AIは科学のやり方を変えることができるでしょうか?

人工知能 (AI) は、これまでにない方法で科学分野を形成しています。研究プロセスの加速から新たな研究仮説の生成まで、AI の追加は科学に大きな可能性をもたらします。

今年初め、現代 AI のゴッドファーザーの一人であるヤン・ルカン氏は、「人間の知能を増強することで、AI は新たなルネサンス、おそらく啓蒙主義の新たな段階を引き起こす可能性がある」と述べた。

現在、AI はすでに、新しい抗生物質、バッテリーや太陽電池パネル用の新素材の発見、短期的な天気の予測、核融合の制御など、既存の科学的プロセスの一部をより迅速かつ効率的に行うことができます。 Google DeepMindのCEO、デミス・ハサビス氏はAIを望遠鏡に例え、「AIは新たな発見のルネッサンスをもたらし、人間の知能を倍増させる役割を果たす可能性がある」と主張した。

しかし、AI は科学のやり方そのものを変えることで、より多くのことを実現できるのでしょうか?

文献に基づく発見: AIが科学的知識の発掘をリード

実際、この変化は以前にも起こっています。

17 世紀に科学的手法が登場すると、研究者たちは古代人の伝統的な知恵よりも、実験的観察とそこから導き出された理論を信頼するようになりました。 19 世紀後半に研究機関が設立されたことにより、化学から半導体、医薬品に至るまでさまざまな分野で革新が起こりました。こうした変化は科学の生産性を高めただけでなく、科学そのものを変革し、新たな研究と発見の分野を開拓しました。

では、当時、AI はどのようにして、新しい結果を生み出すだけでなく、新しい結果を生み出す新しい方法を生み出すという同様の変革を実現できたのでしょうか?

有望なアプローチの 1 つは、文献に基づく発見 (LBD) です。

LBD は AI 手法として、科学文献を分析することで新たな発見をすることを目指しています。シカゴ大学のドン・スワンソン博士は、1980 年代初頭に、医学雑誌データベース MEDLINE で新しい関連性を見つけるための最初の LBD システムを確立しました。このアプローチの初期の成功の 1 つは、レイノー病 (循環器系の病気) と血液粘度の相関関係と、魚油が治療に有効かもしれないという示唆であり、この示唆は後に実験的に確認されました。しかし、当時のLBDシステムの範囲は限られていました。

今日、AI は自然言語処理 (NLP) において大きな進歩を遂げ、科学文献の量も劇的に増加したため、LBD 方式はさらに強力になっています。たとえば、2019年に米国のローレンス・バークレー国立研究所の研究者は、教師なし学習技術を使用して材料科学文献の要約を分析し、「単語埋め込み」と呼ばれる数学的表現に変換しました。このアプローチにより、AI システムは「化学的な直感」を獲得し、特定の特性を持つ可能性のある新しい材料を提案できるようになります。実験検証の結果、上位 10 個の候補材料すべてが優れた性能を示しました。

シカゴ大学の社会学者ジャムシド・ソウラティ氏とジェームズ・エバンス氏が最近『ネイチャー・ヒューマン・ビヘイビア』誌に発表した論文は、このアプローチを斬新な方法で拡張している。研究者たちは、概念と著者の両方を考慮に入れるようにシステムを訓練し、以前よりも良い結果を達成しました。さらに、彼らはシステムに主流の研究方向から遠ざかり、通常の状況では発見されそうにない「異質な」仮説を特定するよう求めた。このアプローチは科学的発見を加速させるだけでなく、新たな「盲点」を明らかにすることにも役立ちます。

今日、LBD システムは、新しい研究仮説を生み出すだけでなく、潜在的なパートナーを特定し、学際的なコラボレーションを促進することもできます。このアプローチの適用範囲は、表、グラフ、データなどのさまざまな種類のドキュメントを処理できるように拡張されており、科学者に幅広いサポートを提供します。

ロボット科学者：AIが研究室に革命を起こす

ロボット科学者は、従来の研究室自動化を超えたもう一つの刺激的な発展を表しています。彼らは、データ、研究論文、特許の形で特定の研究分野についての背景知識を獲得し、仮説を立て、実験を行い、結果を評価し、最終的に新しい科学的知識を発見します。

アベリストウィス大学の「アダム」は、酵母の代謝における遺伝子と酵素の関係についての実験が典型的な例である、新しい科学的知識の自律的な発見を初めて成し遂げた先駆的なロボット科学者です。

Eve のようなより高度なロボット科学者は、実験を計画し分析する際に、機械学習を使用して「定量的構造活性相関 (QSAR)」、つまり化学構造と生物学的効果を関連付ける数学モデルを作成します。イブは新薬発見に使用され、歯磨き粉に使用される抗菌化合物であるトリクロサンがマラリアを引き起こす寄生虫の重要なメカニズムを阻害できることを発見しました。

かつては、機械が人間の最強プレイヤーに勝つ見込みはまだ数十年先のことのように思われていましたが、テクノロジーは予想よりも速いペースで進歩しています。ロボット科学者の能力が向上するにつれ、チェスをプレイできる AI システムと競争できるようになるのもそう遠くないだろう。

アダムを作成したケンブリッジ大学のAI研究者ロス・キング氏は、「AIが仮説空間全体を探索したり、さらに拡張したりできれば、人間はおそらく自らの科学的偏見のせいで仮説空間のほんの一部しか探索していないことがわかるかもしれない」と語った。

ロボット科学者は、科学分野における効率性の問題を解決することで、科学研究をユニークな方法で変えています。科学研究は効率が低下し、知識の最先端を前進させる能力が低下していますが、ロボット科学者は AI 駆動型システムを通じてこの問題に対処することができます。機械は人間よりも速く、安く、正確に実験室での作業を実行し、24 時間体制で作業できるからです。さらに、再現可能な実験結果を提供できるため、再現性の危機が緩和されます。

科学におけるAIの可能性と課題

AIは科学において大きな可能性を秘めていますが、いくつかの課題にも直面しています。

ハードウェアとソフトウェアの改善と両者のより緊密な統合に加えて、ラボ自動化システム間の相互運用性の向上、および AI アルゴリズムが意味情報を交換および解釈できるようにする共通標準も必要になります。もう一つの障害は、科学者が AI ベースのツールにあまり精通していないことです。さらに、研究者の中には、自動化によって自分たちの仕事が脅かされるのではないかと懸念する人もいます。

しかし、南カリフォルニア大学のコンピューター科学者、ヨランダ・ギル博士は、AIの影響は今や「深く広範囲に及んでいる」と述べた。現在、多くの科学者が「AI パートナーを積極的に探している」。特に材料科学や創薬の分野では AI の可能性に対する認識が高まっており、実践者たちは独自の AI システムを構築しています。

全体的に、科学雑誌は科学者が情報を発見し、互いに学ぶ方法を変えました。研究室では実験の規模を拡大し、実験の産業化を実現しました。最初の 2 つの変更を拡張して組み合わせることで、AI は実際に科学の実施方法を変えることができます。

参考リンク:

https://www.economist.com/science-and-technology/2023/09/13/could-ai-transform-science-itself

https://www.economist.com/science-and-technology/2023/09/13/how-scientists-are-using-artificial-intelligence

著者: ヘイゼル・ヤン

編集者: ページ

===