AIは次の科学革命の火種となるか?

ということで、人工知能時代の基礎科学についての会話にご参加いただき、ありがとうございます。2022年11月以降、私たちは当然のことながら、日常的なものから複雑なものまで、さまざまな課題に取り組む従来の方法に影響を与える人工知能の力をますます認識するようになりました。しかし、これらの日常的な影響をはるかに超えて、AIは基礎科学研究にどのような影響を与える可能性があるのでしょうか。複雑な問題へのアプローチや解決方法をどのように再形成する可能性があるのでしょうか。さらに基本的なレベルでは、私たちがどのような種類の問題を定式化できるかさえ変える可能性があるのでしょうか。
伝統的に、もちろん科学的探究は、ほぼ完全に人間の直感、人間の物理的洞察力、そして極めて重要なのは、経験的データの丹念な蓄積に頼ってきました。そこから、パターンを見出す能力によって、すべての物理系の展開を導く基本法則の定式化が生まれてきたのです。AIは、比類のないデータ処理能力と、ほとんどの、もしくはすべての凡人の心では明らかにできないパターンを識別する本当に驚くべき能力を提供することで、このパラダイムの転換をもたらす可能性があります。機械学習アルゴリズムは膨大なデータセットを急速に分析し、研究者が新しい次元を探索し、新しい仮説を検討し、多様な分野からの洞察を融合することを可能にします。そしてこれらすべては、間違いなく他の方法では隠れたままであった洞察をもたらすでしょう。
変革の可能性は、物理学や生物学から化学まで、さまざまな伝統的な分野にまたがっています。私たち科学者が長年行ってきたことを単に強化するだけでなく、確実に驚くべき関連性をもたらす本当に深い異分野間の受精を促進することができます。率直に言って、科学的探究の本質そのものを再定義する可能性さえあるのです。
これらの興奮する展開を探求するため、本日の会話は、これらの分野を追求する上で主導的な声となってきた個人とともに行います。マイクロソフトの最高科学責任者であるエリック・ホーヴィッツ氏をお迎えできることを大変光栄に思います。彼はまた、最近バイデン大統領に「研究のスーパーチャージ: 人工知能を活用して地球規模の課題に立ち向かう」というレポートを共同執筆した大統領の科学技術諮問委員会のメンバーでもあります。
エリック、ここにいてくれてありがとう。お会いできて嬉しいです。数分後には具体的な事例研究に入りたいと思います。これが抽象的なレベルにとどまらないようにするためですが、文脈設定の一部として、一般的にAIが基礎科学の進め方に影響を与えると予想される、あるいはすでに影響を与えている方法は何でしょうか?
ある意味で、過去に行ってきたことの増幅と、信じられないほどの加速、スピードアップが見られると言えるでしょう。例えば、新しい材料や新しい医薬品の可能性を分析し、展開するのに数年かかっていたものが、実際に違いをもたらすものに絞り込んでいく過程が、数年から数ヶ月、さらには数週間に短縮されています。システムが実際に可能性を生成し、絞り込むことができるようになったからです。そして、最終的な化合物や有望な化合物に到達するだけでなく、システムは今や最適な実験が何であるかを私たちに指示することさえできます。これらの実験、ウェットラボは、プロジェクトの遅くて退屈な部分で、多くのリソースを必要とします。異なる実験を行う価値を実際に計算し、私たちをそこに導くシステムを持つことは、時間とお金の節約になります。
そして、研究分野の統合についてはどうでしょうか。ここに専門家がいて、あそこに専門家がいる。多くの人が広範囲の分野を横断できる人はほとんどいませんが、これらのシステムは、訓練できるデータの種類に本当に境界がありません。私たちが決して予想しなかったような方法で物事が一緒になっているのを見ていますか?
