科学のためのAIには、データだけでなく推論が必要

Google DeepMindが開発したAlphaFoldは、半世紀にわたる努力の末にタンパク質構造予測を解決しました。しかし、その成功を可能にした条件、すなわち巨大なProtein Data Bankと信頼できる実験データは、ほとんどの分野で再現するのが難しく、費用もかかります。その代わりに、大規模言語モデルを搭載したAIエージェントが、科学におけるより一般的なツールとして登場しています。GoogleのAI Co-Scientistのようなエージェントは、推論し、計画し、仮説を検証することができます。そのようなエージェントの一つは、抗生物質耐性がどのように広がるかを正しく仮説立てましたが、これはインペリアル・カレッジの研究者が10年かけて到達した結論です。これらのエージェントは、すべての行動を記録して再現性の危機に対処し、組織の知識を保持し、実験のコストを削減することで研究を劇的に加速させることができます。幻覚やメモリの制限といった課題は残っていますが、エージェントは微積分やコンピュータに似た根本的な変化を表しており、あらゆる分野の科学を変革しています。