今後 5 年間で AI はさまざまな分野をどのように変えるのでしょうか? LLM から AI タンパク質設計、ヘルスケアまで...

5年前（2019年1月）、Nature Machine Intelligenceが設立されました。もちろん、人工知能 (AI) に関しては、5 年前は今とは違う時代のように思えました。

1月24日、ネイチャー・マシン・インテリジェンス誌は「記念日AIの考察」特別号で同誌の最近のレビュー記事や意見記事の著者に連絡を取り、インタビューを行い、人工知能が科学のプロセスをどのように変えているのか、それぞれの分野から例を挙げるよう依頼した。

AI 分野の他のどんなトピックが彼らを興奮させ、驚かせ、あるいは心配させるのか、そして 2024 年および今後 5 年間の AI に対する彼らの希望と期待は何かを知りたいと思いました。繰り返し取り上げられたテーマは、大規模言語モデルと生成 AI の継続的な開発、それらが科学的プロセスに与える変革的な影響、そして倫理的な影響に関する懸念でした。

興味深いことに、著者らは、AI がすでにさまざまな分野に革命を起こしていることを強調しています。たとえば、スペインのジローナ大学のノエリア・フェルス氏が指摘しているように、タンパク質の設計とエンジニアリングの分野です。しかし、彼らはまた、ChatGPTや生成AIなどのLLMの最近の進歩が、科学的な執筆プロセス、コーディング、ブレインストーミングを含む研究ワークフロー全体をどのように変えたかについても議論しました。

さらに、パーソナライズされたモデルや物理世界に接続された AI エージェント フレームワークなど、LLM と生成 AI の継続的な開発により、今後 5 年間でさらに大きな変化が起こると予測しています。一部の著者が強調しているように、これらの変化は間違いなくさらなる倫理的課題をもたらすだろう。

ノエリア・フェルス、ジローナ大学：AIタンパク質設計に焦点を当てる

あなたの見解は何ですか?

私たちの論文では、タンパク質研究における大規模言語モデル (LLM) の応用についてレビューし、特に Transformer アーキテクチャとそのさまざまなトレーニング手法に焦点を当てています。私たちは、タンパク質設計における生成的 LLM の実装と使用を綿密に追跡し、今後数年間におけるその可能性について議論します。

論文リンク: https://www.nature.com/articles/s42256-022-00499-z

この分野はどのように発展してきましたか?

人工知能は急速に進歩しており、私たちは過去1年間で驚くべき進歩を目撃しました。拡散モデルは画像生成において前例のない成功を収めました。2022年末、OpenAIはChatGPTをリリースし、テキスト生成において優れたパフォーマンスを示しました。

これらの進歩はタンパク質設計の分野にも影響を与えており、ここ数か月間に発表されたいくつかのタンパク質拡散モデルにより、従来は困難だった設計ケースの再考が促進されています。

AI のどのような発展が最もあなたを驚かせたり、興奮させたりしますか?

テキスト (ChatGPT、Bard) や画像 (DALL·E 2、Stable Diffusion) を生成できるものなど、生成ベース モデルの機能には非常に驚きました。最近、複数のデータ タイプを組み合わせてマルチモーダル LLM (MLLM) をトレーニングするという新たな波が起こっており、GPT-4、Kosmos-1、GATO など一部の MLLM はすでにテキストと画像を統合しており、PaLM-E などロボット フレームワークに組み込まれているものもあります。これらのエージェントの初期のパフォーマンスは、汎用知能への第一歩となる可能性があることを示唆しています。

これらの進歩は、まだタンパク質設計の分野に適用される必要がありますが、タンパク質の固有の多様性と、自己教師学習に利用できるラベルなしデータの量から、この応用は実現可能であり、制御可能な特性を持つタンパク質設計の実現に近づく可能性があることが示唆されています。

AI が科学のプロセスをどのように変えているのか、例を挙げて説明していただけますか?

