人工知能
誇大宣伝は正当化できるか？ なぜすべての目がAIに向けられるのか
Securities.io を Google の優先ソースに追加
AIにおけるノーベル賞
2024年のノーベル賞受賞者リストはAIへの関心を大いに集めました。まず、物理学賞が、神経ネットワーク構築の基礎となる、物理学にインスパイアされた理論と初期プロトタイプに対して授与されました。これは今日のAI技術の大部分の基盤です。これら初期の神経ネットワークがどのように機能したかについては、”Investing in Nobel Prize Achievements—Artificial Neural Networks, The Basis Of AI“で詳しく議論しました。
別のノーベル賞、今回は化学賞が計算中心の研究に授与されました。具体的には、デビッド・ベイカーに「計算タンパク質設計」の功績で半分が、残りの半分はGoogleのAlphaFoldの主要研究者であるデミス・ハサビスとジョン・M・ジャンパーに「タンパク質構造予測」の功績で共同で授与されました。
したがって、2024年はAIノーベル賞の年と言っても過言ではありません。「ハードサイエンス」（物理学、化学、医学/生物学）のノーベル賞3つのうち2つがAI関連プロジェクトに授与されたのです。
これは当然、分野の研究者やAI主導の研究の未来に熱狂する人々から称賛されました。しかし、計算を「本当の物理学ではない」と見る科学者、特に物理学者の間で眉をひそめさせましたそして AIは「本当の物理学ではない」。
ノーベル賞は何を評価すべきか？
これは「純粋」な科学とは何か、ノーベル賞に値するかという、より大きく古い議論の一部です。ある人は、理論的進歩と真の知的ブレークスルーだけが、科学における最も権威ある国際賞に値すると主張します。
言葉が出ません。私も他の人と同様に機械学習と人工ニューラルネットワークが好きですが、これが物理学の発見だとはなかなか思えません。ノーベル賞はAIブームに影響されたのでしょう。
Jonathan Pritchard – Imperial College Londonの天体物理学者
他方では、科学は実世界へのインパクトでも評価されるべきだ、と主張します。特にノーベル賞は創設者であるAlfred Nobel氏が、物理学、化学、生理学・医学、文学、平和の分野で「前年度に人類に最も大きな利益をもたらした者」に賞を授与することを目的として設立されました。
この文脈では、神経ネットワークは確かに人類への利益に大きく貢献しており、将来的にもさらに貢献し続けると考えられるため、今年のノーベル賞に値すると主張できるでしょう。
計算は物理学か？
2024年の物理学ノーベル賞に関して言えば、神経ネットワークを作り出すために開発された手法は物理学に深く根ざしています。より具体的には、気体や液体のように多数の要素で構成される系を記述する統計物理学から多大な影響を受けました。
また、多くの物理系における集合的性質がモデルの詳細の変化に対して頑健であるという観察からもインスピレーションを得ました。特に磁性材料は原子スピンという性質により、各原子が小さな磁石となり、特有の特性を持ちます。
全体として、ノーベル賞で評価されたモデル、ヒントンが発明したボルツマン機械とホップフィールドネットワークは「どちらもエネルギーベースのモデル」であり、実際の物質の物理を理解するために用いられる数学的記述と大きく異なりません。
それでも、一部の「本物の」物理学者は、計算が物理学のスポットライトを奪っているという考えに失望感を抱きました。おそらく、今年のノーベル賞そのものよりも、社会がこの分野に対して敬意や関心をほとんど与えていないことについて語っているのです。
「それはコンピュータサイエンスの領域に入ります。年に一度のノーベル賞は、物理学—そしてそれに携わる物理学者—がスポットライトを浴びる稀な機会です。」
友人や家族が自分の知り合いに物理学者がいることを思い出し、最近のノーベル賞が何なのか尋ねに行く日です。しかし今年は違います。
Sabine Hossenfelder- ドイツミュンヘン数学哲学センターの物理学者
物理学がAIに再び戻る
ノーベル賞の評価は、機械学習、神経ネットワーク、AIを改善するために、計算が物理学ベースの手法に立ち返るという成長する動向も考慮しています。
「機械学習を研究するには、物理学で培った考え方が必要です。」
Lenka Zdeborová – スイス連邦工科大学ローザンヌ校の統計物理学者
神経ネットワークに関する初期の研究は真に学際的であり、生物学的ニューロンの働きに関する最新の理解からもインスピレーションを受け、数学、物理学、コンピュータサイエンス、神経生物学を結びつけました。
「物理学のノーベル賞は、物理学の知識領域へさらに広がり続けるべきだと思います。物理学はますます広がっており、過去には存在しなかった、あるいは物理学の一部ではなかった多くの知識領域を含んでいます。」
