科学は常に、データを分析し、パターンを発見し、仮説を検証することによって進歩してきました。歴史のほとんどにおいて、それは人間、つまり聡明で疲れ知らずの人間が力仕事をすることを意味していました。今日、AI はこれまでに発明された中で最も強力な研究アシスタントになりつつあり、科学者のチームでは決して太刀打ちできない規模でデータを処理できます。
50 年間、生物学の最大の未解決問題の 1 つは タンパク質の折り畳み問題 でした。つまり、タンパク質のアミノ酸配列が与えられると、その三次元形状を予測します。
タンパク質は、その機能を決定する正確な形状に折り畳まれます。そして、誤って折り畳まれたタンパク質は、アルツハイマー病、パーキンソン病、癌などの病気に関連しています。タンパク質の形状を理解することは、タンパク質と相互作用する薬剤を設計するために重要です。しかし、タンパク質の構造を実験的に決定するには数か月から数年かかり、数十万ポンドの費用がかかります。
2020 年、DeepMind の AlphaFold2 は、ほとんどの場合実験結果と一致する驚異的な精度でこの問題を解決しました。 2022 年までに、2 億以上のタンパク質 (生物学における事実上すべての既知のタンパク質) の構造を予測しました。データベース全体が無料で公開されました。
世界中の研究者は、直ちに AlphaFold を次の目的で使用し始めました。
地球の気候は気が遠くなるような複雑さのシステムです。海流、大気化学、氷床の力学、人間の排出物はすべて相互作用しており、シミュレーションには膨大な計算モデルが必要です。
AI は、いくつかの重要な方法で気候科学を強化しています。
2023 年にリリースされた Google DeepMind の GraphCast モデルは、従来の最高の数値モデルよりも正確に 10 日間の天気予報を生成します。スーパーコンピューターでは数時間かかるのに対し、1 台のコンピューターでは 1 分未満で天気予報が生成されます。
AI システムは、数十年にわたる衛星、海洋センサー、大気データを分析して、次のことを実現します。
再生可能エネルギーへの移行には、変動する供給（風が吹くとき、太陽が輝くとき）と需要を一致させる必要があります。 AI は両方を予測し、送電網運営者がシステムのバランスをとり、汚染を引き起こすバックアップ発電所の必要性を減らすのに役立ちます。
新薬の開発には通常 10 ～ 15 年かかり、10 億ポンド以上の費用がかかります。ほとんどの新薬候補は失敗します。 AI はこのタイムラインを劇的に圧縮しています。
従来の創薬には次のことが含まれます。
AI はステップ 1 ～ 3 を大幅に加速できます。
Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
→ shortlist the top 100 for lab testing
Insilico Medicine や Recursion Pharmaceuticals などの企業は、AI を使用して、数年ではなく数か月で新規薬剤候補を特定しました。 は AI を使用して、パンデミックが始まってから数日以内にバリシチニブを新型コロナウイルス感染症 (関節リウマチ) に対してすでに承認されている治療薬として候補として特定しました。
ログイン ディスカッションに参加
宇宙では、人間のチームが処理できる量を超えるデータが生成されます。 AI は現代の天文学に不可欠です。
NASA のケプラー望遠鏡は、惑星が前を通過することを示す小さな減光を探して 150,000 個の星を観察しました。確認された惑星目撃情報に基づいてトレーニングされた Google AI システムがデータを検索し、人間の査読者が見逃していた 2 つの新しい系外惑星を発見しました。その中にはケプラー 90 系の 8 番目の惑星も含まれており、この惑星は私たちの太陽系と同じ数の惑星を持つ最初の既知の恒星となりました。
銀河 M87 の有名な 2019 年のブラックホール画像（史上初撮影）は、ケイティ ボウマンが開発した AI アルゴリズムによって可能になり、地球上に広がる 8 台の望遠鏡からのデータを一貫した画像に合成しました。
NASA の パーサヴィアランス探査機 は、AI を活用した自律航法を使用して火星の地表を横切る独自のルートを計画し、無線信号が地球に到達するまで 20 分も待たずに危険を回避します。コンパニオン ヘリコプター Ingenuity は、リアルタイム AI を使用して、火星の薄い大気中で安定した状態を保ちます。
新しい材料、つまりより優れた電池、より強力な合金、より効率的な太陽電池を見つけることは、伝統的に骨の折れる試行錯誤のプロセスでした。 AI がそれを変えつつあります。
マテリアル プロジェクトは、AI を使用して 140,000 を超える材料の特性を計算的にモデル化し、研究室で材料を作成する前にその安定性、導電性、その他の特性を予測しました。研究者はデータベースにクエリを実行して、必要な正確な特性を持つ材料を見つけることができます。
Microsoft の FunSearch システムは AI を使用して新しい数学的構造とアルゴリズムを発見し、AI が純粋な数学を進歩させることさえできることを実証しています。
これらすべての画期的な進歩に共通する点は同じです。AI は、人間の研究者にはまったく不可能な規模でデータのパターンを見つけることができます。
次のことを考慮してください。
人間は並外れたパターン認識能力を持っていますが、それは頭の中で認識できる範囲内でのことです。 AI にはそのような制限はありません。出版されたすべての神経科学研究の成果を処理し、個々の研究者では決して気付かない、何十年も離れて書かれた論文間のつながりを明らかにすることができます。
これは、AI が科学者に取って代わるという意味ではありません。科学者は依然として質問をし、実験を計画し、結果を解釈し、何が重要かを決定します。 AI は、これまで科学ツールキットに追加された中で最も強力なツールです。
DeepMind の AlphaFold2 の主な成果は何ですか?