科学発見のための AI 開発に新たな手法を試みるスタートアップ
科学発見のための AI 開発に新たな手法を試みるスタートアップ
科学発見のための人工知能の開発は、テクノロジー大手にとって記念碑的な目標となっています。 OpenAI や Anthropic などの企業は、医学、生物学、物理学における AI の画期的な進歩を約束して、数百億ドルの資金を確保しています。しかし、ChatGPT によって生成された数学的発見の誤りが暴かれたなどの過去の事件が示すように、真の AI 主導の科学的発見は依然としてとらえどころのないものです。専門家によれば、中心的な課題は、現在の大規模言語モデル (LLM) には、新しい科学的知識を自律的に生成する本質的な機能が欠けていることです。
大手 AI 研究所が科学的発見に苦戦している理由
MIT 工学教授のマルクス ビューラー氏は、今日の高度な AI には根本的な限界があると指摘しています。彼は、OpenAI と Anthropic のシステムを強化するモデルは、真の発見を目的として設計されていないと主張します。彼らのアーキテクチャは、新しい理論や仮説を作成することではなく、既存のデータからのパターン認識に基づいています。
このことは昨年の秋、ChatGPT による数学的発見とされるものがすぐに誤りであることが証明されたときにはっきりと示されました。このエピソードは、AI の分析力と創造的で発見志向の思考との間のギャップを浮き彫りにしました。これは、AIの「俳優」ティリー・ノーウッドが真の創造性の欠如に対して直面した批判とよく似た、テクノロジーの独創性に苦戦する他のAIの取り組みを彷彿とさせる課題だ。
現在の AI モデルの核心的な問題
大規模な言語モデルは、情報の処理と逆流に優れています。テキストを要約したり、質問に答えたり、トレーニング データに基づいてコードを作成したりすることもできます。ただし、彼らはすでに学んだ範囲内で活動します。
科学的発見はその性質上、未知の領域に足を踏み入れる必要があります。これには、異種分野間の新しいつながりを形成し、どのトレーニング データセットにも存在しないアイデアを提案することが含まれます。これは、コンテンツの作成と自動化に焦点を当てた現在の生成 AI が実現できるようには構築されていない飛躍です。 AI パブリッシングの基礎を築く WordPress Gutenberg アップデートのような開発に見られるように、業界は進化していますが、発見という中心的な課題は依然として残っています。
Unreasonable Labs の紹介: 科学のための AI への新しいアプローチ
このギャップに対処するために、ビューラー教授は、Google DeepMind の元上級研究員である Yuan Cao 氏と Unreasonable Labs を共同設立しました。このスタートアップは、科学的発見のための AI 開発に対する根本的に異なるアプローチを開拓することを目指しています。彼らは、大量のデータの取り込みだけに依存するのではなく、学際的な推論が可能なシステムを構築しています。
Unreasonable Labs は最近、Playground Global が主導する資金調達ラウンドで 1,350 万ドルを確保しました。このラウンドには、AIX Ventures、E14 Fund、MS&AD Ventures が参加しました。この多額の投資は、彼らの新しい手法に対する市場の信頼を裏付けています。
科学史における「なるほど」の瞬間から学ぶ
ビューラー氏の仮説は、多くの偉大な発見は「なるほど」という瞬間から生まれるというものです。これらは、科学者がある分野の理論や概念を適用して、まったく異なる領域の問題を解決する例です。このアイデアの相互受粉がブレークスルーの鍵となります。
典型的な例は、1982 年のジョン ホップフィールドの研究です。彼は、物性物理学の概念を当時誕生したばかりの人工知能の分野に適用しました。これは、記憶を学習して呼び出すことができるニューラル ネットワークの一種であるホップフィールド ネットワークの開発につながりました。それは、無関係な分野を結びつけることから生まれた革新的なアイデアでした。
Unreasonable Labs の AI は主流モデルとどう違うのか
Unreasonable Labs で開発中の AI は、この人間の学際的な洞察力を模倣するように設計されています。彼らの目標は、より大きな言語モデルを作成することではなく、科学領域全体で推論できるシステムを構築することです。
学際的なナレッジ グラフ: AI は、テキストだけでトレーニングするのではなく、生物学から物理学に至るまで、複数の科学分野からの構造化された知識を統合します。 類推エンジン: このコア技術は、科学革新の重要な推進力である、一見無関係な概念間の類似点や類似点を見つけることに重点を置いています。 仮説の生成: このシステムは、既存のデータを分析するだけでなく、検証可能な科学的仮説を提案するように設計されています。
このアプローチは、大手企業の買収戦略とは大きく異なるものです。Zendesk による AI スタートアップ Forethought の買収などのハイテク企業は、新しい形式の発見を開拓することよりも、既存の顧客サービス アプリケーションを改良することに重点を置くことがよくあります。
AI 主導の発見の未来
成功すれば、Unreasonable Labsのテクノロジーは重要な分野での研究を加速させる可能性がある。化学と遺伝学の原理を組み合わせて新しい薬の化合物を提案できる AI を想像してみてください。あるいは、ナノテクノロジーと熱力学の概念を結びつけることによって、持続可能なエネルギーのための新しい材料を提案するモデル。
潜在的な用途は、医学研究の加速から複雑な環境問題の解決まで多岐にわたります。これは、自動化を超えて人間の創意工夫の真のパートナーとなる、AI の次のフロンティアを表しています。
結論: AI イノベーションの次の波
科学発見のための AI 開発競争は激化していますが、真の成功は Unreasonable Labs のような専門化したスタートアップにあるかもしれません。彼らの学際的な推論への焦点は、現在の大規模な言語モデルの限界を超える有望な道を提供します。真に発見できる AI を作成する旅はまだ始まったばかりです。
AI とテクノロジーの最新イノベーションに関する最新情報を入手してください。さらに詳しい情報を入手し、この記事を簡単に共有するには、Seemless で無料の自己紹介ページを作成し、お気に入りのコンテンツを厳選してください。
