AIは科学者のツールになり得るか？ Nature がトップクラスの学者 5 人にインタビュー: コードの書き方を学び、期待を下げよう

[[430245]]

人工知能（AI）は、専用の研究分野から他の分野のツールへと徐々に移行しており、学際的なコラボレーションも促進しています。

スタンフォード大学の2021年AI関連データインデックスレポートによると、AI関連のジャーナル出版物の数は2019年から2020年にかけて34.5%増加し、2018年から2019年にかけては19.6%増加しました。 2019年、AI関連の出版物は世界中の査読済み科学出版物全体の3.8%を占め、2011年の1.3%から増加しました。

AIアルゴリズムをうまく活用することは、現在の科学研究において不可欠な要素となっている。Natureは5人の研究者にインタビューし、彼らがどのようにAIと連携しているかを調査した。

理論物理学者とAI

フィアラ・シャナハン氏は、Google DeepMindのAI研究部門で働いてきた理論物理学者です。

[[430246]]

このコラボレーションはイスラエルでの会議で始まりました。そこで彼女と彼女の学生は、ロンドンの DeepMind の上級研究科学者である Danilo Jimenez Rezende が開発したアイデアを使用した MIT プロジェクトをいくつか発表しました。Rezende の研究には、医療画像、ビデオ、3D シーン ジオメトリ、複雑な物理システムなどの複雑なデータのモデリングが含まれています。彼はいくつかの重要な機械学習研究を行い、それを基礎物理学の問題に応用してきました。

彼らは会話を交わし、そこから、DeepMind の複数の人々、私のポスドク数名、そして私の博士課程の学生 1 名が参加する長期にわたるコラボレーションが生まれました。彼らは過去数年間に 4、5 本の論文を共同執筆しており、機械学習モデルを使用して既存の物理計算を加速するなど、AI で革新的な成果を上げています。

最終的な目標は、既存のアルゴリズムとリソースでは計算上不可能な研究を実行できるようにすることです。

フィアラは、コラボレーションを成功させる鍵は平等感であると信じており、彼女のチームは AI の限界を押し広げるために DeepMind チームと同じくらい懸命に取り組んでいます。 DeepMind グループのメンバーも物理学を非常によく理解しており、両者とも科学の両方の分野を行うことができるため、非常にバランスのとれたダイナミックなコラボレーションとなり、非常に興味深いです。

フィアラは、あるグループが物理学の部分を担当し、別のグループがコンピューターサイエンスの部分を担当し、その中間で合意するという非効率的なコラボレーションにも関わったことがあります。しかし現実には、どちらのグループも孤立し、言語の壁に苦しむことになった。

したがって、学際的な協力には、双方が両方の分野を理解していることが必要です。

医薬品設計とAI

サイモン・オルソンは、スウェーデンのヨーテボリにあるチャルマース工科大学の応用人工知能の准教授です。同氏は、昨年10月に設立されたこの研究室では、機械学習の手法を用いて自然科学の計算上の問題を解決していると語った。

例えば、彼らは現在、ヨーテボリに研究センターを持つ英国とスウェーデンの合弁企業であるアストラゼネカと共同で医薬品の設計手法に取り組んでおり、また、実験データをタンパク質の構造とダイナミクスの機械学習モデルに統合する方法も研究しています。

[[430247]]

タンパク質がどのように折り畳まれるか、または薬剤がタンパク質とどのように相互作用するかを理解しようとしている場合、タンパク質に関する文献とその挙動を支配する物理的および化学的法則を考慮した計算モデルを使用すると役立つ場合があります。

コンピュータサイエンスのバックグラウンドがあり、自然科学を学びながら AI に携わりたい場合は、興味のある分野を特定し、解決したい問題を見つけてください。

オルソン氏は当初、分子動力学と分子設計の研究を通じてこの分野に興味を持ちました。分子動力学と分子設計では、多くの場合、新薬の発見を目的として、分子とその相互作用をコンピューターでシミュレートします。 AI は、このような計算負荷が非常に大きい分野で、これまで解決できなかった問題を解決可能にする可能性があります。

オルソン氏は、AI に関心のある人に対し、テンプレート メールの送信やスプレッドシートへのデータ入力など、仕事で日常的に行っている作業を自動化してみることからプログラミングの学習を始めるようアドバイスしています。タスクを繰り返すのが退屈な場合は、それを自動化する動機がすぐに生まれます。その後は、徐々により複雑なタスクに挑戦してください。

実験物理学者とAI

シッダールト・ミシュラ・シャルマは、MIT（ケンブリッジ）の素粒子物理学の博士研究員です。

[[430248]]

彼は英国ケンブリッジ大学の学部生時代に、実験高エネルギー物理学と天体物理学のインターンシップを経験しました。これらには、スイスのジュネーブ近郊にある欧州原子核研究機構（CERN）での数年間の夏休み、ニュージャージー州のプリンストン大学で素粒子物理学の博士号取得を目指しながら機械学習に手を出したこと、そしてMITでの現在の職務で機械学習に戻ったことなどが含まれます。

AI ツールは物理学を補完するものとしてよく使用され、粒子加速器や望遠鏡からの膨大なデータセットを使用することが多く、ペタバイト単位のデータを生成することもあります。

個々の銀河の画像から天の川銀河の地図まで、天文学データセットは多種多様であるため、暗黒物質の影響を調査するために単一の機械学習手法を効果的に使用することはできません。機械学習が天体物理学で使用され始めると、確立されたアルゴリズムが新しいコンテキストで使用されるようになりました。たとえば、機械学習の手法が猫と犬の画像を区別するのに優れている場合、異なる銀河の画像を区別するのにも役立つ可能性があります。