私のチームが2022年8月にGPT-4にアクセスしたとき - 11月に一般公開されたのは少し遅れていましたね、そしてそれは3.5で、あなたは2月に4を見ましたが - システムを使ってみての私たちの反応は、一言で言えば「博識」でした。システムが分野を横断して行っていたことを評価するには、専門家の部屋が必要でした。私たちは科学分野でそのような兆しをほんの少し見始めたところだと思います。私たちは数十年にわたって専門化の素晴らしい仕事をしてきました。最高の人々は専門家です。これらのシステムが専門分野をつなぐ接着剤になったらどうなるでしょうか。
では、逆方向についてはどうでしょうか。統合は物事をまとめることですが、私たち科学者が試みていることは、パターンを見て、それが全体のシステムについて何を教えてくれるかという飛躍をすることです。これらの人工システムはそれをうまく行うことができますか? おそらく私たちが考えもしなかった一般化に導いてくれるでしょうか?
アイザック・ニュートンが、身近で何かが落ちるという特殊な観察から - リンゴの話が正確かどうかはわかりませんが - 天体を説明する、この信じられないほどの一般化と力を実現したときに感じたに違いない魔法と、ほとんど高揚感のようなものを考えてみてください。これらのシステムは私たちがそのようなことを行うのを助けてくれると思います。そして、この種の一般化能力の兆しを見始めています。
現在のところ、科学分野で行われていることのほとんどは、パターン認識、仕分け、診断などですが、今では統合が起こり、一般化が行われているのを見ています。システムはある種のことをますますうまく行うようになっているようです。例えば、物理学や化学の外に少し飛び出しますが、これらのシステムは私にとって明らかに、異なる視点を理解し、会話を促進し、例えば患者の診断後に患者の視点から彼らの質問が何であるかを理解するために、私が「心の理論」と呼ぶものを誘導しているようです。
そして、文学やフィクション、ノンフィクション、さまざまな種類のレポートであれ、人々が何を気にしているかを理解するために、彼らがどのようにそれを学んだのかは不明確です。このような驚くべき行動が現れるたびに、それがどれほど驚くべきことなのかという疑問が私の中に湧き上がります。システムが、基本的に私たちが書いたすべてのもの、少なくともその文献の大部分で訓練されるとすれば、その多くが人間であること、他の人間と交流すること、他の人間が何を言うか、何をするか、何を感じるか、どう反応するかを予測しなければならないことに関係していたので、驚くべきことでしょうか? それともシステムを見て「どうやってそれをしたのか」と言うべきでしょうか? それとも単に「私たちがそれをし、システムは私たちがしたことから学んだのだから、それが大きな意味を成すのは当然だ」と言うべきでしょうか?
長年にわたって、人工知能分野で私たちが構築してきたシステムが行えることと、私たちが行うこととの間にはかなり大きな溝がありました。私を含む多くの同僚は、ここ1年半ほどで登場した生成AIモデルと呼ばれる能力の特性と力に驚き、感銘を受けています。
ある意味で興味深いのは、それが人間の心に読み取れる新しい疑問や謎を提起していることです。まだ確かではありませんが、初めて長い間、私たち自身が構築しているシステムにある程度神秘性を感じています。数年前まで、私はすべてがどのように機能しているかについてとてもよく理解していました。そしてその理解を楽しんでいました。しかし今は、神経生物学や神経科学を研究し始めた最初の頃のように感じます。数え切れないほどの数のニューロンがあるのに、どうしてこれらのことができるのだろうかと驚いたのです。
これは推測に過ぎませんが、私たちが今見ているものと、それゆえに将来の方向性を示す spotlight との間に関係があるかもしれません。
次の点については深く立ち入りたくありませんが、私たちはこの舞台で過去に会話を交わしてきました。そこでは、これらのシステムにほんの少しの意識 - それが何を意味するのかわかりませんが - を帰属させようとする研究者がいました。私にはそれを想像することはできませんが、実際にその渦中にいる人にとって、それは考えの中に浮かぶことはありますか?
