科学を、巨大でグローバルな建設プロジェクトとして想像してみてください。何十年もの間、科学者たちは、既知の宇宙で最も複雑な物体である「ヒトの脳」を理解するための素晴らしい道具を築き上げてきました。脳を、860億個のニューロン（建物）と100兆個の接続（道路）がすべて活発に動き回っている都市だと考えてみてください。この都市をマッピングするために、研究者たちはハイテクなカメラ、センサー、コンピュータを使用し、膨大なデータを生成しています。しかし、ここに問題があります。現在、あらゆる研究室が、独自の交通標識、地図のスタイル、言語を持つ、独自のプライベートな道路網を構築しているのです。ある研究室のデータは、自分たちの箱には完璧にフィットするパズルのピースですが、隣の箱にとっては形が合わないものです。これが「データのサイロ（孤立した情報の島）」を生み出しています。

これからあなたが読む論文は、私たちはこうした孤立した島を建てるのをやめ、単一のインテリジェントな高速道路システムを構築し始めるべきだと主張しています。それは、データを単なる静的な倉庫に保存するのではなく、「インテリジェントなインフラストラクチャ」を構築することを提案しています。これは、受動的な図書館ではなく、スマートなAIによって運営される、生きて呼吸している交通管制センターのようなものです。このセンターは単に情報を保存するだけではありません。情報を理解し、ピースが組み合わさるかどうかをチェックし、さらには壊れた道路を自動的に修復することさえできます。目標は、科学者とAIがシームレスに協力できるシステムを作り上げ、バラバラで混沌とした実験の集まりを、調整可能で自己修正を行う機械へと変貌させることです。

脳の大きな混乱とスマートな解決策

神経科学は現在、窮地に立たされています。私たちは、意味を理解できるスピードよりも速くデータを収集しています。著者であるサトラジット・S・ゴシュ氏は、現在の科学的セットアップを「静的で断片化されている」と表現しています。それは、すべての本が異なる言語で書かれており、棚は常に動き回り、司書はあなたが丁寧にお願いした時にしか現れない図書館のようなものです。このため、貴重なデータはしばしば「サイロ」の中に閉じ込められ、再利用したり他の研究と組み合わせたりすることができません。これは時間の浪費、資金の浪費、努力の浪費を招き、結果の再現性を困難にし、発見への信頼を損なわせます。

論文は、解決策は単により多くのストレージや優れたコンピュータを構築することではないと示唆しています。代わりに、インフラ全体を動的でAIに適合したものへと変革する必要があります。ゴシュ氏は、私たちに「マシン・アクション可能な調整レイヤー（機械が操作可能な調整層）」が必要だと主張しています。これを、ユニバーサルな翻訳機と交通警察を一つに合わせたものだと想像してください。それはすべての異なる研究室、データベース、コンピュータシステムの間に位置し、人間が毎回手動で点と点をつなぐ必要なく、それらがすべて同じ言語を話し、協力し合えるようにします。

問題：混沌とした家内制手工業

著者は、神経科学が「家内制手工業（コテージ・インダストリー）」になってしまったと指摘しています。この独立性は創造性にとっては素晴らしいことですが、チームワークにとっては最悪です。

• データの爆発: 私たちはギガバイトからペタバイト（100万ギガバイト！）へと移行しています。しかし、それをすべて追跡するシステムがありません。それは、10億個のパズルのピースが世界中に散らばっているのに、どの箱に入るのか誰も知らないようなものです。
• スキルのギャップ: 多くの研究室には、この膨大なデータを扱うための人材やツールがありません。それは、フォーミュラ1の車を与えられたのに、自転車の乗り方しか教わっていないようなものです。
• 不平等: 大規模で裕福な大学はスーパーコンピュータや豪華なサーバーを持っていますが、小規模な研究室は基本的なストレージを確保することさえ苦労しています。これは、一部の場所だけが大きな科学を行うことを意味し、世界の才能の大部分を排除してしまいます。
• 「出版か死か（Publish or Perish）」の罠: 科学者は、論文を書くことに対しては報酬を得ますが、その論文を可能にするためのツールやデータの整理を行うことに対しては報酬を得ません。このため、科学の「配管（プラミング）」はしばしば壊れており、資金不足で、無視されています。

解決策：インテリジェントなエコシステム

ゴシュ氏は、科学を自己学習・自己修正型にするために設計された、3つの主要な「インテリジェント・インフラストラクチャ」のレイヤーに基づいた新しい働き方を提案しています。

1. 基盤：すべてを「契約可能（Contractable）」にする
あらゆるデータ、あらゆるソフトウェアツール、そしてあらゆる実験を、明確な取扱説明書（「マシン・リーダブルな契約」）が付随したロボットだと想像してください。このマニュアルは、そのロボットがどのような入力を必要とし、どのような出力を出すのかを他のロボットに正確に伝えます。

