AIノーベル賞は研究の焦点を変える可能性がある

デミス・ハサビスさんは、妻がスカイプでスウェーデンの番号から大量の電話を受けるようになるまで、スウェーデン王立科学アカデミーからノーベル化学賞を受賞することを知らなかった。

「彼女は何度か番号を置きましたが、それでも彼らはしつこく尋ね続けました」と、ハサビス氏は本日、Google DeepMindの同僚であるジョン・ジャンパー氏とともに、受賞を祝う記者会見で述べた。「それから彼女はそれがスウェーデンの番号だと気づき、私の番号を尋ねてきたのだと思います」

科学界で最も権威のあるこの賞を受賞したことは、それほど大きな衝撃ではなかったかもしれない。その前日には、「AIのゴッドファーザー」の一人と称されるジェフリー・ヒントンと、プリンストン大学のジョン・ホップフィールドが、機械学習の研究でノーベル物理学賞を受賞したばかりだった。「委員会は、この二人を一緒に受賞させることで、ある種のメッセージを発信しようと考えたのでしょう」と、ハサビス氏は受賞後に開かれた記者会見で述べた。

念のため言っておくと、AIはここにあり、AIを研究して他の分野に貢献することでノーベル賞を受賞することが可能になった。ヒントン氏とホップフィールド氏の場合は物理学、ハサビス氏とジャンパー氏の場合は化学で、2人はワシントン大学のゲノム科学者デビッド・ベイカー氏とともに受賞した。

「これは間違いなく、『科学におけるAI』の大きな転換点です」と、ケンブリッジ大学リーバヒューム未来知能センターの上級研究員、エレノア・ドラージ氏は語る。「化学賞と物理学賞を受賞した、非常に優れた実績を持つ著名なコンピュータ科学者たちを見れば、平和賞は誰が受賞するのか、誰もが心待ちにしているところです」と彼女は言い、オフィスの同僚たちがxAIのオーナーであるイーロン・マスクが平和賞候補だと冗談を飛ばしていたと説明した。

ドラージ氏は、AI研究者に物理学賞や化学賞が授与されることを「分野内だけでなく、外部から見た大きな論争だ」と評する。彼女は、これらの賞が授与される理由は二つあると示唆する。一つは、学術研究におけるAIの遍在によって可能になった学問分野の境界線の顕著な変化、もう一つは「私たちがコンピューター科学者に夢中になりすぎて、彼らをどこにでも位置づけてしまう」こと。

今週の決定がどのような方向性を意味するのか、彼女は確信していない。しかし、彼女と他の人々は、それが研究の未来に有意義な変化をもたらすと確信している。

「AIを活用してノーベル賞を受賞することは、もはや過去の出来事かもしれないが、研究の方向性に影響を与えるだろう」と、独立系科学研究公正性専門家で、英国研究公正局の元研究公正性マネージャーであるマット・ホジキンソン氏は述べている。問題は、AIが研究に正しい影響を与えるかどうかだ。

今年のノーベル化学賞受賞者の一人であるベイカー氏は、長年にわたりAIを用いたタンパク質構造予測の分野で先駆的な研究者の一人です。彼は数十年にわたりこの問題に取り組み、着実に成果を上げてきました。タンパク質構造という明確に定義された問題と形式が、AIアルゴリズムの有用なテストベッドとなることを認識していたからです。これは一夜限りの成功物語ではありませんでした。ベイカー氏はこれまでに600本以上の論文を発表しており、委員会からノーベル賞を受賞したGoogle DeepMindのプロジェクト、AlphaFold2も同様でした。

しかしホジキンソン氏は、この分野の研究者たちが、今年の3人がなぜ受賞したのかをリバースエンジニアリングで解明しようとする際に、科学的な根拠よりも技術に注目してしまうのではないかと懸念している。「研究者たちが、すべてのAIツールは同等だと誤解して、チャットボットを不適切に使用してしまうような事態は避けたい」とホジキンソン氏は語る。