これらの議論は時々浮上します。ある時点で、脊椎動物の神経系を異なる宇宙からのものとして見なさないようにしなければなりません。私たちは驚くほど美しい機械です。私たちが知る限り、それらの機械は何らかの計算を行っています。それが現時点で私たちの理解を超えているかどうかに関わらず、私たちに見られるさまざまな能力がいつか機械で探求される可能性があるということを意味するわけではありません。その道筋に興奮している人々が、それが何を意味するのか、あるいは何を意味するだろうかという質問をすることは理にかなっています。私たちはまだそこには至っていません。
しかし、人工知能研究や哲学、神経生物学に携わる多くの人々が、夜遅くにワインを数杯飲みながら話すと、意識に mystified されています。それが彼らをこの分野に引き込んだ理由なのです。
確かに、それは深遠な問題です。いつかこれらのシステムの1つを見て、「そうだね、これは意識があると思う」と言う日が来るかもしれません。そして、ちなみに一部の人々は - 意識というものは存在しないという見方があります。これはただ、これらの計算能力を持つことの結果に過ぎないのです。もしそうだとすれば、計算能力の印象的な成長と規模で、それがただそういうものだと想像できます。
そうですね。さて、先ほど言及した具体的な例に入りたいと思います。これらのAIシステムが、さまざまな科学を行う方法を本当に変革し始めているのをすでに見始めています。材料科学の例から始めましょう。あなたはこれらのシステムを使って、バッテリーの再設計など本当に重要なタスクに取り組んでいることを知っています。それをどのように行っているのか、そしてAIが研究の進め方を変えていると感じた点を教えていただけますか?
マイクロソフトのチームは、太平洋北西研究所と協力して、より安価で強力なバッテリーの追求に取り組んでいます。持続可能性における大きな課題の1つは、太陽光や風力からの電力を、それが利用できないときのために貯蔵することです。したがって、パワーバッテリーを考案し、構築することは非常に重要です。
これら2つのチームが協力して行ったことは、従来の量子力学や量子化学の計算では何年もかかるところを、数週間や数日に短縮するAI手法を使用することでした。これらの相互作用を近似できるニューラルネットワークを使用しています。
高校や大学初期で学んだ化学を思い出すのは面白いですね。電子殻のs、p、dがありました。s、pの殻については、それらの殻を考慮する必要がある場合、かなりうまくいくことがわかっています。つまり、特定の化合物に焦点を当てることができますが、非常に速く進むことができます。
そこで、現在リチウムバッテリーで使用されている形態の電解質を取り約3,000万種類の可能性を持つ一族を生成するシステムから始めました。これは評価するには大きすぎて、どれが機能するかわかりません。そこで別のパイプライン、つまり別のAI技術のセットを使用して、熱安定性や製造可能性などを考慮してさらに絞り込みました。最終的には数百種類まで絞り込み、そこで「古典的な計算方法の重装備の力を取り出そう、密度汎関数計算をしよう、本当に物事を解明しよう」と言えるまでになりました。実験室でテストできるほんの一握りのものにまで絞り込んだのです。
これらはシステムが吐き出す文字通り原子レベルの構造で、「これが候補です、これが候補です、これが候補です」と言っています。しかし、実際にテストしようとすると、最初の数はいくつでしたか?
3,000万です。
3,000万、それを実際にテストするのは大変な負担になるでしょうね。
そうですね。これは私が言ったように、材料科学探索のパイプラインのようなものをマスターすることの大きな成果の1つになるでしょう。どのようなAI技術を使い、それをどのように古典的な方法とハイブリッド化し、それらをいつ使うかを理解し、材料科学発見のパイプラインのようなものを作り上げるのです。
材料について考えてみてください。これは人類の歴史の中で本当に中心的なものです。石器時代、青銅器時代がありました。これらは材料でした。そして今、私たちは新しい種類の材料のマスターになりつつあります。これはいつか街のスカイラインの様子を変えるかもしれません。
そして、最初の3,000万の可能性から絞り込んでいく過程を追っていくと、最後には古典的な計算手段も含めて、いくつかの候補、あるいは1つの候補に落ち着いたのでしょうか?
はい、ほんの一握りの候補に絞り込み、最終的には1つの候補に絞られました。基本的に、リチウムを70%少なく使用し、ナトリウムに置き換えていますが、特定の構造を持っています。はるかに安価で、かなり強力に見えます。
これは理論的なものですか、それとも実際に機械で動いているものですか?
