研究の自動化の意義
はい、こんばんは。
こんばんは。
よかったです。
よろしくお願いします。
よろしくお願いします。
よろしくお願いします。
本日なんですけれども、雑談形式で、もう好きに喋っていただいて構いませんので。
大体30分っていう感じなんですが、目安なので、全然数分前後しても構いませんので、楽しくお話しいただければなと思っておりますので、よろしくお願いします。
よろしくお願いします。
で、ちょっと一つですね、今日は両多さんと山田博文さんとどっちも山田さんなので、ちょっと呼び方を統一した方が聞いている方は分かりやすいかなと思うんですが、両多さんと博文さんで大丈夫ですかね。
はい、よろしくお願いします。
ありがとうございます。
山田さんお二人に研究の自動化をテーマに今日は語っていただければと思っております。
よろしくお願いします。
まずは簡単に自己紹介からお願いできればと思うんですが、まずは両多さんからお願いします。
山田 両多と申します。サイエンスエイド株式会社という会社の代表をしています。
研究の自動化との関連性で私のバックグラウンドをお話しすると、もともと農学部の獣医学科にいてですね、いわゆるウェットの実験と呼ばれるような細胞とか動物とか使ってアレルギーとかの研究をしていました。
そこからですね、ちょっとユニークなパスとして工学部に転学部して、いわゆるAIであったりとかVRだったりとか、そういうところに興味を持って、
それら取り組んでた時も全部獣医学科の教育だったりとか研究だったりとかをテクノロジーでどうしたら効率化できるかなみたいなことを考えてずっと活動しています。
創業した思いもそこと同じでですね、科学研究の自動化、AIやロボットによる自動化っていうところにずっと取り組んでいるここ数年って感じですね。
ちょっといろいろ気になりますが、よろしくお願いします。
グリーン溶媒の研究
よろしくお願いします。
では、ひろむさんお願いします。
アカデミストをご記載として活動させていただいています、奈良先端科学技術大学院大学の山田ひろむです。
専門はリアルズインフォマティクスと呼ばれるAIと材料科学の融合分野になります。
本日は研究の自動化というリアルズインフォマティクスと非常に親和性の高い、あるいはその一部かもしれないですけど、こういうに取り組まれてます山田亮太さんとお話できるということで非常に楽しみにしていました。
どうぞよろしくお願いします。
よろしくお願いします。
はい、ではもうこの後はお二人に完全にバトンをパスしますので、もう喋り切ったっていう段階でまた私にちょっと最後振っていただければと思いますので、ではよろしくお願いします。
アジェンドの表位されてないんで。
そうなんです。でももう気にせず雑談として二人が楽しくお話いただければと思ってますので。
せっかくなんでヒロムさんが今アカデミストで取り組まれてるテーマですね、もうちょっとなんか深掘りしてリスナーの方にも知っていただいて、そこから掘り下げるみたいな感じにしましょうか。
わかりました。
勧め方があればそれでもいいですけど。
最初に私の今取り組む研究についてちょっと紹介させていただければと思います。
私の研究のビジョンとしてはグリーン溶媒の利用を加速させることで科学産業における環境負荷と健康被害を削減して持続可能な社会を実現させることです。
一応研究としては溶媒効果のモデリングをしたいというふうに考えています。
科学反応において溶媒っていうのは欠かせないものですが、使う溶媒が例えば溶媒Aから溶媒Bに変わるだけで生成物の物性が変わってしまうという厄介なものでもあります。
それを広い意味で溶媒効果というふうに呼んでいますが、この溶媒効果を推理モデル化してこの溶媒を使えばこの物性が出るだろうというのが分かれば、事前に分かればグリーン溶媒。
今これまでに使われている溶媒からグリーン溶媒に置き換える際にすごく便利なツールとしてになるんじゃないかなというふうに考えて今研究を行っています。
というのが私の研究になります。
グリーン溶媒っていうのは環境負荷の低い溶媒のことですかね。
