人工知能（AI）が科学、そしてそれ以外の分野で新たな扉を開いていることは疑いの余地がない。AIは私たちの世界を根本的な方法で作り変え、再編成している。その限界はどこにあるのだろうか。
私はアレッサンドラ・ブッチェラ氏がLiveScienceに寄稿した記事を読んでいたが、この記事は、科学的手法をあらゆる能力で前進させるためのAI利用における境界線と、ある種の二面性を示していると思う。ブッチェラ氏はAlphaFoldを大きなブレークスルーとして挙げているが、この手法の発見が人間の科学者を完全に不要にするわけではないという注意書きを添えている。
「実用的ではあるが、AlphaFoldのようなAIシステムは、タンパク質、疾患、またはより効果的な薬剤に関する新しい知識を単独で提供するものではない」とブッチェラ氏は書いている。「それは単に、既存の情報をより効率的に分析することを可能にするだけだ」
記事の残りの部分は、データセットの分析に非常に優れていることと、それらのデータセットが生まれる世界の直感的な性質に精通していることの違いを強調している。
「哲学者のエミリー・サリバン氏が述べたように、科学的ツールとして成功するためには、AIモデルは既に確立された知識との強い経験的つながりを保持しなければならない」とブッチェラ氏は続ける。「つまり、モデルが行う予測は、研究者が自然界について既に知っていることに基づいていなければならない」
先週別の投稿で書いたように、AIは「本で学んだことには強い」が、あまり「実地経験には強くない」のだ。
ダボスのパネル
私たちのImagination in Actionイベント（私がスイスのサミットで企画を手伝った無料の1日カンファレンス）で、このことについて非常に似た方法で語るパネルディスカッションを聞いた。ブッチェラ氏と同様に、パネリストのヨエル・メゾ氏（ETH学長）はAlphaFoldに言及し、AIの貢献についてかなり肯定的に語った。
「影響がある」とメゾ氏は述べた。「（AIは）至る所にある。数学から始まり、物理学、経済学、社会科学に至るまで、すべての学部にある。これは本当に革命だ。AIが科学的研究を後押しする速度には、私たち全員が少し驚かされたと言わざるを得ない」
ノースイースタン大学学長のジョセフ・アウン氏は、科学におけるAIについて考える2つの基本的な方法があると提案した。ツールとして、または指導的な力として、である。
「ツールとして、その強力さは分かっている」と彼は述べた。「それは言語を模倣しており、時々『確率的オウム』という用語を耳にする。それはまだ自然言語のモデルではないが、非常に強力だ」
実体または力としてはどうだろうか。
「それは（人間の科学者としての）私たちの役割に疑問を投げかけることになる」と彼は述べた。「私たちの役割とは何か。機械が複製できないことで、私たちができることは何か。そう、それは私たちの科学と結果を向上させているが、同時に、私たちがそれについて異なる方法で考えなければならない状況を作り出している」
AIは、人間の科学者をこれまで以上に多くのことを行い、さらに遠くまで行くように「後押し」するだろうと彼は指摘した。
進歩のペース
私の同僚でMITのCSAIL研究所所長のダニエラ・ラス氏は、私たちが既に持っているAIには多くの可能性があるが、さらに飛躍する余地もあると指摘した。
「現在のモデルから多くのものを得ることができる」と彼女は述べた。しかし、ラス氏は残された作業を認めた。
「AI技術のレベルでは、改善の余地がある」と彼女は述べた。「私たちのモデルは統計的相関と概念的相関には非常に優れているが、時空間空間で発生する相関やパターンにはあまり優れていない」
繰り返すが、本で学んだことには強いが、実地経験には強くない。
「そのため、その要素をソリューションにどのように取り入れるかを考える必要がある。なぜなら、それは物理学、化学、生物学、物理学を理解すること、物事がどのように機能するかの根本的な性質を理解することが重要な分野において、より強力な洞察を可能にするからだ」とラス氏は述べた。
彼女はまた、人間とAIの認知の間の「ギャップ」についても語った。
「私は、言語から始まり、知識、洞察、創造性、先見性、熟達、共感へと続く階層について考えている」と彼女は続けた。「これは、私たちが仕事に、相互作用に、世界での在り方にもたらすことができるスキルと貢献の階層だ」
今日のAIソリューションは、速度において非常に優れていると彼女は指摘した。
「それらは知識を捉え、洞察、創造性、先見性、熟達、共感への私たちの探求を支援する。これらは非常に自然な人間の特性であり、私たちが活用し続けるものであり、お互いにどのように繋がるか、世界をどのように理解するか、より良い答えとソリューションに向けてAIシステムからのフィードバックをどのように解釈するかにおいて非常に重要だ」
「AIの主体性と人間の主体性のバランスは、私たちが常に取り組まなければならないものだ」とアウン氏は付け加えた。「チームワーク、チームの創造性を持つ能力、文化的機敏性を持つ能力、これは当面の間、AIが模倣することが難しいものだ。また、文脈的に、AIは文脈を理解しないが、私たち人間は文脈を理解する以上のことをする。私たちは知識を取り、それをある領域から別の領域へと移転する。これはAIが当面の間できないことだ」
変化を起こす
パネルは、伝統への確証バイアスがしばしば存在する世界において、多様な結果を促進することについて少し話し合った。
「学界は非常に保守的だ」とアウン氏は指摘した。「私たちは世界を変えたいが、自分自身を変えたくない。そのため、また私たちはコンセンサスによって働く。これは成功のレシピではない」
ラス氏はより分散化されたアプローチを求めた。
「私たちは世界で最高の学生の一部を訓練しているが、彼らをうまく訓練するためには、彼らにリソースを与えて力を与える必要がある。学生と教員は、彼らの最もクレイジーで、最も大胆でクレイジーなアイデアを追求する自由を持たなければならないが、それらのアイデアを追求するためにサポートされなければならない」
彼女はこの目的に向けた液体基盤モデルの出現について語った（免責事項：私はこの技術に関するコンサルティングに関与している）。
AIとの整合性を得る
この別の側面は、倫理と安全性に関わり、AI製品が人類の目標を支援することを確実にすることだ。この整合性をどのように得るのか。
「AIモデルはツールであり、他のツールと同様に、本質的に良いものでも悪いものでもない」とラス氏は述べた。「それらは私たちがそれらで何をすることを選択するかであり、私たちは並外れたことをすることを選択できる」
「社会全体がこの問題に取り組んでいる」とアウン氏は述べた。「1つのアプローチは規制することであり、規制は大陸または実体によって行われるが、グローバルレベルには達していない。整合性の観点から、私たちは大学でいくつかのレベルで果たすべき役割があると思う」
「基準を持つこと、製品の認証、それはおそらく最も速い方法だ。しかし、私たちは皆、社会科学者、倫理の専門家などと協力してこれに取り組んでいる」
これはこのトピックに関する良いインプットだ。今後もご期待いただきたい。
