AIサイエンティストは研究の未来になる可能性があるか？

Sakana AI Labsは最新の発表で科学界に衝撃を与えました。同社は世界初の完全自律型AIサイエンティストの開発とローンチを完了しました。この新しいアルゴリズムは理論の構築やテストなどを行うことができます。以下が知っておくべきポイントです。

When you think of AI systems replacing workers in the field, there are many careers you may envision being at risk. However, most people never expected scientists to be replaced. While the latest AI scientist algorithm put forth by Sakana isn’t capable of completely replacing scientists just yet, it does deliver some unique characteristics that could leave many professionals watching its development closely.

科学理論の作成における現在の方法

科学理論を作成し検証することは、研究開発の核心的な要素の一つです。現在の科学者は、質問の研究と概念を実験で検証するための実験を行うのに何年も費やします。最終的に結果は公開され、公開前にピアレビューを受けます。このプロセスは1世紀以上にわたり変わっていません。

According to Sakan AI Labs’ public statements, its new AI system is capable of fully automating these tasks. The system can sift through current scientific papers, connect theories or concepts that could have undiscovered results, create new algorithms to test these theories and detail all of the experimentation for later peer review. Notably, the team focused on computational research as their primary area of focus because it enabled the experimentation to be conducted virtually.

科学者によるAIの活用

AIが科学コミュニティで快適に受け入れられていることは周知の事実です。この技術は現在、研究者が使用するさまざまなシステムに統合されています。当初、AIシステムは複雑な方程式やシミュレーションの実行に使用されていました。今日では、AIは業界全体で利用され、さらに重要な役割を果たしています。

AIの今日の主要な活用の一つは、すべての現在の論文を整理し、関連する研究を見つけることです。何百もの研究論文が毎週発表され、その膨大な量のため、画期的な研究の大半は発見までに数年かかります。Elicit、Research Rabbit、Scite、そしてConsensusといったツールは、科学者がこれらの論文を関連付け、過去のデータを基に構築するのに役立ちます。

また、現在使用されているAIツールには、論文内の特定の関心点をスキャンして特定できるものもあります。例えば、病気を引き起こす遺伝子変異を発見しようとするエンジニアチームがいるかもしれません。PubTatorのようなツールは、類似したテーマを収集し、関連する研究トピックや実験に光を当てるのに役立ちます。

AIサイエンティストの研究

これまでのAIとのやり取りは、科学コミュニティが視野を広げ、最新の多くのブレークスルーに不可欠な役割を果たしてきました。しかし、研究と論文の出版が可能な完全自動化アルゴリズムの導入は大きな転換点です。このシステムは、研究間の類似点や見過ごしがちな結びつきを発見し、計算研究分野でのブレークスルーにつながる可能性があります。

AIサイエンティストはどのように機能するか？

AIサイエンティストは、アプローチの一部として大規模言語モデル（LLM）などの一般的なAIシステムを統合しています。システムは、arXivやPubMedなどのリポジトリにあるオンラインの膨大な科学研究論文を継続的にスキャンします。ここで、何百万もの科学研究論文が新しいAIアルゴリズム用のLLMをプログラムするために使用されました。このステップにより、システムは科学的な言語を話し、類似した結果を生成できるようになりました。

出典 – Sakana AI Labs

そこから、システムはパターン、繰り返しの研究、または関連するテーマを探し出します。各論文は品質、ピアレビューの有無、公開時期、テーマを確認するために多数のチェックを受けます。特に、システムはopenreview.netのようなサイトを使用して科学論文を相互参照することさえあります。このステップは、品質の確保など複数の役割を果たします。さらに、この取り組みはAIの内部ピアレビューシステムをプログラムするのにも役立ちます。

二次AIモデル

AIがリポジトリをスキャンして興味深い実験や検証すべき理論を見つけた後、各論文は複数の要素に基づいてスコア付けされます。スコアは、他のプロジェクトとの類似性、専門性、レイアウト、結果、研究者などを反映します。その後、AIシステムは概念の独自性や、追加で探求すべき研究や類似理論に結びつく他の論文があるかどうかを判断するための重要な要素を検討します。

科学理論の構築

これらのステップにより、AIサイエンティストは研究を収集し、収集したデータに基づく関連概念を提示できます。このプロセスの驚くべき点は、完全に自動化されていることです。このアルゴリズムが研究論文を生成するために人間の介入は不要です。特に、AIは計算研究に焦点を当てており、物理的なテストを必要とせずに実験のシミュレーションを実行でき、その能力を拡張しています。そのため、すべてのテストはコードシミュレーションで行われます。この手法により、テストのコストは大幅に削減され、より高速に実施できます。

AIサイエンティストに関する懸念

AIサイエンティストの概念は業界で懸念を呼んでいます。一つは、このアプローチが科学者を置き換える安易な手段と見なす声です。システムはまだ新しく、AIの一貫性が不足していると主張する人もいます。これらの主張には根拠があり、AIの不正確さが度々報告されています。しかし、最新のアルゴリズムは多数のチェックとバランスを組み込んでおり、今後これらの問題を軽減するでしょう。

AIフィードバックループ

コミュニティで繰り返し指摘される最大の懸念の一つは、AIフィードバックループを作り出すリスクです。AIシステムが他のAIシステムから自動的に新しいデータモデルを作成・検証・構築する場合、このリスクは非常に現実的です。このループはエラーや視野の狭さ、人間の要件の無視につながります。この状況を回避するために、多くの人はループに人間が関与すべきだと考えています。