いいえ、これは実際に構築され、現在機械で動いています。
そうですか、これは実際のものなんですね。本当に起こっているのです。では、この新しい材料を生成するプロセス全体で、全体的にどのくらいの時間がかかりましたか?
数ヶ月です。
数ヶ月ですか。
はい、そして、これらの技術がなければ何年もかかっていたでしょう。これはまだ初期段階です。10年後にはこれらのファンネルがどのようになっているか想像してみてください。新しい材料を生成するのが驚くほど簡単になるでしょう。
素晴らしいですね。生命科学の別の例として、確かに私たちの一部が何か聞いたことがあるのはAlphaFoldですね。実際、この一連の会話のどこかでそれについて話す予定です。しかし、あなたが関わっている生命科学分野の別の例があります。ハリシンに関するものですが、そのどれかについて教えていただけますか?
はい、AlphaFold、AlphaFold 2、3については聞いたことがあると思います。Rosetta Foldという別のチームによる類似の関連技術もあります。あるグループが「これがすべての既知のタンパク質です。そしてこれらがヒトのプロテオーム、あるいは真核生物のプロテオームの推定構造です」と言えるような状況にあることは非常に興奮します。
進歩は速かったです。構造は生命科学における興味深い課題の一部に過ぎません。もちろん、もう一つの部分は機能です。これらのものは何をするのか、どのように機能するのか、その分子動力学はどのようなものか、どのように相互作用するのか。
ワシントン大学での研究の一部は、真核生物細胞内の多くのタンパク質間の相互作用を計算することに着目しました。たまたま酵母でしたが、それが私たちの基盤です。同じプラットフォームです。AIテクノロジーによって駆動される計算顕微鏡で、これまで知られていなかった相互作用が明らかになったことは興味深いです。
このプロジェクトで相互作用と機能について最も興味深いと感じたのは、タンパク質が相互作用していることが発見され、生物学者がそれらを見たときに「これらが何をしているのかまったくわかりません」と言ったことです。これは生物学がどのように機能するかについて、全く新しい疑問と方向性を提起しました。
しかし、これらの例、つまりバッテリーの例と生物学の例の両方で、どのようなトレーニングデータを使用していますか? 例えばバッテリーの場合、非常に慎重にキュレーションされたデータセットが必要ですか? Xに関するすべての知識を持ち、Yの知識に感染されていないようなものです。明らかに、幻覚の問題は、このようなケースではあまり望ましくないと想像します。
これは本当に良い質問です。これら2つのプロジェクト、材料科学と、そして生物学の例、先ほど言及したハリシンの例について、トレーニングがどのように行われたかは少し異なります。
材料科学の場合、最近の化学や物理学ベースのAI研究の一部について本当に印象的なのは、トレーニングデータを生成することができるという点です。お金を払えば、シュレーディンガー方程式や推定値を計算できます。構造があり、古典的な物理学の計算機械を回すことで、真の値や推定値を計算できるのです。つまり、トレーニングデータを得ることができます。
しかし、誰がそれを回しているのですか? 量子力学の大学院生のチームがいるのでしょうか? それをどのように行うのですか?