はい、おっしゃる通りです。
本当は今世の中にある環境に負荷を与えるような溶媒すべてをグリーン溶媒に変えられたらハッピーだけど、
単純に変えると元々本筋でやりたかったことが変わっちゃうかもしれないからいきなり変えることはできないけど、
そこで試行錯誤が発生したら結局いろいろコストとか時間もかかってくるところをAIで可能な限り低コストをグリーン溶媒に変えていきたいみたいな話ですよね。
ありがとうございます。分かりやすく。
私化学のところはあんまり詳しくないので色々とご質問いただけると嬉しいです。
今せっかくなんでスレッドにひろむさんのページ貼りましたので。
ありがとうございます。
リスナーの皆さんもよろしければページとか見ながらお聞きいただけるといいかなと思うんですけど、
私はライフサイエンスでAIの活用とかをよく考えるので、このAIの部分特に詳しく聞きたいなと思うんですけど、どういう種類のAIなんですか?インプットとか。
そうですね。いわゆる日常生活で使われているチャットGBTとかみたいな大規模言語モデルではなくて、具体的な名前を出すとするとガウス家庭回帰モデルっていうのをメインに使おうかなというふうに考えています。
入力としては理想的な実験条件を入れてそのアウトプットに自分が欲しい物性が出力できればなと考えています。
AIのアプローチと課題
でもただの実験条件だけだと溶媒の情報っていうのが入ってこないので、その溶媒の情報を量子化計算で出してそれを特徴量として入れたいなと考えているところですね。
なるほどなるほど。
任意の実験条件を入れたときに結果が出てくると。
はい、そうです。
リアルな空間で実験をしなくても結果がわかるっていう話ですよね。
はい。
すごい、ライフサイエンス領域でも任意の実験条件を入れたときに例えば動物実験とかしなくても実験結果が出ると嬉しいなみたいなことはよく話をしたりするんですけど。
はい。
化学の分野だと話はもちろんそれができたら理想だと思うんですけど、すごい難しい話じゃないですか。
そうですね、はい。
今取り組まれているところは何かここら辺に難しさがあるのとか、あとぶっちゃけどれぐらいのことできるんですか。
そうですね、僕今博士全期課程1年なんですけど、収支課程のときには実験条件入力のアウトプット物性で、今ちょっと説明したような溶媒を変えたときの予測ができるとか、そういうのは抜きにして、ポリマーの計は固定した状態の実験条件最適化っていうのを一応行っています。
一応これ論文化されてるんですけど、ベイズ最適化っていうやつですね。
このベイズ最適化を使って、実験条件を最適化できるかっていう研究なんですけど、これ自体は一応うまくいっていまして、うまくいかなかっただけに関わらず、一応その実験結果から可視化をして、新しい科学的な知見につなげるっていったことが一応収支課程の研究ではできたので、
そういうツールとして使うだけにとどまらず、新しい科学の知見を発見するっていうところにもAIがうまく使えるのかなっていうふうには考えています。
次のステップはどういうことになるんですか?
次のステップが、今、例えばポリマーAの実験条件を最適化したいっていうときにだけ使えるんですけど、実用途においてはポリマーAの実験データを持っているけど、ポリマーBの最適化をしたい。
こういうときにポリマーAのデータが発用できないと、またポリマーBのデータを取得するところから始まらないといけない。
だとか、今言ったようなグリーン溶媒に転換するときには、溶媒Aのデータはあるけど、溶媒Bの実験条件で最適化したいっていうときに、また溶媒Bの条件を取りに行くのかっていうと、
ちょっとそこもまた手間になってくるので、こういういわゆる外相の領域が最適化できればなというふうに考えています。
おだしょー なるほど。じゃあ、しゅんしまちゃんの心が溶媒Aの中において最適化をしていくっていう話だったんですけど、これから白紙カーテンでやるというのは、
溶媒Aのデータがあるときに溶媒Bの最適化を、その溶媒Aのデータを用いて溶媒Bの実験を一切せずにできると、さっきのグリーン溶媒の展開にできるっていう話ですね。
