AI as a Scientist 科学的発見を生み出す エンジンの創造

生物医学分野では、毎年200万本以上の論文が発表されます。腫瘍学、神経科学、免疫学といった分野では1日あたり数千本です。すべてを読むことは不可能です。さらに問題なのは、どの論文が重要になるかを事前に予測することができない点です。

「毎日目にするデータや論文のおかげで、私たちは多くのことを知っていると感じています。しかし実際には、私たちは闇の中を航行しているのです。」

— 北野宏明

15年前、北野のチームは出芽酵母の細胞周期の分子相互作用図を作成しました。2,000本以上の論文を読み、数ヶ月を要しました。この図は今でもゴールドスタンダードです。しかし更新されることはありませんでした。認知的負担があまりにも大きすぎるからです。

人工知能の分野は、歴史的にグランドチャレンジによって推進されてきました。コンピュータチェス、将棋、囲碁。各成功は3つの基本原則に依存していました。大量のデータ、大規模な計算能力、そして適切なAIアーキテクチャです。

1990年代、北野は「ロボカップ」を創設しました。これは「2050年までにサッカーのワールドカップチャンピオンを倒すことができる、完全に自律的なヒューマノイドロボットのチームを開発する」というチャレンジです。このチャレンジは数千人の研究者を集め、重要なブレークスルーを生み出しました。その一つがキバシステム（Kiva Systems）で、後にアマゾン（Amazon）に買収され、アマゾンロボティクス（Amazon Robotics）へと変貌しました。

「これらすべては3つの原則によって解決されるでしょう。大量のデータ、大規模な計算、そして適切なAIアーキテクチャです。」

— 北野宏明

人間の科学者は通常、1つか2つの仮説を生成し、これらが宇宙の謎を解き明かすことに賭けます。AIでは、このサイクルは前例のないものへと変貌します。慎重に選ばれたわずかな仮説ではなく、AIは仮説空間全体を探索し、論理的に一貫した膨大な数の仮説を生成し、それぞれを検証するための実験を体系的に計画できます。

これが科学的発見のための「ワープドライブ」です。大規模な知識抽出、大規模な仮説生成、大規模な実験、そして大規模な検証。すべてが継続的かつ自律的に動作します。

数百万の実験を実行するには、ロボットシステムが高精度で継続的に動作し、人間の介入なしにAIが設計したプロトコルを実行する必要があります。日本の沖縄島で、北野のチームはメタゲノム解析のためのエンドツーエンド自動化システムを構築しました。液体ハンドラーとアームマニピュレーターを搭載し、すべてのステップを自動的に実行する初期のプロトタイプです。

この自動化をメタボロミクス、エピジェネティクス、その他の実験領域に拡張し、すべての可能な実験を包括的にカバーすることを目指して計画が進められています。この野心的なビジョンには、真に普遍的な自動発見に必要な多様なプロトコルを開発し標準化するため、機関や学問分野を超えたグローバルな協力が必要です。

人間の科学者は、30年程度のキャリアの中で限られたリソースで研究します。そのため、正しい質問を問うことが重要になります。特定の質問に賭けざるを得ないわけです。しかしAIは異なります。

リソースの制約は依然として存在しますが、AIは質問空間全体を探索できます。人間が重要でないと考える領域を調査できるのです。それらは深く重要であることが判明するかもしれません。

これは科学の方法における根本的なパラダイムシフトです。AIは、はるかに広い探索空間の調査を可能にし、人間の認知には見えない接続を明らかにします。これらの能力が拡大するにつれて、AIは知識の景観において遠く離れた点をますます結びつけ、現在の人間の理解を超越する関係性と原理を明らかにするでしょう。