こうした事態が起こるかもしれないという懸念は、他のいわゆる変革をもたらす技術への関心が爆発的に高まっていることに根ざしている。「常にハイプサイクルがあり、最近ではブロックチェーンとグラフェンがそうです」とホジキンソン氏は言う。Google Scholarによると、2004年のグラフェン発見後、2005年から2009年の間に、この素​​材に言及した学術論文が4万5000本発表された。しかし、アンドレ・ガイムとコンスタンチン・ノボセロフがグラフェンの発見でノーベル賞を受賞した後、発表された論文数は急増し、2010年から2014年の間に45万4000本、2015年から2020年の間には100万本を超えた。こうした研究の急増は、今のところ現実世界への影響はわずかと言えるだろう。

ホジキンソン氏は、AI研究でノーベル賞審査委員会から複数の研究者が認められることによって、他の研究者もこの分野に集まり始める可能性があると考えている。その結果、質の変わりやすい科学が生まれる可能性がある。「（AIの）提案や応用に実質的な価値があるかどうかは別の問題です」と彼は言う。

AIに対するメディアや一般の関心が学術界に与える影響は既に明らかです。スタンフォード大学の調査によると、AI関連の論文数は2010年から2022年の間に3倍に増加し、2022年だけでも25万件近くの論文が発表されました。これは1日あたり660件以上の新規論文発表に相当します。これは、2022年11月にChatGPTがリリースされ、生成AI革命が始動する前のことです。

研究者がメディアの注目、資金、そしてノーベル賞委員会の称賛にどの程度従うのかは、ニューヨーク大学タンドン工学部でAI研究に取り組むコンピュータサイエンス准教授、ジュリアン・トゲリウス氏を悩ませている問題だ。「科学者は一般的に、最も抵抗が少なく、かつ最も費用対効果の高い道の組み合わせを辿ります」とトゲリウス氏は言う。資金がますます不足し、研究者の就職の見通しに直結する学術界の競争の激しさを考えると、今週時点で優秀な研究者にノーベル賞をもたらす可能性のある、話題のテーマの組み合わせは、抵抗できないほど魅力的である可能性が高い。

リスクは、革新的な新しい思考を阻害してしまう可能性があることだ。「自然からより多くの基礎データを取得し、人間が理解できる新しい理論を生み出すことは、困難なことです」とトゲリウス氏は言う。しかし、そのためには深い思考が必要だ。研究者にとっては、既存の理論を裏付け、既存のデータを用いたAIを活用したシミュレーションを実行する方がはるかに生産的だ。つまり、理解において大きな飛躍ではなく、小さな一歩を踏み出すことになる。トゲリウス氏は、新世代の科学者が最終的にまさにそれを行うだろうと予測している。なぜなら、その方が簡単だからだ。

AI分野の発展に貢献してきた自信過剰なコンピューター科学者が、AI研究が無関係な科学分野（今回の場合は物理学と化学）でノーベル賞を受賞しているのを目の当たりにし、彼らと同じ道を辿り、他者の領域に踏み込んでしまうリスクもある。「コンピューター科学者は、自分が全く知らない分野に首を突っ込み、アルゴリズムを注入して、良くも悪くもそれを進歩と呼ぶことで、当然の評判を得ています」とトゲリウス氏は語る。同氏は以前、物理学、生物学、地質学についてあまり知識がないため、深層学習を別の科学分野に導入して「進歩」させようかと考えたことがあると認めている。しかし、よく考えてから行動に移したという。

ハサビス氏は、科学の発展のためにAIをうまく活用した好例です。彼は神経科学者として教育を受け、2009年に同分野の博士号を取得しました。その経歴が、Google DeepMindを通じてAIの発展に貢献したと語っています。しかし、彼自身も、AI分野における効率化の方法が変化していることを認めています。「今日、AIはエンジニアリングの要素がより強くなっています」と、ノーベル賞受賞記者会見で述べました。「今では、脳を介さずにアルゴリズムのみで改良できる技術が数多くあります」

これも、どのような研究が行われるか、誰が行うか、その分野に関する知識レベル、そしてその分野に参入する動機に影響を与える可能性があります。専門分野に人生を捧げてきた研究者よりも、研究対象から離れたコンピューター科学者による研究が増える可能性があります。

しかし、ハサビス氏、ジャンパー氏、そして今週ノーベル賞受賞に貢献した同僚たちへの祝賀行事に比べれば、その成果は二の次になるだろう。「[AlphaFold3]のコードをクリーンアップし、学術コミュニティが自由に利用できるように公開する作業は、もうすぐ終わります」とジャンパー氏は本日、述べた。「その後も引き続き前進していきます」