しゅんしまちゃん ありがとうございます。このAIを使った研究っていうのは、結構今ホットなテーマだと思うんですね。
ただ、AIだけでは成し得ないこともいろいろあるなというふうに思っていて、あくまでAIってサポートの役割かなというふうには感じてるんですね。
例えばこれを合成科学系の研究者の方とお話しするときとかって、やっぱりAIってすごく万能なものっていうイメージを持たれがち。
AIがあれば私たちの仕事いらないんじゃないのとかいうのもよく聞いたりするんですけど、
やっぱり科学の知見を持った科学者がいてこそのAI手法なのかなっていうふうには思っていて、
その辺がもしかしたらりょうたさんのサイエンスエイドっていう、このエイドに含まれてるのかなと思ったんですけど、その辺ってどうですかね。
りょうた 会社の名前としてはシンプルにサイエンスを助けたいっていうところと、あとエイドの中にAIが入っているので。
サイエンスとAIっていうのを押し出したくて、それとミニマムで意味の通りの名前にしたかったっていうところがあるけど、
でも今ひろむさんがおっしゃってた話はすごい別の領域でもやっぱ同じ話するなと聞きながら思ってましたね。
結局今のAI、本当に広くAIって言いますけど、使おうと思うとやっぱりドメインの知識がないと使いこなせないなって思うところがすごく多いですよね。
はい、確かに。そのりょうたさんの分野ではライフサイエンスっていうとどういう実験の児童化になるんですかね。
ありがとうございます。我々はサイエンスエイドっていう名前で、サイエンスのサポートをすることをミッションにしているので、必ずしもライフサイエンスに限っているわけではないんですが、
実際、私がもともと獣医学科でそこのつながりが多かったりするので、やっぱりライフサイエンスの仕事が多いのは事実ですね。
どういうところが多いかっていうと、例えばライフサイエンス系の神経科学の研究している方とか、
が論文の中に書かれているいろんな細胞がどんな働きをしているかっていう話を論文から集めたいと、情報。
でも、例えば世の中には神経科学の論文数万本あるんですけど、一本一本読んでエクセルにまとめるわけにはいかないじゃないですか。
それを例えばLLMで論文のアブストラクトとかから回路の名前とその働きを抽出してきてまとめるとか。
あとは製薬企業の方々もやっぱりライフサイエンス領域近しいのでお仕事をすることがあるんですけど、
創薬のプロセスにおいて今研究者がやっている論文読んでタンパク質のデータベース見に行って、
AIによる研究の自動化
タンパク質の詳しい情報を調べて、化合物の情報を調べて、それらを総合的に考えて何かレポートを出すみたいなところを今AIに置き換えようとしていたりとか。
そういう専門家であれば時間をかければできるところを専門家はどのように判断しているか、
どういうプロセスで処理しているかをお客様とお話しながら言語化してAIに落とし込むみたいなことをよくやりますね。
なるほど。いわゆる実験の自動化とかもやられたりするんですか。
我々実験の自動化で言うと限定的に携わることがありますね。
ロボットそのものを作ったりとか使ったりとかっていうことをすることは我々あんまりなくて、
そのロボット実験をする上で必要な裏側のログの処理だったりとか、ログの見方のソフトウェアを作ったりとか。
あとは実験自動化関連で言うと、ロボットが実験しだすとすごい大量にエクセルが出てきて、
実験はロボットに任せられるから楽になったんだけど、結局超大量のエクセルを人間が今めちゃめちゃ頑張って手作業で解析してますっていうのをAIで置き換えましょうっていうことをやってたりとか。
そういうところやっぱりソフトウェア側でサポートする方が多いですね。
そうなんですね。裏側の部分を荒れてるかもしれない。
実験自動化というよりはもうちょっと広く研究自動化みたいなところが業務としては多いかなと思いますね。
ゆくゆくはAIが実験、研究のサイクロを回して論文を書くっていうところまでいけそうなんですかね、こういう。