Giorgio Parisi- ローマ・サピエンツァ大学の物理学者、2021年の物理学ノーベル賞を共同受賞。
したがって、やや驚くべきことに、そして最も純粋主義的な物理学者の失望に対して、ジョン・ホップフィールドとジェフリー・ヒントンへのノーベル賞授与は、見た目ほど物理学や「ハードサイエンス」から遠くはないと言えるでしょう。
さらなる侮辱？
もし化学ノーベル賞が計算中心でなかったなら、科学界の一部メンバーの反応はもう少し穏やかだったかもしれません。
ここでは、AIがこの分野に実際にどれだけ貢献したかに議論が集中しており、「ノーベル賞はAIブームに影響された」という批判に一定の評価が与えられています。
これは、タンパク質の3次元構造を予測するAlphaFoldのような神経ネットワークが、数十年にわたる実験的データの膨大な宝庫の上に構築されたためです。特に、20万以上のタンパク質構造を含む自由に利用できるリポジトリ、Protein Data Bankが重要です。
これらの構造は、何千人もの研究者が数十年にわたり、X線結晶構造解析やクライオ電子顕微鏡など、しばしばノーベル賞受賞技術でもある高度な手法を用いて実験的に決定しました。
「AlphaFoldは、既に確立されていた基礎科学に根本的な変化をもたらしたとは思いません。」
「それは、AlphaFoldがそのような高さに達することを可能にした、シームレスな組み立てと構想の仕方に過ぎません。」
David Jones – ロンドン大学ユニバーシティ・カレッジのバイオインフォマティシャンで、DeepMindと協力してAlphaFoldの最初のバージョンを開発しました。
AlphaFoldのインパクトはどれほどか？
AlphaFoldを「単に過去の研究に基づくだけ」と批判するのは、やや的外れかもしれません。結局のところ、ノーベル賞受賞発見はしばしば3〜4つの過去のノーベル賞受賞発見に基づくというのは非常に一般的なパターンです。
より重要なのは、AlphaFoldが真のブレークスルーであり、以前は不可能だったことを突然実現可能にしたかどうかを判断することです。
以前、AlphaFoldが既知データの単なる洗練ではなく、新しい分子や医薬品を発見できるかを調査した科学論文について議論しました。
そしてそれは事実のようです：
研究者は、各モデルがタンパク質活性を変化させた化合物の割合が、シグマ‑2受容体で約50％、5‑HT2A受容体で約20％であることを確認しました。5％を超える結果は例外的です。
創薬はまさに干し草の山から手作業で針を探すようなものと考えると、最初の試みで針の位置を「推測」し、50％の成功率を得ることは実に例外的です。
したがって、ここでも今年の化学ノーベル賞は「純粋」な科学や基礎的理解の進展という観点では適合しないかもしれません。しかし、ノーベル賞の根本的な目的である「前年度に人類に最も大きな利益をもたらした者に賞を授与する」という目標にはよく合致しているようです。
論争の収束
AIが多くの科学分野で重要なツールになるにつれ、今後すべてのノーベル賞が主にAIに報いるものになるとは限らないという点で合意できるでしょう。同様に、研究者が日常的にコンピュータ（そして化学物質や金属）を使用しているため、私たちは「基礎的」な計算（あるいは化学や冶金）に対して定期的に賞を与えることはありません。
しかし、今年のノーベル賞の授与に対する反応はやや誇張されているように思われます。これは、ほとんどの分野で顕著な科学的進歩があるにもかかわらず、AIがメディアの注目を独占することへの科学者のフラストレーションを示しているのかもしれません。
AIは実際に何ができるのか？
いずれにせよ、AIは真に変革的な技術になる可能性が高く、蒸気機関、電報、内燃機関、あるいは初期のコンピュータといった過去の技術と同様に、人類史における真の画期的出来事です。
以下はAIの潜在的な応用例の簡単なリストです：
- 創薬・生物データ解析。
- 診断・自動化医療治療（手術を含む）。
- ロボティクス、家庭用ロボットから自動化生産まで。
- 自動運転車・物流。
- パーソナライズ学習・知識拡散。
- エネルギー、材料科学、ナノテクノロジーなどで新素材が発見されています。
- フォトニクス、量子コンピューティングなどを含む新しい計算手法。
- 自動化された惑星外コロニーから小惑星採掘までの宇宙探査。
この文脈では、AIに対する「誇大宣伝」は全く正当化されます。
しかし、ほとんどの新しい重要技術と同様に、最初のイノベーションを実用的なユースケースに転換するプロセスは、期待よりもやや時間がかかることがあります。例えば、1970年代のコンピュータはインターネット革命の数十年前、そしてAIよりもさらに前の時代のものであり、しかしながらその影響は誰も予想できなかったほど大きくなる可能性があります。
