AIは科学者を失業させるでしょうか？この答えは予想外だった

生成型人工知能の分野では、多くの話題と議論が交わされています。多くの人がこう言うでしょう。「このままでは、AIに取って代わられるのは時間の問題だ」例えば、生化学や環境材料などの分野の研究をしている若い科学研究者や、コンピューターサイエンスの研究をしている若い研究者がたくさんいます。彼らの中には、「私のような科学者は、必然的に AI に取って代わられてしまうようだ...」と冗談を言う者もいた。

本当にこんなことが起こるのでしょうか？これは確かに非常に興味深い質問です。

まず、過去10年間でAIは科学の分野でも「実りある成果」を上げてきたこと、そしてAIとは全く関係ないと思われる分野でもAIが頻繁に登場してきたことは確かです。 **AIは、生化学の分野でのタンパク質構造予測から気象学の分野での天気予報、医療画像認識から化学分子の匂いマップの予測と描画まで、あらゆる分野で活用されています。

一般的に言えば、科学研究における AI の応用には主に 3 つの側面があります。1 つ目は科学者の作業効率を向上させるツールとして使用すること、2 つ目は論文の執筆とレビューに参加すること、3 つ目は科学研究に直接参加することです。

「AI は科学者に取って代わるのか？」という質問に答えるには、まずこれら 3 つの分野における AI の現在の具体的な応用を理解する必要があります。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

AI支援による強化

研究者の作業効率

2023年、ネイチャー誌は、研究者による生成AIの利用状況や考え方を把握するために、1,600人の科学者を対象に調査を実施しました。

結果によると、参加者の半数は AI 分野の研究者でした。このグループを除外すると、非 AI 分野の研究者の半数以上が科学研究に AI を使用することになります。

研究者によるAIの活用、画像出典：参考文献[1]

研究者の視点から見ると、生成 AI の利点は、英語を母国語としない著者の論文執筆 (編集と翻訳を含む) を支援すること、AI を使用してコードを書くこと、AI を使用して論文の内容を洗練し、読む時間を節約することの 3 つの方向に活用できます。

生成型 AI の利点 (科学研究)、画像出典: 参考文献 1

生成 AI が英語を母国語としない人の論文執筆を支援できることは容易に理解できます。生成 AI が英語のコンテンツを生成する能力は、英語を母国語としない多くの人々の能力よりも確かに「本物」です。また、AI はニーズに応じて記事の文言を科学研究論文のスタイルに近づけるように調整できます。

AI コーディングにより研究者の時間も大幅に短縮されます。明確な要件が与えられれば、GPT などの大規模なモデルは必要に応じてコードを生成し、各コードの機能を説明できます。

AI コーディングは、コンピューター サイエンスの研究者だけでなく、プログラミングのニーズがある非コンピューター サイエンスの研究者 (バイオインフォマティクス分析など) にも役立ちます。 AI コーディングは確かに作業効率を大幅に向上させ、研究者が自分の得意分野やより重要な分野に知性と時間を費やすことを可能にします。

現在、生成 AI は要約から重要な情報を抽出する能力がすでに高く、必要に応じて「研究方法」、「結果と考察」など、論文の特定のモジュールでより正確な情報抽出を実行できます。したがって、 AI を使用して論文を「フィルタリング」すると、確かに時間を節約できます。

ただし、これらのアプリケーションでは、 AI は科学研究に直接参加しません。それは、研究者の作業効率を向上させるのに役立つ便利な辞書や便利なドライバーのようなものです。科学研究の中核となる仕事は今でも科学者によって行われています。

AIが論文執筆と査読に参加

1

AIによる論文執筆

2022年末のGPT 3.0のリリース以来、生成AIのコンテンツ作成機能は広く認知されるようになりました。また、一部の中学校や大学では、生徒が生成 AI を使用して宿題をしたりエッセイを書いたりすることは、もはや目新しい話題ではありません。

しかし、そのような行為を奨励する学校はありません。結局のところ、そのような「怠惰な」行動は、生徒の思考や成長に役立ちません。

しかし、ネイチャー誌の調査では、時間を節約するために論文の執筆にAIを活用できると述べる研究者もおり、「AIを使って論文を書く」という問題が絡んでいる。

実際、若い科学者にとって、論文を書くことは「基本的なスキル」の仕事です。実験を必要としない研究分野では、情報の検索と論文の執筆が科学研究のほぼ大部分を占めています。 AIが論文を書けるようになれば、これらの分野の科学者の仕事は影響を受けるでしょうか?