そうですね。それで言うと、論文執筆の領域はこのAI for Scienceの領域でもかなり進んでいて、
機械学習の研究とかにおいてはもうほぼほぼ割とできるようになってるんじゃないのかなっていう感覚はありますよね。
AIサイエンティストがご存じかなと思うけど、魚AIというAIスタートアップがですね、
2024年の8月ですかね、AIサイエンティストという論文を出して、AIに実験させて論文を書かせましょうみたいなやつですよね。
そうなんですね。
2025年にバージョン2が出て、それが機械学習のトップカンファレンス、国際トップカンファレンスのワークショップに3本中1本はスルリとパスするぐらいのものが書けるようになりましたよみたいな。
そのぐらいのレベルなんですけど、まあまあ普通、まあまあそこそこレベルの高い研究者レベルぐらいではありますよね。
ポリマー研究の複雑さ
そうですね、なんかそうですね、AI、最近本当にAIの発展が毎週のようにアップデートされていて、
なんか嬉しい気持ちはもちろんあるんですけど、一旦止まってほしいなって思う気持ちもありますね。
もうキャッチアップできないなみたいな。
嬉しいですね。
そうですね、大変ですよね。
大変ですね。なんで本当に人間の強みは何なのかをすごく毎日自問自答するというか、何が自分にできるんだろうかっていうのをすごく考えさせられますね。
研究者って、このAI領域、AIかけるマイナルサイデンス、
松山さんその中でもAI領域やられてるわけじゃないですか、ひろみつさんって。
めちゃめちゃレッドオーシャンだと思うんですけど、
そこらへんのテーマ選定とか、要するにある日、Googleが同じテーマで実は取り組んでましたみたいな、
出てきてる人もいるわけじゃないですか、そこらへんとかってどうされてるんですか。
ビジネスなので、研究ではないので、Googleが出してくれたらありがとうございますって言って、じゃあ使っていただきますっていう。
そうですね、そこで言うとやっぱりGoogleとかが取り組むのって、データの量で勝負するっていうのが大きいかなと思うんですね。
AI全般そうだと思うんですけど、というよりかは、小数データ、実験、やっぱり計算だったら大量に回せますけど、実験だったら小数になる。
小数のデータしか得られないんですけど、こういう小数データをいかにうまく活用するかっていうところに、
研究としては重きを置いていて、私たちの研究室は。
なので、分野としてはGoogleさがやってくるっていうかぶりはあるかもしれないんですけど、
差別化としては、この小数データの自分たちにしか持ってないデータとか、そういうのを強みに一応研究に取り組んでいますね。
僕の研究でも、フロー装置って言われるチューブ内で反応させる、いわゆる試験管とかビーカーとかで反応するのとはまた別の反応の装置があるんですけど、
そういう装置を使って、この実験データを貯めていく。
この自分たちの研究室で実験データを取得して、それをAIの学習に使うっていう方向を取っているので、その辺は一応差別化にはなるかなと思っています。
なるほど。今回のアカデミストと把握し方で取り組まれるっていう、さっきのAのデータがあるときにBの結果を予想するみたいなところ。
そこに少量のやり方でっていう話をされてますけど、そこに大量データでやるようなアクセンチは今はされてないんですか?
タンパク質とかだと有名ですけど、アルファフォールドっていって、過去の大量のデータから新規のアミノ酸配列の折りたたみの構造を予測するみたいなこととかされてますけど、
アミノ酸配列、タンパク質ってアミノ酸配列じゃないですか。文字列として扱えて非常にLLMとかと近しいアプローチが効くし、遺伝子とかも遠期配列じゃないですか。
あそこも今遺伝子言語モデルみたいなのとか出てたりするんですけど、化合物も原子記号のスラナリですよね。
化合物は枝分かれしますけど、スマイルズ記号使うと一列と文字列で表現できるじゃないですか。ここら辺は今の生成愛とかLLMだったりとかっていうのを、大きな黒船がやってきているとかどうかっていうとどんな感じなんですか?
