Quo Vadis? Scientific Discovery in the Age of Artificial Intelligence

何世紀もの間、新たな科学的発見への道は、深く人間的な旅路でした。それは一つの問いから始まり、その後に続くのは、研究者の直感と経験に導かれた、読解、計算、実験、そして失敗の数年間です。近年、この旅に新たなパートナーが加わりました。人工知能です。当初、これらのコンピュータプログラムは、特定の狭い問題を解くことには長けているものの、プログラミングの範囲を超えて考えることはできない、特化した計算機のようでした。しかし、高度な言語モデルの登場により、大きな転換が起こりました。膨大な人間の知識に基づいて訓練されたこれらのシステムは、今や、以前は不可能であった方法で、異なる分野を横断して推論し、計画を立て、アイデアを結合することができるのです。これは、科学の未来に対して深い問いを投げかけています。これらの機械は、単に私たちの仕事を加速させるための道具に過ぎないのでしょうか、それとも、自ら発見を行うことができる真のパートナーになったのでしょうか。

プラハ哲学研究所の研究者であるペトル・O・イェドリチカによる新しい論文は、まさにこの転換点を検証しています。著者は、人工知能がいかに速いスピードで、ニッチなツールから、世界中の研究所や研究室における中心的なプレイヤーへと移行してきたかを調査しています。この論文は、私たちが、AIがもはや受動的な器具ではなく、科学的プロセスにおける能動的な参加者となった新しい時代に突入したと主張しています。論文では、これらのシステムがどのように数学の定理の証明を助け、化学実験を設計し、さらには人間の行動に関する仮説さえ生成しているかを詳述しています。しかし、論文は冷静な警告も鳴らしています。進歩は現実であり急速なものですが、これらのシステムはまだ完璧ではありません。彼らは依然として間違いを犯し、時には存在しない事実を捏造することもあり、人間の指導に大きく依存しています。中心的な結論は、AIが科学の行われ方を変容させている一方で、人間である研究者と機械との関係は複雑であり、発見の未来は、私たちがこの新しいパートナーシップをいかにうまく管理できるかにかかっているということです。

この変化の規模を理解するには、これらのシステムの改善がいかに速かったかを見なければなりません。ほんの数年前まで、コンピュータは深い推論や、世界を柔軟に理解することを必要とするタスクに苦戦していました。今日、高度なモデルは、かつては専門家の領域であった問題を解決することができ、その驚異的なペースでの向上は、開発者さえも驚かせています。論文によれば、これらのシステムは現在、単一の質問に答えるだけでなく、論文一編を書き上げたり、一連の実験を計画したりといった、長く多段階のタスクをこなす能力を備えています。目標を見失うことなく、一つのプロジェクトに対して何時間も作業できるこの能力は、従来のツールからの重要な脱却を意味しています。

著者は、科学における現在のAIの景観を、それぞれ異なる役割を果たす4つの明確なタイプに分類しています。第一のタイプは、タンパク質の3D構造の予測など、一つの特定の仕事のために構築された特化型システムです。これらのツールは以前から存在しており、その狭い分野においては非常に強力です。第二のタイプは、人間の傍らで働き、研究論文の要約、コードの記述、あるいはエラーのチェックなどを支援するAIアシスタントを含みます。これらは反応的であり、人間が質問をするのを待ってから行動します。第三のタイプは、おそらく最もエキサイティングなもので、AIエージェントです。これらは、より独立して行動できるシステムです。彼らは大きな目標を小さなステップに分解し、独自のシミュレーションを実行し、自身のアイデアを批判し、さらには科学論文の草稿を書くことさえできます。これらのエージェントの一部は、人間の研究者と同じ多くの認知タスクを実行できるため、「共同科学者」と表現されています。第四の、そして最後のカテゴリーは、最も物理的なものです。AIとロボットを組み合わせたハイブリッドシステムです。これらの「自律走行型研究所」は、実験を計画できるだけでなく、人間が一度も装置に触れることなく、化学物質を混ぜ、テストを実行し、結果を分析することさえ可能です。