科学界は論文執筆に AI を直接使用することを認めていないことを強調しておく必要があります。

まず、論文の書き方には、「人間が論文の下書きを書き、AIが文章や表現を調整する」という方法と、「AIが論文の下書きを生成し、人間がそれを最適化する」という2つの方法を区別する必要があります。これら 2 つの論文の書き方は、順序が逆になっているだけのように見えますが、本質的にはまったく異なるものです。

最初の草稿が人間の科学者によって書かれると、データの分析と結果の議論はすべて人間の科学者によって実行されます。レビュー論文を書くときも、その内容を総合的に議論し考えることが科学者の英知の表れです。その後の AI 最適化は、文法と表現の最適化のみです。 AIは単なるツールであり、作者ではありません。

しかし、AIが最初に原稿を生成し、人間が修正を加えると、AIが著者になります。 AIは「それっぽい」テキストを生成することはできますが、論文の内容を生成する際に「科学的思考」は備えていません。事前にトレーニングされたコンテンツに基づいてテキストを生成するだけなので、導き出された結論は偏っていて不合理になる可能性があります。

さらに悪いことに、 AI が書いた論文には「説明のつかない」誤りがいくつかあるのです。例えば、AI は何も無いところから文書を捏造する可能性がありますが、学術倫理を遵守する科学研究者は論文を書く際にそのような問題に遭遇することはありません。 GPT を直接使用して論文を作成する人は、文献を 1 つ 1 つ確認する可能性はほとんどありません。このような論文を提出することは、査読者の時間の無駄遣いに他なりません。

現在、多くのジャーナル会社は、AI を論文の著者として使用することを明確に禁止しています。たとえば、「Nature and Science」などです。エルゼビアやシュプリンガーなどの有名な学術雑誌出版社は、「AI著者」の登場を禁止する声明を発表している。論文中のその他の箇所でAIが使用されている場合は、使用方法とAIモデルのバージョンを記載する必要があります。

同時に、AI で生成された画像は、一般的に公開できません (編集者の許可を得た特別な状況では例外が認められる場合があります)。

AIによる描画は実際のコンテンツを正確に再現するものではないからです。これは芸術創作の分野では深刻な問題ではありませんが、科学研究論文の写真は本物かつ厳密なものでなければならないため、AI で生成された写真は許可されません。例えば、少し前に学界で騒動を巻き起こした「AIマウス」の写真は、科学的事実と大きく矛盾していたため撤回されました。

撤回された論文でMidjourneyを使用して生成された画像

もちろん、学術ジャーナル分野は AI 技術と完全に排他的というわけではありません。

例えば、エルゼビアは声明の中で、AI技術は論文の読みやすさを向上させ、言語表現を最適化するために使用できると述べています。また、スペル、文法、参照をチェックする基本的な AI ツールを使用する場合は、特別な指示は必要ありません。

したがって、科学論文の執筆に関しては、AI が人間の科学者に取って代わることはありませんが、科学者の論文執筆の効率を向上させることはできます。

2

AIが論文審査に参加

科学論文の分野では、研究者を悩ませるもう一つの問題があります。それは査読です。

研究者は、自身の研究作業に加えて、同僚の研究論文もレビューする必要があります。科学研究論文の数が増えるにつれて、研究者は査読にますます多くの時間を費やす必要があります。

現在、科学者の負担を軽減するために、この分野で AI ツールが登場し始めています。たとえば、Penelope.ai ツールは原稿の構造と参照形式をチェックできます。 StatReviewer は、データと統計手法の信頼性を検証するために使用できます。