そうですね。特に僕が対象にしているポリマーにおいては、自分がポリマーの研究をしているからっていうのがあって、ちょっと他の無機のMRやられている方とかから見るとまた違った見方になるかもしれないんですが、
ポリマーってもうちょっと複雑で、やっぱり分子量と呼ばれるどんだけ鎖がつながっているかだとか、さっきおっしゃられたような分岐をしているんだとか、スマイルズでは表しにくい情報が含まれてたりするので、その辺をどう入れるかっていうのはちょっと一つ難しいポイントなのかなっていうふうには見てますね。
なので、個人的な感覚としては、無機よりもポリマーのMIがちょっと手法として確立しにくくなっているのかなっていう感想は一応持ってますね。
なるほど、なるほど。ポリマーを高校生ぐらいの時の知識を今漁りながら調べてますけど、プラスティックとかそこら辺の関連のものですか。
すみません、ポリマーについて分かりやすく説明いただいてもいいですか。
そうですね。
非化合物とは何が違うのかとか。
ありがとうございます。ポリマーってモノマーと呼ばれる構成単位がありまして、例えば一番簡単な例を言うとポリエチレンというもの。ポリエチレンってビニール袋とかに使われているものなんですけど、そのモノマーと呼ばれるのはCが2つ連なったC2の構造を持っているんですね。
このC2の構造で、C同士が二重結合と呼ばれる両手を繋いだような構造を持っているんですけど、これを温度かけたりとかラジカル開始材と呼ばれる開始材を入れることによって両手で繋がってた手が片手になるんですね。
片手で繋がって、もう片手は余った状態になる。この余った状態同士を分かりにくい表現ですね。要はモノマーという単位構造のものがいくつも連なったような構造、これをポリマーって呼びますね。
ありがとうございます。
今、ポリエチレンのウィキペディアのページ見てて、まさに私の知識はCが2個入ってて、Hがそれぞれの手についてて、かっこNのやつは見たことあるなと思ってたんですけど、今ウィキペディアのところ下見ると製造法によってはポリエチレンは分岐構造を持っているので、めちゃめちゃ複雑な構造をしてますね。
完全にずっと横にいると思ってたんですけど、そうではないんですね。
そうですね。この枝分かれ構造があることによって硬くなるか柔らかくなるかとか、その辺も変わってくるので複雑なんですね。
じゃあ一言でポリエチレンって言っても、どういう形してるかで全然変わってくるって話ですか?
全然変わりますね。
ポリエチレンっていう一つのそういうものがあると思ってましたけど、なるほどな。確かにこれはすごい複雑そうです。そこら辺が難しいんですね。
このタンパク質も一種のポリマーになるのかなっていうふうに思ってたんですけど、天然鉱物質って呼ばれるやつですかね。
タンパク質は何かですか?
タンパク質は何かと言われても、アミノ酸が繋がってるものですね。
なのでアミノ酸がいわゆるモノマに値して、それがいくつも連なっているものがタンパク質。これをポリマーに近いものなのかなというふうに思ってたんですけど、そういう認識なんですかね。あってますかね。
そういう、私はポリマーについてあんまり詳しくないので、どう近いのかっていうのは考えたことないかと思うんですけど、まずそれと言うと、ポリマーの絵っていうのはこうNみたいになって、モノマーという一つの繰り返し構造がいろんな形をとるみたいな話に対して、
タンパク質の場合だとアミノ酸が何種類だったかな。20種類とかだったかな。これ間違えると恥ずかしいですね。20種類ですね。体内で合成できるアミノ酸は20種類ぐらいで、天然には500種類ほど存在するらしいんですけど、よく捉えられるのは20種類ですね。20個が要するに20のN乗でいろんなパターンがあるみたいな、そういうイメージですね。
なるほど。
なんか先ほど聞いた話ほど、めちゃめちゃ複雑なものを作るっていうイメージはなかったですけど、これ怒られるかもしれないですね。
最近私は遺伝子とかタンパク質とかアカゴームスとか、ああいう立体構造を持っている現実空間に存在している3次元の物体に対しても、それを文字と捉えてLLMで処理するみたいなのをよく研究でみたりするんですけど、そういうのは今、ひろむさんの領域ではあんまりやってきてないって感じなんですかね。