• なぜ重要か: もしロボット（AI）が契約を見つければ、2つのツールが互換性があるかどうかを即座に判断できます。人間が確認する必要はありません。システムが単に「知る」のです。
• 転換: 何かが機能することを期待するのではなく、システムがルールを強制します。もしデータに適切な「IDカード（プロベナンス／由来）」がなければ、システムはそれをフラグ立てします。

2. 統合：高速なフィードバックループ
現在、研究の中で何か問題が発生した場合、それを知るまでに数ヶ月かかることがあります。新しいシステムは「高速なフィードバックループ」を作ることを目指しています。

• 比喩: ビデオゲームで壁にぶつかった時に即座にフィードバックが得られる状況を想像してください。この新しい科学システムでは、データ形式がツールと一致しない場合、システムは即座に適切な人物に修正の信号を送ります。これは「おっと、うまくいかなかった」を「今すぐこれを直そう」に変えるものです。
• 動的なスキーマ: 全員が一つの完璧な地図に合意するのを待つのではなく、システムは異なる地図が存在することを許容し、AIを使用してそれらの間の翻訳を行います。それは、Googleマップ、Appleマップ、紙の地図の間を瞬時に切り替え、地図同士の意見が異なっていても最適なルートを見つけ出すGPSのようなものです。

3. 適応：自己修復システム
最もエキサイティングな部分は、このインフラが学習することです。それはただそこに座っているのではなく、科学者がどのようにそれを使用するかを観察します。

• 自己修正: もしあるツールがほとんど使われなかったり、エラーを出し続けたりする場合、システムはそれを引退させることを提案します。新しい手法が普及すれば、それを促進します。
• 人間とAIのチームワーク: AIが主導権を握るわけではありません。代わりに、AIはスーパーアシスタントとして機能します。質問を適切な専門家にルーティングし、データが安全に使用できるかを確認し、要約を作成します。人間は、倫理や同意といった大きな決定（責任）を保持しますが、AIは調整という重労働を担います。

実世界の例：精密精神医学

これがどのように機能するかを示すために、著者は「精密精神医学（Precision Psychiatry）」と呼ばれるシナリオを説明しています。医師が、なぜ特定の治療法がある患者には効果があり、別の患者には効かないのかを突き止めようとしている場面を想像してください。

• 現在: 医師は、異なる病院にデータ提供を懇願し、データの形式が一致しているかを手動で確認し、プライバシー規則が整合していることを祈りながら、数ヶ月を過ごすことになります。これは遅く、高価であり、しばしば失敗します。
• インテリジェント・インフラストラクチャがあれば: 医師がシステムに質問を投げかけます。システムは、基準に一致する3つの異なる患者グループを即座に見つけ出します。システムは、データ共有に同意したかどうかを確認するために、彼らの「契約」をチェックします。各病院の異なる医学用語を共通の言語に翻訳するために「セマンティック・クロスウォーク（意味論的な架け橋）」を使用します。分析は、データが実際に病院の外に出ることのない安全なクラウド内で実行されます。かつては数ヶ月かかっていたプロセスが、数日で完了します。AIがレポートの下書きを作成しますが、最終的な判断を下すのは人間の医師です。

行動への呼びかけ

論文は、変化への嘆願で締めくくられています。著者は、このシステムを構築することは困難であることを認めています。それは、新しい資金モデル（単なる「塗装」ではなく「配管」への支払い）、科学者への新しい報酬制度（ソフトウェアエンジニアやデータキュレーターを論文執筆者と同じくらい評価すること）、そしてグローバルな協力体制を必要とします。

著者は、完璧なグローバルな合意を待つ前に、まず始めるべきだと示唆しています。代わりに、これらのアイデアを特定の問題（上記の精神医学の例など）でテストする小さな「パイロット運用」から始めることができます。この「インテリジェント・インフラストラクチャ」が小さな規模で機能することを証明することで、それをスケールアップさせるための自信を築くことができるのです。

結局のところ、論文は私たちが転換点にいると主張しています。進展が遅く不平等な現在の壊れたシステムを使い続けるのか、それとも新しいインテリジェントなエコシステムを構築するのか。この新しいシステムは発見のための中心的手段となり、人間とAIがシームレスに協力することを可能にします。それは単に科学を速くするだけでなく、より信頼でき、より包括的で、単一の研究室では決して太刀打ちできない複雑な問題を解決できるものにします。著者が述べるように、これは「より精密で、包括的で、そして最終的には信頼できる」科学的プロセスを構築することなのです。