さらに、UNSILO と呼ばれるツールは論文の要約を抽出し、人間の科学者によるレビューを容易にすることができます。一部の研究者は、Chat-GPT などの AI を使用して、ピアレビュー コンテンツを直接生成しています。

AI の査読への参加という問題に関しては、AI がどの程度、どのような方法で参加できるかはまだ議論の余地があります。しかし確かなのは、現時点では、ほとんどの学術雑誌の論文査読作業は依然として人間の科学者によって完了される必要があるということです。

国立衛生研究所（NIH）とオーストラリア研究会議（ARC）はともに、研究者がAIを使用して査読コンテンツを生成することを禁止する声明を発表しました。科学研究論文の審査には専門知識が必要であり、論文には機密データが含まれている可能性があるため、Chat-GPT にアップロードするとデータ漏洩のリスクが生じる可能性があります。

科学研究関連業務に直接関わるAI

これまで述べてきたのは、いずれもAIが科学研究の補助ツールとして利用されているケースです。いくつかの分野では、AI は実際に人間の科学者と同等の役割を果たす可能性があります。実際、生成型 AI が登場するずっと前から、AI はこれらの分野ですでに大きな成果を上げていました。

1

予測モデルとして

DeepMind社が開発したタンパク質の3次元構造予測プログラム「AlphaFold」がその代表例です。

タンパク質の構造を研究することは、長い間、重要ではあるが難しい作業でした。タンパク質の三次元構造がその機能を決定するからです。しかし、過去 60 年間に人類が観察したタンパク質構造は合計 17 万個に過ぎず、これは自然界に存在するタンパク質の総数の 1% 未満です。

タンパク質はアミノ酸配列が折り畳まれることによって形成され、科学者たちはアミノ酸配列とタンパク質構造の関係を見つけようともしています。しかし、アミノ酸鎖の折り畳みにはさまざまな可能性があるので、これは簡単ではありません。コンピュータを使用してすべての可能な構造を走査し、最も安定した構造を見つけると、天文学的な時間がかかります。

この問題は、囲碁をプレイするときに AI が解決する必要がある問題と非常によく似ています。そこで、有名な囲碁ロボット「AlphaGo」と「AlphaZero」を開発したDeepMind社は、17万個の既知のタンパク質のデータを活用してAlphaFoldモデルを作成した。

2018年、AlphaFoldはタンパク質構造予測の精度においてトップの人間科学研究チームを上回りました。 COVID-19パンデミックの間、AlphaFold 2はコロナウイルスのスパイクタンパク質の構造予測にも参加し、その結果を共有しました。

もちろん、 AIは他の予測モデルにも使用できます。

たとえば、2023 年に Google は AI を使用して 50 万個の化学分子の匂いをマッピングし、人間が化学分子と匂いの関係を理解できるようにしました。そして、そのような地図に基づいて、科学者は対象の匂いに応じて対応する化学物質を合成することができます。

天気予報の分野でも、AI モデルは優れたパフォーマンスを発揮します。例えば、天気予報モデル GraphCast は、今後 10 日間の世界の天気を 1 分以内に予測することができ、従来のモデルよりも予測精度が高く、コストも低くなります。

2

重要な処理ツールとして

さらに、AI のデータ分析および処理能力は、人間の科学者がより良い研究を行うのにも役立ちます。 AI はトレーニングを通じて大量のデータからノイズデータを除去し、研究者がより信頼性の高い情報を入手できるようにします。

天文学の研究を例にとると、地上の天体望遠鏡で星空の写真を撮ると、大気の干渉を受けます。かつては、大気からの干渉を排除するために、ハッブル望遠鏡やウェッブ望遠鏡などの望遠鏡を宇宙に打ち上げる必要がありました。

AI ツールを使用することで、科学者は地上の望遠鏡で撮影した画像を最適化し、大気からの干渉を排除することができます。さらに、ディープラーニングを使用した AI モデルの最適化効果は、従来の方法よりも高くなります。