論文は、これらのシステムがすでに達成している具体的な例を挙げています。数学およびコンピュータサイエンスにおいて、AIは単純な計算を超え、複雑で未解決の問題の解決を支援しています。例えば、あるシステムは、ネットワーク内を移動する旅行者が取り得る経路に関する長年の予想の証明を助けました。これは、単なる力任せの計算ではなく、創造的な問題解決を必要とするタスクでした。物理科学において、AIは流体力学のような複雑な現象のモデリングを助けており、新しいタイプの化学触媒の設計にも貢献しています。生命科学において、その影響はおそらく最も顕著です。システムはタンパク質の構造を予測することに成功しました。これはかつてラボでの作業に数年を要した作業ですが、今では数分で行うことができます。より最近では、これらのシステムはさらに一歩進み、疾患に対する新しい候補薬を提案したり、細菌がどのように抗生物質への耐性を共有するかを特定したりしています。社会科学においても、AIは人間の行動をモデル化し、さらには人々が異なる種類の情報に対してどのように反応するかをテストするために使用されていますが、これもまた、これらのシステムが人間の信念にどのように影響を与えるかという問いを提起しています。

しかし、論文は過度に楽観的な描写をすることには慎重です。これらの目覚ましい功績にもかかわらず、著者は、AIが完全に自律的な科学者となることを妨げている重大な限界を強調しています。最大の問題の一つは、これらのシステムがいまだに「ハルシネーション（幻覚）」を起こす可能性があることです。つまり、完全に事実無根のことを自信満々に述べてしまうことがあります。論文では、AIシステムが架空の疾患名を生成し、そのエラーがあまりにも説得力があったために、人間の研究者が当初それを実在するものだと信じてしまったという、不穏な例を引用しています。これは、AIが大量のコンテンツを生成することはできても、人間の監視なしには、真実と虚構を確実に区別することはまだできないことを示しています。さらに、論文は、これらのシステムが訓練されたデータによって制限されることが多いと論じています。もし彼らが読んだ科学文献に誤りや偏りがあれば、AIも同様の誤りを繰り返す可能性が高いのです。また、新規性の問題もあります。AIは既存のアイデアを新しい方法で組み合わせることはできますが、人間の天才が時として行うような、全く新しい領域を切り拓く真に独創的な概念を生み出すことができるかどうかは、まだ明らかではありません。

論文はまた、この急速な進歩に伴うリスクについても探求しています。実用的なレベルでは、もしAIがルーチンワークを担いすぎると、若い科学者が将来の専門家になるために必要な訓練を受ける機会を失う危険性があります。もし科学の「徒弟制度」が自動化されてしまえば、次世代の人類研究者は、自ら作業を行うことから得られる深い直感的理解を欠いてしまうかもしれません。より深刻なレベルでは、論文は悪用の可能性について論じています。これらのシステムは実験を設計しデータを分析できるほど速いため、理論的には、危険な生物学的製剤を作成したり、巧妙なサイバー攻撃を開始したりするために利用される可能性があります。これらのシステムが動作する速度を考えると、リスクは規制する能力よりも速くエスカレートする可能性があります。

将来を見据えて、著者は私たちが新しい種類の課題に直面していると示唆しています。AIシステムがより有能になるにつれ、彼らは人間である研究者が完全には理解できないほど複雑、あるいは抽象的なアイデアや説明を生み出し始めるかもしれません。これは、機械が行っている発見を、私たちが検証することも、理解することもできないという状況を生み出す可能性があります。論文は、科学が「ブラックボックス」となり、人間が依拠しているにもかかわらず、その推論が人間にとって不透明な機械によって駆動される事態を招く可能性があると警告しています。著者は、AIは発見のための強力なエンジンではあるものの、人間の判断に取って代わるものではないと結論づけています。科学の未来は、おそらく、人間が倫理的な指針、批判的な監視、そして機械には現在欠けている深い理解を提供するという、人間と機械が協力し合う慎重なバランスにかかっています。発見の旅はもはや人間だけの営みではありません。それは共有された道であり、私たちが共にどのようにそれを進んでいくかが、科学的進歩の次の章を定義することになるでしょう。