ChatGPT などの生成モデルは科学的な執筆に革命をもたらし、これらのツールを教育システムにどのように統合するか、科学的なレビューや出版における不正行為をどのように検出するかという疑問を提起しています。タンパク質という具体的な文脈では、研究分野は過去 3 年間で劇的な変化を遂げ、物理学に基づくアプローチから人工知能主導のツールへと移行しました。

現在では、従来のタンパク質設計の問題を解決できるだけでなく、構造や配列を生成したり、特定の骨格を中心にその両方を定義したりするための豊富な方法も備わっています。これらの AI モデルは、実験室環境でのパフォーマンスが大幅に向上し、従来困難であったタンパク質設計タスクに必要な時間が短縮され、成功率が向上しました。今では、ほんの数年前には想像もできなかったタンパク質システムを設計することができます。

2024年および今後5年間のAIに対する希望や期待は何ですか?

私は、テキストや画像の生成、ロボット工学、マルチタスクの自律エージェントなど、AI のさまざまな分野における急速な進歩に楽観的です。これらの進歩は、まもなくタンパク質設計の分野に広範な影響を及ぼすでしょう。

今後 5 年間で、ロボット プラットフォームにシームレスに統合された大規模なインテリジェント エージェントが登場します。これらのエージェントは、半自律的にシーケンスを設計し、分析し、フィードバックに基づいて機能を向上させながら設計を継続的に改良する能力を持ちます。これにより、エンジニアリング サイクルが大幅に短縮され、効率的な設計が作成される可能性があります。この革新的な技術は、機能性タンパク質のカスタム開発を通じて数多くの産業に革命をもたらし、さまざまなバイオテクノロジープロセスのコストを削減し、環境に優しい新しいアプローチへの道を開くと信じています。

著者の詳細情報

イーユ・シー、ノートルダム大学

ヘルスケアにおける AI と機械学習には持続可能性の問題があり、これらの問題に対処するのに役立つ現在および将来のさまざまなアルゴリズムとシステムの革新について議論します。

論文リンク: https://www.nature.com/articles/s42256-023-00670-0

ダイアナ・ミンク、Google リサーチ

研究パイプラインの各部分（データセット、ツールと実践、質問の設定、結果、臨床展開まで）の改善が検討されます。

論文リンク: https://www.nature.com/articles/s42256-022-00559-4

マリンカ・ジトニック、ハーバード大学医学部

グラフを使用してさまざまなデータ モダリティを融合し、クロス モーダル依存関係を柔軟かつ一般的な方法で活用する方法を検討します。

論文リンク: https://www.nature.com/articles/s42256-023-00624-6

ナンダナ・セングプタ、インド工科大学

本書では、グローバル・サウスの文脈において AI テクノロジーと国家が交差する具体的な方法をいくつか探ります。立法措置の遅いペースと行政へのアルゴリズムの導入の増加、そしてこれらの分野におけるアルゴリズムの偏見と国民の態度に関するより定量的な実証研究の緊急の必要性についてコメントされています。

論文リンク: https://www.nature.com/articles/s42256-023-00621-9

セバスチャン・ポルスダム・マン、オックスフォード大学

生成 AI の使用に関連するさまざまな倫理的問題について議論し、その出力に対する道徳的責任の非対称性を強調します。

論文リンク: https://www.nature.com/articles/s42256-023-00653-1

ペイエル・ダス、IBMリサーチ

これは、AI 研究の主流かつ不可欠な部分として「データ作業」を実践することに対するインセンティブと認識が欠如していることを浮き彫りにしています。 AI 研究者としての事例を示し、私たち自身の経験を共有することで、現在モデリングとアルゴリズムの作業を過度に重視している文化的および実用的な要因について議論します。データ作業を技術的に厳密なものに再定義し、それをモデルの革新に統合することで現状を変えるための推奨事項が作成されます。

論文リンク: https://www.nature.com/articles/s42256-023-00673-x

フランチェスコ・ステラ、デルフト工科大学

GPT-4 のような LLM が概念レベルと技術レベルの両方でロボット設計プロセスをガイドできることを実証し、人間と AI の共同設計の戦略を提案します。次に、コミュニティの偏見、知的財産、認知タスクの自動化に関する問題に注意を払いながら、学際的な研究の機会を強調しながら、社会的影響について議論します。

論文リンク: https://www.nature.com/articles/s42256-023-00669-7