地上望遠鏡で撮影した写真から徐々にノイズを除去していきます（左上が元の画像、右下が処理後の画像）。画像出典：参考文献[7]

さらに、2019年には科学者らがブラックホールの写真を公開し、世界的な注目を集めた。その時、皆が目にしたのは下の写真の左側でした。 2023年、科学者たちはAIモデルPRIMOの助けを借りて、この画像を下の写真の右側の画像に最適化しました。

2019年に公開されたブラックホールの写真（左）とPRIMOで処理された後の写真（右）。画像出典、参考文献[8]

このような高解像度の画像は、科学者がブラックホールの質量、大きさ、物質消費率をより正確に推定するのに役立つ可能性がある。

もちろん、画像のノイズ除去に加えて、AI のデータ処理機能は他の種類のデータにも適用できます。 AI ツールの助けを借りれば、科学者は確かにより多くの、より良い結果を得ることができると言えます。これは科学研究者にとって非常に価値のあることです。

話し合う

これまでの応用例から、科学研究の分野では、人間の科学者が依然としてかけがえのない役割を果たしていることがわかります。科学的研究のアイデアの提案から実験方法の設計、実験の実施、データの分析に至るまで、すべてに人間の科学者の知恵が必要です。

生成型 AI の登場後、人々はそれを活用してテキスト、文法、表現を最適化することができるようになりましたが、論文の執筆や査読は依然として人間の科学者に依存しています。

AIがタンパク質モデルを予測するような場合でも、最終的な観察検証は人間の科学者が行う必要があります。これらのモデルでは、AI は予測を行うことができますが、AI の予測プロセスは「ブラックボックス」であり、AI はなぜそのような予測を行うのかを説明できません。タンパク質の折り畳みのメカニズムの探究は、まだ人間の科学者によって完了される必要があります。

しかし、AIの助けにより、科学者の問題解決の効率が確かに向上したことは否定できない。科学者は、より高次元の思考により多くの注意と時間を集中することができます。

現時点では、AIがまだ関与していない科学研究分野はまだ多くありますが、ハーバード・ビジネス・スクールのカリム・ラカニ教授が言うように、AIは人間に取って代わるのではなく、AIを使う人間がAIを使わない人間に取って代わるのです。

もちろん、科学研究の仕事でも同じことが言えます。

参考文献

[1] Van Noorden R、Perkel J M. AIと科学：1,600人の研究者の考え[J]。ネイチャー、2023、621(7980):672-675。

[2] Kacena MA、Plotkin LI、Fehrenbacher JC.科学レビュー論文の執筆における人工知能の活用[J]。最新骨粗鬆症レポート、2024年：1-7。

[3] https://www.science.org/content/article/science-funding-agency-say-no-using-ai-peer-review

[4] https://www.science.org/content/article/ai-churns-out-lightning-fast-forecasts-good-weather-agency

[5] https://www.science.org/content/page/science-journals-editorial-policies?adobe_mc=MCMID%3D797307340825707067541028171796633734 64%7CMCORGID%3D242B6472541199F70A4C98A6%2540AdobeOrg%7CTS%3D1675352420#:~:text=In%20addition%2C%20a,s%20scientific%20misconduct

[6] https://www.science.org/content/article/game-has-changed-ai-triumphs-solve-protein- Structures

[7] https://www.space.com/ai-software-unblurs-images-ground-based-telescopes[8]https://www.space.com/first-ever-black-hole-image-ai-makeover[9]https://hbr.org/2023/08/ai-wont-replace-humans-but-humans-with-ai-will-replace-humans-without-ai

企画・制作

著者: 田大偉、中国科学院海洋学研究所修士

レビュー丨テンセント玄武ラボの責任者、Yu Yang氏

企画丨Xu Lai

編集者：リンリン

この記事の表紙画像と画像は著作権ライブラリから取得しています

転載は著作権紛争につながる可能性がある