MIT Technology Review

https://www.technologyreview.jp/s/348064/a-data-bottleneck-is-holding-ai-science-back-says-new-nobel-winner/?fbclid=IwY2xjawGB6RFleHRuA2FlbQIxMQABHQ-jvGaWiQL9qmlUAN-18b92i7VKMKTGyFtd-w5ANTr-kou2T0ZlCpksZw_aem_qVKon4np8N1qUy427e0l2w

”「ゴミを入れればゴミが出る」という格言が存在する。AIモデルに投入されるデータが良くなければ、その結果も素晴らしいものにはならない。”

この記事は、AI技術が科学の分野で大きな成果を上げ、ノーベル賞の受賞につながったことについて述べている。ワシントン大学の生化学者であるデビッド・ベイカー教授は、AIを活用したタンパク質研究でノーベル化学賞を受賞した。Google DeepMindの「AlphaFold」も同賞を受賞し、AIがタンパク質構造の予測に大きな影響を与えたことが評価された。また、ノーベル物理学賞は、深層学習の先駆者であるジェフリー・ヒントンやジョン・ホップフィールドに授与され、AI技術が科学研究の重要な基盤であることが再確認されている。

ベイカー教授は、AIが科学において有効なツールとなるには、質の高いデータが不可欠であると強調している。彼は、AIモデルの成果は投入されるデータの品質に左右されると述べており、標準化されたデータが重要な役割を果たすと指摘する。その具体例として、ノーベル化学賞受賞の一因となった「タンパク質構造データバンク（PDB）」を挙げる。このデータベースは、AIを科学研究に役立てるために必要な高品質な情報を提供するが、同様のデータセットは非常に限られているという。

AIが科学の世界で新しい可能性を切り開いている一方、現在のAI開発には課題もある。AIモデルは多くの場合、インターネット上の雑多なデータで訓練されており、これがバイアスや誤差を引き起こすリスクをはらんでいる。こうしたデータの混入は、AIの結果の信頼性を損なう可能性があるため、正確な科学的発見には不向きだとされる。そのため、科学的な成果を上げるには、PDBのような質の高いデータベースをいかに増やしていくかが課題になる。

また、ベイカー教授は、今回のノーベル賞の受賞がAIの科学における転換点であるかどうかについて慎重な立場を示している。彼は、AIの世界には「ゴミを入れればゴミが出る」という格言があると述べ、AIモデルの成果がデータの質に依存することを改めて強調する。今後、AIが科学においてさらに発展するためには、PDBのように標準化された質の高いデータを確保することが不可欠だと主張している。AI技術は、従来解決が難しかった問題に対する新たな解決策を提供し、科学研究の進展に寄与している。ベイカー教授のチームも、酵素の設計や、特定の部位でのみ作用する薬の開発に取り組んでいる。これまで不可能だったことが、生成AIなどの新しい手法によって可能になりつつあるが、それを最大限活かすにはデータの質が鍵を握るという。

AIを科学に活用することには多くの可能性がある一方で、その効果を引き出すためにはデータの品質管理が不可欠であり、これがAIの今後の発展において重要な課題になることが示されている。今回のノーベル賞は、AIと科学が融合した未来の可能性を示す重要な一歩だが、さらなる成果を求めるには高品質なデータベースの拡充が求められる。