部分的にはそうですが、化学コミュニティは、多くの人々が計算された既知の化学のデータベースに追加することで、基本的に他のまだ見たことのないものについて推論し推定し始めることができるツールを生成しています。これは非常に興味深いことです。
一方、ハリシンの状況は、既存の薬物の大きなライブラリーがあり、再利用の研究のために維持されているものです。既に臨床使用が承認されている既存の薬物を、それらが対象としていなかった病気に使用できるかどうかを学ぶことができます。なぜなら、その医薬品がどのように機能するかについてより多くのことを学ぶことができるからです。
抗菌構造や類似性を探す同様の種類のファンネルを持つプロジェクトで、糖尿病に使用されていた化学物質または医薬品化合物が、印象的な抗生物質の力を持っていることが発見されました。ちなみに、これはハリシンと名付けられました。2001年宇宙の旅のHALに敬意を表して。「それはできません」ではなく、「できます。その感染と戦うのを助けることができます」と言えるのです。
最近、抗生物質の発見について話している間に言及しておきたいのですが、現在、医学において薬剤耐性または抗生物質耐性の危機に直面しています。その割合は上昇しています。MITのジェームズ・コリンズの下にあるチームが、彼らが説明可能なAIと呼ぶものを使用して、ハリシンの研究をさらに発展させ、新しい理解を得る最近の研究を行いました。彼らは同じファンネルを構築し、そして何が起こっているのかを視覚化しようとしました。
彼らが経た過程を考えてみてください。彼らは実際に、うまく機能する既知の抗生物質とその構造についての真の値データを持っていました。あまりうまく機能しない化合物についての真の値も持っていました。また、人間の細胞に細胞毒性のある化合物と、そうでない化合物に関する情報も持っていました。
そして、「人間に毒性がない構造空間の領域にある新しい抗生物質、新しい構造を見つけてください」というような空間を作ることができます。この場合、彼らは新しい抗生物質を発見し、また以前には理解されていなかった新しいメカニズムを視覚化することもできました。これは今や新しい原理と理解の基礎となります。
この場合、化学化合物が機能する方法を発見しました。文字通り膜を横切る電気化学的な原動力を短絡させるのです。つまり、バクテリアを完全に停止させるのです。彼らのリアクター、エネルギー源を攻撃するのです。
私は分野の外部にいるので、もし私が何かに過度に感銘を受けているとしたら、どうぞ訂正してください。しかし、大規模言語モデルの出力を見たとき、本当に印象的だと感じるのは、少なくとも私の理解レベルでは、言語や文法の根本的な理解がないことです。それは本当に、巨大なデータセットからパターンを見つけ、そこから先に進むことに基づいています。
薬物開発や材料開発の場合、外部の模型はありますか? つまり、物理学がどのように機能するかを知っているのでしょうか? それとも再び、十分なデータがあれば、統計を計算する能力を与え、あなたが解決しようとしている特定の分子化合物が合理的な可能性で機能すると言えるのでしょうか?
この質問はフィールドで多く議論されてきました。私と多くの同僚は、この信念を共有していると思います。これらの大規模なシステムを押し進め、規模を大きくし、次のトークン、画像生成の次のピクセル、言語の次の単語、次の化学構造、タンパク質の次のアミノ酸を予測するという単純な予測タスクを与えると、これらのシステムは世界のモデルを誘導しているのです。これはあなたの質問に答えるかもしれません。
いいえ、彼らは実際により深い理解を得ています。人間が頼っているような種類の基盤を理解し始めているのです。基本的なトレーニングタスクでより良い予測を行うように最適化し、押し進めるにつれて、彼らは独自の世界モデルを構築し始めています。十分なデータがあれば、基本的にそれをカプセル化できるのです。
私の見方では、それらをより一生懸命押し進めるほど、内部的に理想的な圧縮を膨らませているのです。それをうまく行う方法は、基礎的な理解と原則を通じてです。
これは私にとって新しい科学、新しいパラダイムのように聞こえます。なぜなら、私たちが慣れているのは、いくつかの例を見て、理論家として黒板に走り、私たちが見ているものをモデル化できる可能性のある微分方程式を書き下ろそうとすることだからです。そして、その微分方程式を使ってさらなる予測を行います。
しかし、あなたが言っているのは、それを脇に置き、十分なデータを得て、数学的な公式で encapsulate しようとせずに、単にデータ内のパターンを見ることを許し、そのパターンを使って予測を行うということです。これは私たちが慣れているものとは根本的に異なるように見えます。あなたはそのように見ていますか?
しかし、今やAIでは単なる予測ではありません。新しい種類の統合、新しい種類の発生が起こっています。私たちは今、例えば、AIの人々が事前知識と呼ぶものを実際に与えたときに、これらの支援システムがどれだけ良くなるかさえ明確ではない点にいます。つまり、微分方程式を与えるのです。
それは私が疑問に思っていたことです。人類として私たちはたくさんのことを知っているので、それを出発点にしましょう。大規模なデータセットからの誘導だけでなく、人間の知識、これらのシステムがかなり学んでいることとの混合が、前進するためにどのようなものになるかはまだ明確ではありません。
私の研究分野に近い物理学に関連する別の例があると聞いています。これは特に面白い例ですが、教えていただけますか?