しかし今日では、物理学者やその他の自然科学の専門家のニーズが機械学習手法の開発に反映されています。物理学者はもはや、衝突型加速器や望遠鏡からの膨大なデータセットを直接扱うことはありません。代わりに、彼らの日常業務の一部には、特定の問題や観察に対してどのアプローチがうまく機能するかを確認し、そのようなアプローチが存在しない場合には新しいモデルを開発することが含まれます。

このような作業では、物理学と機械学習の間の情報の流れは双方向であり、人工知能と物理学の 2 つの分野が完全に伝達されます。

経営とAI

ファビオ・コズマン氏はブラジルのサンパウロ大学人工知能センター（C4AI）の所長で、社会や産業に直接影響を与える機械知能の研究を行うことを主な目標としています。

[[430249]]

コアプロジェクトは5つあります。目標の 1 つは、ブラジルの公用語であるポルトガル語の自然言語処理と翻訳機能を大幅に改善し、ポルトガル語話者の発言をコンピューターの音声ツールでより適切に翻訳、書き起こし、理解できるようにすることです。

もう一つのプロジェクト「ブルー・アマゾニア・ブレイン」は、気候変動、生物多様性、鉱物資源がブラジルの大西洋沿岸とそこに住む人々に与える影響に焦点を当てています。

AIセンターは、テクノロジー企業IBMからの年間200万ブラジルレアル（38万ドル）、サンパウロ研究財団からの200万レアル、サンパウロ大学からの400万レアルの資金提供を受けて2020年10月に設立され、将来的には州政府からの財政支援を受ける予定である。

センターの共同作業の目標は広範囲にわたりますが、共同作業者の間ではコンピューター サイエンスが達成できることに対する期待が異なっていることが多く、共同作業を行う前に、AI で何ができて何ができないかを共同作業者に明確に説明して、これらすべてを解決する必要があります。

また、研究結果にはしばしば相違があります。たとえば、自然科学の研究者は、研究を広める最良の方法は学術論文であると考えることが多いのに対し、人工知能の研究者は会議を重視しています。

もうひとつの課題は、一部の研究者がプログラマーだけを求めていることです。研究者は、知識や疑問をもっと積極的に共有する必要があり、単に「プログラミングを手伝ってください」というアプローチではなく、疑問を解決し、答えを出すことを目的としたパートナーシップを構築する必要があります。

AI は急速に進歩しており、コンピューター サイエンスやエンジニアリングの分野の人々は、現実世界の課題に手を差し伸べて解決する必要があると感じています。もはや、自分の分野のことだけをやるというのは意味がありません。そして、他の分野の研究者もこの傾向に追随しており、すべての主要な AI 研究所やセンターが現在、現実の応用問題に取り組んでいる。

AI の専門家とのコラボレーションを希望する研究者に対して、Fabio 氏はまず期待を下げるようアドバイスしています。つまり、「プログラミングが得意な」人にデータ分析を手伝ってもらいたいのか、それとも実際にもっと深い質問をする必要があるのか​​ということです。

協力者には、AI に関するある程度の背景知識と実践的な経験が役立ちます。

アーティストとAI

ロマン・リプスキは、2016年4月にベルリン美術アカデミーで難民向けの講座を教え始めたアーティストで、そこでデータサイエンティストのフロリアン・ドーマンと出会い、人工知能を使ったアートの探求に協力し始めた。

[[430250]]

リプスキ氏は、グーグルのデータサイエンティストが人工知能を使って作成した画像を見たことがあるが、そのほとんどは、1,000個の目や1,000フィートの長さの動物など、繰り返しの要素で構成されたホラーストーリーの画像だった。

当初、彼は AI テクノロジーがすぐに利用可能になり、史上最高の映画を作るのに役立つだろうと単純に考えていました。AI に大きな可能性があることはわかっていましたが、どこから始めればよいのかわかりませんでした。フロリアンが参加した後、彼らはリプスキ自身の芸術的インスピレーションに忠実であり続けるために、自分たちの作品のみでアルゴリズムをトレーニングすることに決めました。彼らは、彼らのキャリアを通じて描いたすべての絵画を集め、アルゴリズムを訓練するための小さなデータセットを作成し、それからアルゴリズムにオリジナル作品を作成するように依頼しました。

しかし、結果はまたしてもひどいものでした。生成された作品は、Google のエンジニアが見た絵画と似ており、形や色彩が繰り返され、新しいものは何も加えられていないものでした。しかし、芸術的には、それらは他の何よりもギミックです。

アプリケーションのコンテキストをスタイル転送に変更する際、リプスキ氏は 2016 年 3 月に訪れたロサンゼルスの街の風景の画像を使用しました。この画像は、さまざまな色とテクスチャで何度もペイントされていました。今回、アルゴリズムに新しい写真を作成するように依頼したところ、驚くべき結果が得られました。

すべての写真が素晴らしいわけではありませんが、アーティストだけでは実現できない、さまざまな芸術的スタイルと真の芸術的品質と形式で、優れた結果が何千枚も存在します。

フロリアンと出会う前年、リプスキは自分が完全な芸術的危機に陥っていると感じていた。彼は、自分の世界で絵画を通して語れる物語が尽きたと感じていましたが、現在は再び絵を描き始めています。ただし、AI アルゴリズムが生成したものを単に印刷するのではなく、その出力をインスピレーションとして使って独自の作品を作り上げています。

リプスキ氏のアドバイスは、AI を恐れるのではなく、AI の使い方を学ぶことです。他のツールと同様に、AI にも長所と短所があります。しかし、彼にとって、AIは私のキャリアを変えました。