膨大な量

毎週発表される科学論文の数が非常に多く、リポジトリを通じて最も関連性の高いデータを見つけ出すことはほぼ不可能です。現在、AIは科学者がこの作業を遂行する上で重要な役割を果たしています。しかし、AIフィードバックループが生じると、論文が過剰に速く導入され、既存のAI検索システムが機能しなくなる恐れがあります。

AIサイエンティストの利点

多くの市場関係者は、AIサイエンティストが24時間体制で発見を探し続ける可能性に興奮しています。このシステムが新しい科学理論を解き放つ可能性は無限です。AIモデルに研究が追加されるほど、システムは新概念を実験し、能力を拡大します。そのため、現在のAIサイエンティストは将来のバージョンと比べれば何でもありません。

大幅なコスト削減

AIサイエンティストが今後市場の主要要素になる主な理由の一つは、コスト削減効果です。研究チームによれば、同社のAIは科学論文を作成・テスト・出版・ピアレビューまでをたった15ドルで行えます。この低コストは研究開発費用の大幅な削減を示しており、否定できません。その結果、予算を最大化したい人々にとってAIサイエンティストは最適な選択肢となるでしょう。

全体像

このプロジェクトが多くのエンジニアを興奮させる主な理由の一つは、研究者が複数の科学研究を容易に結び付けられる点です。科学分野はしばしばバブルの中で発展しているように見えますが、実際はそうではありません。多くの場合、ある分野のブレークスルーが他分野の新たな機会を生み出します。

AIサイエンティストは、これらの結びついた理論を発見し、可能な限り拡張する手助けをします。その結果、AIサイエンティストが論文を積み重ね、完全に新しく多様な概念を生み出す様子が見られるでしょう。少なくとも、このシステムは関連研究をまとめることで、今日の科学者が新たな現象を見つけやすくします。

研究者

Sakana AIはAIサイエンティストの背後にいるチームです。同社はAI科学モデルで知られています。過去の開発には、LLMを自動的に組み合わせてより高度なシステムを作成するシステムが含まれます。また、LLMを使用して他のアルゴリズムをチューニングする仕組みも提供しています。

AIサイエンティストから恩恵を受けられる2社

AIサイエンティストの市場導入は、将来的に大きなAIサイエンティスト革命につながる可能性の序章に過ぎません。すでにいくつかの企業がこの創造物を活用し、運用コストを削減し、市場により高品質なサービスを提供できるでしょう。以下は、この研究を活用できると見込まれる2社です。

1. AbCellera Biologics Inc

ABCL 価格チャート

AbCellera Biologics Inc. は2012年に市場に参入し、疾患と戦うためにヒト抗体をより良くモデル化することを目的としました。同社は2020年に正式に上場し、事業拡大のために5億5500万ドルの資金調達に成功しました。現在、同社は免疫系研究とモデリングで重要な役割を果たしています。特に、このモデリングの多くはシミュレーションで行われています。そのため、AIサイエンティストはこれらのテストを支援するのに最適です。

AbCelleraはバイオ医薬品分野で顕著な地位を占めています。そのため、AIサイエンティストの統合により、同社は過去の研究から得た免疫抗体データをより効果的に検索、テスト、比較できるようになります。このステップは、これまで見過ごされていた機会を明らかにするのに役立つ可能性があります。これらの要因とAbCellera Biologicsのポジショニングを合わせると、トレーダーにとって強い「hold」銘柄となります。

2. Super Micro Computer

SMCI 価格チャート

Super Micro Computer (SMCI ) は1993年にCharles LiangとSara Liuによって設立され、AIサイエンティストをプロセスに統合することでいくつかの好結果が期待できます。同社はAIワークロードに最適化された高性能サーバで最もよく知られています。現在、本社はカリフォルニアにあり、オランダ、台湾、米国に複数の製造拠点を持っています。

Super Micro Computerは主要なサービス管理システムプロバイダーの一つです。AIを活用してハッキングを防止し、システムを監視し、パフォーマンスを向上させており、信頼性と実績のあるプロバイダーを求める大手企業にとって選ばれる企業となっています。特に、Super Micro ComputerはFortune Magazineの「世界で最も急成長しているITインフラ企業」に掲載されました。

ポートフォリオに信頼できるAI搭載ソフトウェアソリューションを追加したいと考える企業は、SMCIを強く検討すべきです。同社は市場での存在感が強く、最近ではElon MuskのxAIやテキサスに移転したTesla (TSLA ) のGigafactoryにサーバを提供する契約を締結しました。これらすべての要因が、SMCIにアナリストからの「buy」評価をもたらしています。

AIサイエンティストが低コスト研究を実現

AIサイエンティストが漫画のように研究論文を次々と生み出すことについてどう感じようと、多くの利点がこのアルゴリズムを画期的なものにしています。このアプローチの膨大なコスト削減と将来的な可能性により、市場では毎日新たな発見が起こり、今日の科学者が眠っている間に明るい未来が期待されています。現時点では、この開発は注視に値し、今後興味深い研究が続々と発表されることでしょう。

エキサイティングなAIプロジェクトについては、こちらで詳しく知ることができます。