いくつかの例があります。面白いことに、大統領の科学技術諮問委員会（PCAST）で、重力波を研究しているノーベル賞受賞者のサル・プレットに会いました。あなたはよく知っていると思いますが、他の物理学者たちと一緒に小さなワーキンググループを作り、「これらのモデルが興味深い挑戦的な問題を考えるのを助けてくれるだろうか」と検討し始めました。
いくつかの失敗もありました。名前は挙げませんが、著名な物理学者たちに、GPT-4やクロードやその他のモデルが、宇宙が膨張的か、それともバウンシング・サイクリック宇宙なのかについて枠にとらわれない考えを示したのを見せたとき、彼らの反応は「まあ、野心的な大学院生のようだね」というものでした。5年前に、ある先導的な物理学者が「それは野心的な新入生のようだ」と言うだろうと言われたら、私の知っているAIシステムではそんなことはないと言ったでしょう。
しかし、準結晶と呼ばれる分野で興味深い例が出てきました。これは数年前に数学的に提案され、存在が確認された一種の非周期的な結晶構造です。地球上では見つけるのがとても難しく、隕石の中などのごく稀な場所で見つかっています。
ある物理学者が「アルミニウムベースの準結晶を地球上で見つけるのを手伝ってくれないか。どこを探せばいいだろうか」という質問をしました。大規模言語モデルが「ボーキサイト鉱山での落雷を考えたことがありますか。ちなみに、ベネズエラに行くといいかもしれません。そこには多くの落雷があり、表面にボーキサイト鉱山がたくさんあります」と答えたのは興味深いことでした。
科学者に「すごい、それは面白いアイデアだ」と言わせるだけでも、旅行チケットはどこだ、という感じです。
それは実際に実を結びましたか?
これは全く新しいことなので、今後見ていく必要があります。
では、あなたはその調査に行く人の一人になるのですか?
今はヨーロッパに向かっていますが、ベネズエラに行ってその任務を手伝うかもしれませんね。
それは素晴らしいことになりそうですね。さて、これらは潜在的な、そしてすでに実現している成功例です。懸念点はありますか? これが私たちを不幸だと考える場所に導く可能性について、何か心配はありますか?
火のように、人間が作り出したほとんどすべての技術と同じように、私たちが作り出すほとんどすべてのものは二重用途があります。人類、ホモ・サピエンスは素晴らしい仕事をしてきたと思います。今この部屋を見てください。文明、私たちがいかに信じられないほどうまく進歩を押し進め、日常生活で使用する価値ある技術に変えてきたか。世界を変え、都市や電気、インターネットを与え、医療のやり方さえも変えました。私たちが発明し、今や調整に使用している言語さえもツールです。
はい、AIの力は悪意のある方法で悪用される可能性があります。例えば、生物学では、生物学者がタンパク質設計ツールを使用して様々な種類の新しい毒素を設計することを想像できます。私たちはこれに対して警戒を怠らず、上に立つ必要があると信じています。
人々は大統領のAIに関する行政命令で、二重用途の状況とそれにどのように対処するかについて、生物セキュリティを含むいくつかの明示的な言及を見たかもしれません。例えば、科学者がタンパク質を作るためのDNAを生成する装置にどのような要件を設けるべきか、誰かが悪意を持って使用していないことを確認するためにそれらをどのようにスクリーニングするかなどです。
私たちはそれを制御下に置き続けることができると思います。私はかなり希望的で楽観的です。もちろん、私たちは想像力豊かなシステムの力と、それらが偽情報や深いフェイクの生成にどのように使用されているかを見ています。繰り返しますが、それに対抗し、私たちを正しい軌道に保つための技術が開発されています。
将来を見据えて、大きな賞品は何だと考えますか? AIが私たちを導く特定の場所があれば、「それが私が望んでいた場所だ」と言えるでしょうか?