されてるかもしれないです。ちょっと正直そこらへんのキャッチアップはまだ追いついてないんですけど。でも結構、そういうLLMとかAIを使って、3D構造化っていうのはよく目にするんで、もしかしたら結構進んでるのかもしれないですね。
なるほど。ありがとうございます。私の知識欲をもう一回説明させていただきます。
ありがとうございます。
この観点でいうと、研究の領域そのものの中の話じゃなくて、外の話とかでいうと、最近AIの活用とかはどんな感じですか。論文調べたりとかそういう話ですけど。
そうですね。本当に文章の作成だとか、メインに使ってるのはコードを書くとか、その辺が多いですね。あとは調べ物をするときとかも結構最近はAIを使うことが増えてきましたね。
AIと化学研究の現状
本当にもう日常で、僕も課金してるんですけど、結構ずっと触ってますね。対話、パートナーとしてずっと会話してる状態ですね。
ナイストって自然言語処理とかがすごい強いイメージなんですけど、ナイストの周りはAI詳しい人が多いからそういうのが多いのか、それとも化学領域全体で、どの学会行ってもみんな同年代はそんな感じなんですか。
化学領域でいうと結構使ってない方多いですね。今はちょっと違うかもしれないんですけど、1年前、他に聞くとまだ触ったことないって呼ばれる方が結構多かったですね。
なので、自分はやっぱりMIの領域にいるので、AIの発展とかアップデートにちょっと敏感になってますけど、実際世の中的にはどうなんだろうっていうのはすごく感じてますね。実際どのくらいの人がAIと会話してるのかなっていうのは気になりますね。
そうですね。私も何か思ったより少ないっていう印象はありますよね。特に私、ラボラトリーオートメーションの学会とかやってて、この間先月のセッション発表したんですけど、その場で6、70人ぐらいいたんですけど、まず前提としてラボラトリーオートメーションは研究の児童家とかに興味ある人が来てる学会なんですよ。
アカデミアの人と民間のメーカーの方とかがいらっしゃるんですけど、質問でまずチャットGPTを触ったことがない人って聞いた。さすがに2、3人とか。チャットGPTを日常的に使ってる人が6、違う違う、毎日じゃないけど週1ぐらいで使ってる人が2、3割。毎日。
思い出してないですけど、話の背景をすっ飛ばしちゃいましたね。AI甘口とAI辛口が同時セッションで行われてたんですよ。私AI辛口として機械学習領域の方とか呼んでAIエージェントの活用みたいな、そういうチャットGPT使いますとかのレベルよりもっと発展的な話をするセッションを開いたんですね。
チャットGPTのうまく使い方みたいなのはAI甘口の方に行ってくださいみたいな分け方をしたんですけど、AI辛口のセッションでチャットGPT毎日使ってますみたいな人が6割ぐらい。
自分でそのLLMのAPIを叩いたことがある人みたいなのが2割ぐらい。エージェントとか作ったことある人はもう2、3人手が上がるぐらいみたいな感じでしたね。
だからチャットGPT毎日使うぐらいが結構意識高い人層でそこら辺ぐらいって感じですかね。
なんかそれが最近、メタ社でしたっけ?スマートグラス販売されたと思うんですけど。
レイバーみたいなやつですね。
自動化の利点と課題
そうですね。ああいうのも日常、あのグラスをかければずっとそのスマホを通してこの世界を見ているっていう状況と同義だと思うんですけど、そこになんかLLMとかが入ってきたりすると常にLLMと対話してるような状態になるじゃないですか。
例えば、人と対面をしたときに目の前にいる人の名前が右上に出るとか、その人との会話履歴がバーッと隣に出てくるとか、そういう世界は全然あり得るのかなと思ってるんですね。
技術的にはもうできるんじゃないかなと思ってるんですけど、そうなると人の名前を思い出すっていう脳の働きすら奪われるのかなって思うと、便利な一方でちょっと怖くもあるなと思ってる。
その辺がLLMとの便利と人間の能力が奪われてしまうっていうその怖さのトレードオフがなんかすごい絶妙だなと思ってて、今後LLMとの付き合い方ってどうなるのかなっていうのはすごく考えますね。
最後それについてそれぞれ試験述べて終わりますか。
このスマートグラスで人の名前が見えるみたいな話で言うと、まずそこで話したいことを思い出したんで言うと、私2017年か6年ぐらいのときに学生のときに、当時VRが流行ってたんですよ。
