказанные свойства имеют конкретные границы: они зависят от требований, модели и проверенного кода. Ошибки в других компонентах или обман пользователя таким результатом автоматически не исключаются.
Что объединяет эти новости
В первом случае ценность имеет предсказание, которое помогает поставить следующий эксперимент. Во втором — доказательство, которое можно проверить независимо от красноречия нейросети.
Для читателя это полезный ориентир. В новости об ИИ стоит искать три вещи: что именно проверили, с чем сравнили результат и где заканчиваются его возможности.
Обе разработки пока описаны здесь по сообщениям самой команды DeepMind. Это повод следить за дальнейшими исследованиями и независимой оценкой, а не объявлять все связанные задачи решёнными.
Какая работа ИИ кажется вам полезнее: помощь учёным или поиск и предотвращение ошибок в программах?
Источники:
Google DeepMind, AlphaGenome 2, 11 ноября 2026:
https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/
Google DeepMind, AlphaProof Code, 10 ноября 2026:
https://deepmind.google/blog/introducing-alphaproof-code/