AIが私たちが直面している数多くの病気に対する解決策や緩和策を考え出すのを見たいですね。私たちの寿命を延ばし、教育に新しいアプローチをもたらし、大衆に教育をもたらし、宇宙についての理解を広げるのに役立つことを望んでいます。これらの可能性の兆しや光が今見え始めていると思います。
個人的には、私が学問的に追求してきた究極の目標は、人間の心を理解すること、私たち自身を理解することです。数十年にわたってこれを追求してきましたが、これは大規模なシステムとその行動、そして人間のような行動に向かっているように見える新しい方法で合成し、一般化し、抽象化し、構成する能力について問うことができる入り口が見えた最初の時です。
私は、私たちが構築するツールと、これらのシステムを理解するための新しいアプローチが、実際にはある意味で神経科学とAIの融合につながり、心についての新しい理解をもたらすことを願っています。
はい、私もそれを素晴らしい機会、素晴らしい目標として共有します。まさにあなたが言ったことに関連する最後のトピックがあります。この舞台では、様々な分野の人々と会話を交わしてきました。そして、時には「現在構築されているAIシステムは創造的になれるのか」という質問が出てきました。
一つの見方は、「絶対にあり得ない。過去のものを混ぜ合わせているだけだ。ピースを並べ替えているだけで、どうして創造的になれるのか」というものです。一方で、この種のブレンディングと合成が生み出せるものについて、根本的に異なる見方をする人もいます。あなたはどのように考えていますか? 特に、科学における創造性について考えるとき、どのように考えますか?
私は、これらのシステムが印象的なほど創造的であり、時間とともにさらに想像力豊かになっていくと信じています。また、「システムはただアイデアを様々な形で組み合わせているだけだ」と言う人もいますが、それは私たちがやっていることではないでしょうか? 最も創造的な人々でさえ、枠にとらわれずに考えているときでも、様々な種類の思考パターンや方法を組み合わせているのです。
これらの機械の創造性について否定的な人々にも、「シートベルトを締めてください」と言いたいです。なぜなら、私たちは今、能力の曲線に乗っているからです。今のところ、おそらく指数関数的に上昇していると思われます。18ヶ月後にもう一度確認してください。
18ヶ月後ですか? 具体的に教えたいことがありますか?
ただ、それが今の進歩のペースだと思います。私たちは皆、新しい段階に差し掛かっているという感覚を持っていると思います。「これはすごいね、材料科学や生命科学で何ができるかな、素晴らしい」というだけでなく、実際には今、異なる種類の波に乗っているのです。
私の希望は、人類のために新しい魔法のような方法でこれらの手法を活用するのに十分早く行動することです。荒削りな部分を注意深く見守り、これらのシステムから最大限の効果を得られるようにします。そして、機械に見られるこの知性の力が、時間とともにより深く、広く社会と絡み合っていくだろうという、より深い概念があります。
科学の最前線を押し進める役割について、全く心配はありませんか? これらの創造的なAIシステムが、私たちが想像もできないほど多くの情報を活用し、そのようなパターンを見ることができるとしたら、この領域で私たちを時代遅れにしてしまうのではないでしょうか?
私はこれについて、私たちが作り出したツールという観点から考えるのが好きです。おそらく、私たちが言語を発明したことと同じくらい強力な効果を人類に与えるでしょう。これからの文化の進化において。
最近、私は「私たちが時代遅れになるだろうか」という質問ではなく、むしろ次のような主張をします。「人間の主体性の優位性を主張し、これらのシステムが私たちにどのように奉仕するかを考える時が来た」と。これが、これらの機械が力を得ていく中で、私たちが取るべき視点だと思います。彼らは人類に奉仕し、私たちに奉仕しているのです。彼らは信じられないほどのツールになるでしょう。
私たちは変革の時代にいます。そして、これが変革の時代にいる感覚なのです。私はよく、1000年後からこの期間を振り返ったとき、これから50年間には名前がつくだろうと言います。その名前が何になるかはわかりませんが、注目されるでしょう。歴史の中で、これは本当に重要な意味を持つでしょう。
そうですね、このように、あるいは別の方向に、あるいはまだ考えていない何かかもしれません。しかし、変革的なものになるでしょう。
素晴らしい。本当にありがとうございました。