Scientific exploration, collaboration and labor division in the large language model era
本研究は、2022年以降の大規模言語モデルの広範な普及が、学際的な探求の増加、チーム内におけるより流動的かつ分化された分業、そしてAIを活用する科学者の間における研究の多様性と協力者の多様性のデカップリング（分離）を特徴とする、科学的実践の重大な再編と時期を同じくしていることを明らかにしている。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
科学研究の世界を、未知の領域を地図に書き込もうとしている何千人もの探検家たちが集まる、巨大で賑やかな図書館だと想像してみてください。長い間、これらの探検家（科学者）は通常、自分たちの特定の通路に留まっていました。植物学者は植物のセクションに留まり、物理学者は物理学のセクションに留まっていました。彼らは同じ知識を持つ人々でチームを組み、チームの全員には非常に明確で硬直した役割がありました。ある人は大きなアイデアを出し、別の人は数学を行い、そして三番目の人はレポートを書くという役割です。しかし最近、新しい種類のスーパーツールが登場しました。大規模言語モデル（LLM）です。これらは、驚くほど賢い、即席の翻訳機であり、研究助手だと考えてください。彼らは数百万冊の本を数秒で読み、コードを書き、複雑な専門用語を平易な英語で説明することができます。大きな問いは、これらのツールが科学者の論文執筆を速めるかどうかだけではありません。これらのツールが、科学者が「どのように」探索し、「誰と」チームを組み、「どのように」仕事を分担するかを変えているのではないか、ということです。もし科学者が、これまで勉強したことのない分野を即座に理解できるようになったとしたら、彼らは新しい通路へと歩みを進め始めるのでしょうか？ 彼らは異なる種類の友人を必要とするのでしょうか？ そして、チームには依然として厳格なボスと厳格な作業員が必要なのでしょうか、それとも全員が少しずつあらゆることをこなすようになるのでしょうか？
この論文は、77万5千人以上の科学者と13万7千本以上の研究論文を大規模に調査し、これらのAIツールが2022年後半に広く利用可能になった後、何が起きたのかを見ています。研究者たちは、科学の世界が大幅な模様替えを行っていることを発見しました。2022年以降、科学者たちは自分たちの本拠地からより遠くへと進出し始めました。彼らはもはや自分の通路にある本を読んでいるだけではなく、図書館の全く異なるセクションへと飛び込んでいました。例えば、通常は生物学を研究している研究者が、工学やコンピュータサイエンスに触れる論文を発表し始めたのです。この「探索」は、すでにキャリアを確立している科学者や、英語が母国語ではない国の科学者の間で特に顕著でした。まるで、AIツールが、言語の壁や新しい分野の語彙を習得する難しさによって閉ざされていた扉を開くための、ユニバーサルな鍵を与えたかのようです。
研究はまた、科学者が誰と協力しているかについても調査しました。以前は、チームはしばしば同じバックグラウンドを持つ人々で構成されていました。現在、チームはより「人種のるつぼ」のようなものになっています。科学者はかつてないほど多様な分野の人々と協力しています。しかし、そこにはひねりがあります。これらのAIツールを最も活用している科学者は、その分野の人間エキスパートに手を引いてもらうことなく、こうした分野横断的な仕事を自分自身で行えるようになっているようです。これは、AIが個人的な架け橋として機能し、かつてはチーム全体で漕ぐボートが必要だった川を、一人の科学者が渡れるようにしていることを示唆しています。
最後に、この論文は、これらのチーム内でどのように仕事が分担されているかを検証しました。以前は、アイデアを思いつく「概念化者（Conceptualizer）」と、運営を行う「マネージャー（Manager）」がいて、重なりはほとんどありませんでした。現在、役割はより流動的で専門的になっています。研究によれば、個々の科学者は、より少なく、より明確な役割を担うようになっています。全員が少しずつあらゆることをやろうとするのではなく、チームはタスクをより鋭く分割しています。例えば、「ソフトウェア」や「検証（仕事のチェック）」の役割を担う人が大幅に増加している一方で、「概念化」や「管理」といった役割を担う人は一人当たりでは減少しています。それは、ドラマーがかつては歌もギターも弾いていたバンドにおいて、今はドラマーはドラムだけを叩き、歌手は歌だけを歌い、歌詞を書き、楽器のチューニングをするのはAIに頼る、というようなものです。
著者たちは、AIがこれらすべての変化を直接引き起こしたと証明したわけではないと慎重に述べていますが、時期とパターンは、それらが同時に起きていることを強く示唆しています。彼らは、すでに冒険的で学際的な科学者たちが、これらのツールを最初に採用したこと、そしてツールが彼らをさらにそうさせたことを発見しました。これは「選択と強化」の物語です。探検家たちはより優れた道具を手に入れ、その道具が彼らをさらに遠くへと探索させたのです。この科学の再編はエキサイティングに見え、問題解決を早める可能性を示唆していますが、論文は、これが自動的に「より良い科学」を意味するわけではないと警告しています。チームが小さく、多様で、AIを使用しているからといって、結果が完璧であることを保証するわけではありません。AIが事実を捏造していないかを確認するために、人間が仕事をダブルチェックする必要があります。結局のところ、大規模言語モデルの時代は、科学が行われる仕組みそのものを再構築しており、硬直したチームを、境界を越えることをかつてないほど厭わない、柔軟でモジュール化された探検家たちのグループへと変貌させているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。