コンピューター科学：人工知能の時代の科学的発見

人工知能（AI）は、科学的発見にますます組み込まれるようになって、研究を改善・加速させており、仮説を立て、実験を設計し、大規模なデータセットを収集・解釈し、従来の科学的方法だけではできなかった可能性がある知見を得るのに役立っている。本論文で我々は、ラベル付けされていない膨大なデータによるモデルの訓練を可能にする自己教師あり学習や、科学的データの構造に関する知識を利用してモデルの精度と効率を向上させる幾何学的深層学習を含む、過去10年間のブレークスルーを検証する。ジェネレーティブAIの手法は、画像や塩基配列などの多様なデータモダリティーを分析することによって、小分子薬剤やタンパク質などの設計図を創り出すことができる。我々は、科学的過程全体を通してこうした手法がどのように役立ち得るのか検討し、そうした進歩にもかかわらず今なお残されている中心的課題について考察する。AIツールの開発者と使用者の両者が、こうした手法の改善がいつ必要になるのかをよりよく理解する必要があり、データの質の低さや管理の甘さが課す難題も残されている。これらの問題は、さまざまな科学分野にまたがっており、科学的理解に寄与したり科学的理解を自律的に獲得したりできる基礎的なアルゴリズム手法を開発する必要があるため、AIイノベーションの極めて重要な分野になっている。

目次へ戻る