今もメタに変わりまして、オキラスクエストとかマイクロソフトからホロレンズっていうのが出てたりとか、スマホでできるやつとかも結構流行ってたんですけど、多分今より圧倒的にVRが流行ってた時期ですね、その頃は。
そのときに学生プロジェクトで作ろうとしましたね。人の名前覚えられないから、いつか役の人の顔を認識して、マイクロソフトのフェイスレコグニションのAPIがあったんで、そこに撮った写真飛ばして、事前に登録した人と合わせるみたいな。
それは技術的にはまず間違いなくできると思うんですけど。
中国とかも顔認証で個人識別して、お会計スルーでそのまま自分の口座から引かれるみたいなやつできますよね。顔認証はかなり高いレベルでまずできますっていうのができると思いますっていうことで、それでAIが発達したことによって人間の知能が衰えるのかどうかって話で言うと、個人的には結構私はそこは楽観的に考えてて、
今もAIで宿題やったら子供どうなんだとか、AIでコード書いてるエンジニアどうなんだとかっていう話ありますけど、別にコーディングの話で言ったら、じゃあ昔はビームとかで書いてたけど、今はID使って、今っていうか10年前とかにIDとか使って補完とかめちゃ楽しだしたわけで、別に人間はどんどん楽すると思ってて、
別にみんなが同じレベルで楽したら結局そこの先で差別化を図るために結局競争しなきゃいけなくなるので、そこは別に新しい能力の聞こえ合いが始まるんじゃないのかなみたいな気はしますけどね。
おだしょー 結局別にパソコンが出て事務作業が10倍以上効率化されたけど、だからといって別に労働時間10分の1になったわけじゃないじゃないですか。みんな8時間以上働いてるんで、そこと同じかなって個人的には思いますけどね。
そうですね。おっしゃる通りで、確かにその話にちょっと関連して、やっぱりAIに職を奪われるかっていうところもよく言われてますけど、やっぱその時代遡るとそういう新しい技術が出てくると、新しい仕事が消える一方で新しい仕事が生まれるっていうのは必然で、産業革命の時代から始まって、最初手織りでやってたのが機械化が進むことによって、手織りの仕事はなくなったかもしれないけど、機械化が進むことによって、
そういうことで、AIによって新しい仕事なり価値なりが生まれてくると、そこに新しい競争が生まれるっていうのは必然的なことで、確かにおっしゃる通り、悲観的になることはないのかなっていうふうに確かに思いましたね。
あと最後、じゃあ1個だけ聞いてもいいですか。研究者として今後、とはいえすごいスピードで変わっていくAI時代じゃないですか。今後の展望っていう、すごい広いこと聞いてますけど。
今後の展望ですか。研究者としての今後の展望ですかね。
ご自身でもいいですし、業界全体でもいいですけど、こうなっていきたいなとか、こうなっていくといいなみたいな、AIの研究みたいな括りで。
そうですね、やっぱり、とはいえ、この対話の中にも話題が上がりましたけど、やっぱりドメインの知識は大事だなっていうふうに私は日常的に感じていて、
AIが何でも答えてくれるからといって、人間のドメインに価値がなくなるかっていうと、そうではないですし、研究の自動化、例えばロボットを組み合わせて実験を自動化しますっていった研究も、結構広く作家に行われてると思うんですけど、自動化するときにも何も専門知識がないと、やっぱりロボット同士を組み合わせることって難しいと思うんですね。
酸素を除去しないといけない経緯なのに、知識がないから酸素を除去せずにロボットを組んでうまく動かないんだとか、そういう小さなドメイン知識が非常に大事になってくると思うので、AIに何でも任せる世の中っていうよりかは、やっぱりAIと人間がそれぞれの長所短所を補いつつ、
今後の科学が発展していければいいなっていうふうに考えてます。
今後の研究者の展望
ありがとうございます。
ありがとうございます。
いや、あっという間にもう40分近くなってしまいました。
本当にあっという間に。
いや、楽しかったです。
ありがとうございました。
本当に楽しかったです。
ありがとうございます。
1個実はご質問いただいてまして、ひろむさんにですね、ひろむさんの研究で目指すのは基盤モデル的なアプローチと認識したのですが、最近の巨大なDNAやLLMではなく、あえて古典的なGP使うのはデータ制約でしょうかというご質問があるんですが、いかがでしょうか。
僕の研究に関してはそうですね。
実験データが少量になるので、LLMだとかニューラルネットワークっていうのは、データの制約上うまく動かないなといつも考えてます。
なるほど。ありがとうございます。
お二人の雑談、まだまだずっと聞いてられるなと思って聞いてました。ありがとうございます。
結構意外だったのは、教会とかで関心のある方々が集まっているところでも意外と実はAIを使うことがそこまで浸透しきっていないんだなというのがちょっと驚いたところではありましたが、
もし今後も皆さんそういうのってどうやって6割を増やしていくとか、今は2,3人しか使ってないものを増やしていくみたいなところが発展していくのかなとかっていうのをちょっともんやり考えていたので、また機会があればお二人いろいろお話聞かせてください。
ぜひお願いします。
よろしくお願いします。
最後、ちょこちょこお話出てたり、両多さんのほうからご紹介いただいたように、今山田博文さんはクラウドファンディングで研究費を募集しているところなんですけれども、今回アカデミーとプライズという基礎研究で世界を変えるということをテーマにした1年間のプログラムにご参加いただいています。
そして、両多さんのほうはそのプログラムのビジョンシェアリングパートナーという形で参画いただいているんですが、何か最後ですね、両多さんからひろむさんに期待することを伺えればなと思うんですが、いかがでしょうか。
最後に想定してないボールが来たんですけど、そうですね、ひろむさんに期待することとしては、やっぱり楽しそうな姿を見せてほしいですかね。
なんかこう、やっぱアカデミーストというサイトサービス会社自体もそうですけど、この研究者の取り組みとかを広く、この研究に関わらない人も含めて広くいってもらったりとか支援してもらうっていうところが今回かなと思っていて。
なんかね、最近やっぱ研究の話、暗い話多くないですかね。
本当そうですよね。
あるので。
なんかそうなんすよね。
個人的にはその、まあまあ変えなきゃいけないところがあるのはあるし、それに取り組んでる人は淡々と取り組んでほしいなとは思いつつ、なんかそこに別に人生かけるつもりない人は、なんかその自分が関わらないし関わるつもりもないのに文句をSNSで言っても別に暗く、了解が暗くなるだけなんで、
自分の楽しいことを取り組んで、いかに楽しいかをアピールしてほしいですし、私自身はやっぱりAIとかテクノロジーによって科学研究が良くなっていく、効率化するっていうところを見てみたいので、ひろむさんの化学かけるAIっていうところはすごく期待してますね。
AIの活用と研究の楽しさ
あとあれですね、やっぱり今ソフトウェアエンジニアがすごくAIを活用して仕事を効率化してるっていうのが一番AIとかAIエージェントの活用の現場としては多いかなと思うんですけど、研究っていうプロセスもすごくなんかこう合理的な思考の連続で成り立っているところが多いところだと思うので、非常にAIとかとは相性がいいと思うんですよね。
なので、AIを最大限フル活用した研究のやり方っていうのをぜひやっていただきたいですし、その取り組みをどんどん発信していただきたいなとは思うんで、まとめると楽しくAIでフル活用してそれを見せていただきたいって感じです。
ありがとうございます。ひろむさんいかがですか?
はい、ありがとうございます。
そうですね、今でもやっぱ研究を楽しんでやってますんで、それを楽しんでる姿を今度は見せれるように発信できるようにこれから頑張っていきたいと思います。
ありがとうございました。
ぜひ今日お聞きの皆さん、りょうたさんとひろむさんのアカウントフォローしていただけると、お二人の今後の活動なんかも見ることできるのかなと思いますので、ぜひぜひよろしくお願いします。
本日は楽しいお話をお二人どうもありがとうございました。
ありがとうございました。
では、おやすみなさい。
アカデミストトークスをお聞きいただきありがとうございます。
アカデミストではクラウドファンディングにチャレンジする研究者を募集しています。
アウトリーチ活動をしながら、ご自分の研究に共感するサポーターを集めることに関心のある皆さん、ぜひお気軽にお問い合わせください。
それではまた次回、アカデミストトークスでお会いしましょう。
