AIは次の科学革命を引き起こすか?

YouTube
作成した動画を友だち、家族、世界中の人たちと共有

人工知能の時代における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、私たちは皆、日常的なタスクから複雑なタスクまで、従来のアプローチ方法に人工知能が影響を与える力について、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が基礎的な科学研究にどのような影響を与えるのでしょうか。複雑な問題へのアプローチや解決方法をどのように再構築するのでしょうか。さらに基本的なレベルでは、どのような種類の問題を定式化できるようになるのかという疑問があります。
従来、科学的探究はほぼ完全に人間の直感、物理的な洞察力、そして極めて重要なのは、経験的データの丹念な蓄積に依存してきました。そこから、パターンを見出す能力が、あらゆる物理システムの展開を導く基本法則の定式化につながってきたのです。AIは、比類のないデータ処理能力と、ほとんどの、もしくはすべての人間の能力を超えたパターンを識別する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。これらすべてが間違いなく、そうでなければ隠れたままだった洞察を生み出すでしょう。
この変革の可能性は、物理学や生物学から化学まで、さまざまな従来の分野にわたります。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、間違いなく驚くべき関連性を生み出す、本当に深い異分野交流を促進することができるのです。率直に言って、科学的探究の本質そのものを再定義するかもしれません。
これらのエキサイティングな展開を探るため、本日の会話は、これらの分野の追求において先導的な声となっている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招きできることを光栄に思います。彼はまた、大統領科学技術諮問委員会のメンバーでもあり、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世界的課題に取り組む」というレポートを共同執筆しました。
ここにいられて光栄です。お会いできて嬉しいです。
数分後に具体的な事例研究に入りたいと思いますが、議論の文脈設定として、AIが基礎科学の方法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一般的な方法は何でしょうか?
ある意味、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、実際に有望なものに絞り込み、さらに本当に違いを生む何かに収束させるのに数年かかっていたものが、数ヶ月、数週間に短縮されています。システムが可能性を生成し、絞り込むことができるようになったからです。そして、最終的な実用化合物や有望な化合物への道筋を示すだけでなく、システムは今や最適な実験が何かを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、そこに導くシステムがあれば、時間と費用の節約になります。
専門家がこちらにいて、専門家があちらにいるという研究分野の統合についてはどうでしょうか? 広範な分野を横断できる人もいますが、多くの人にはできません。しかし、これらのシステムは、訓練できるデータの種類に境界がありません。私たちが予想もしなかったような方法で、物事が一緒になるのを目にしていますか?
私のチームが2022年8月にGPT-4にアクセスできたとき – 11月と言いましたね、一般公開は少し遅れました – そしてそれは3.5で、2月に4を見ました – システムで遊んでみての反応は、一言で言えば「多才」でした。システムが分野横断的に行っていたことを行うには、専門家の部屋が必要でした。科学分野でそれが何を意味するのかについては、まだほんの少しの兆ししか見えていないと思います。数十年にわたって専門化を進めてきた素晴らしい仕事があります。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結びつける接着剤になったらどうなるでしょうか?
反対の方向についてはどうでしょうか? 統合は物事を一緒にするものですが、科学者として私たちが試みているのは、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の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えますか? 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、近くで何かが落ちるという特殊な観察から – リンゴの話が本当かどうかはわかりませんが – 天空を説明するという、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、ほとんど興奮に近い感覚について考えてみてください。これらのシステムが私たちにそのようなことを助けてくれると思います。そして再び、この種の一般化能力の兆しが見え始めています。
現在のところ、科学の分野で行われている多くのことは、パターン認識、仕分け、診断などですが、今では合成が起こり、一般化が行われているのを目にしています。システムは特定のことを行うのがますます上手になっているようです。世界についての興味深い事実やパターンを推論しているようです。例えば、これは物理学や化学から少し外れますが、これらのシステムが、私が心の理論と呼ぶものを推論したことは私にとって明らかです。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です。
そして、これらの種類の驚くべき振る舞いが現れるたびに、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、あなたが言うように、基本的に私たちが書いたものすべて、あるいは少なくともその文献の重要な部分で訓練されるならば、その文献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心を持っていたのではないでしょうか。だから、私たちはシステムを見て「どうやってそれをしたのか」と言うべきなのか、それとも単に「私たちがそれをしたのであり、システムは私たちがしたことを糧にしたのだから、それが素晴らしい意味を成すのは当然だ」と言うべきなのでしょうか?
長年にわたって、私たちが行うこととAI分野で構築してきたシステム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年半ほどの間に登場した生成AIモデルと呼ばれる能力の特性と力に驚き、感動しています。
ある意味で興味深いのは、人間の心に関す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、確かに多くの疑問を投げかけています。私にとっては長い間、私たち自身が構築しているシステムに少し困惑させられる初めての機会です。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本当に良く理解していました。そしてそれ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。数えきれないほどの数のニューロンがあるのに、これらのことをどうやってできるのかと驚いたのです。
ただ言わせていただくと、これは推測ですが、私たちが今見ているものとの関係があるかもしれません。したがって、それは将来の方向性を照らす光かもしれません。
次のことにはあまり深入りしたくありませんが、この舞台で過去に議論したことがあります。これらのシステムに少量の意識 – それが何を意味するかはわかりませんが – を帰属させようとする研究者がいました。私にはそれは想像できませんが、実際にその渦中にいる人にとって、それはあなたの考えの中に浮かぶことはありますか?
これらの議論は今でも時々出てきます。ある時点で、脊椎動物の神経系を別の宇宙のもの、神学的な世界のものとして見なさないようにしなければなりません。私たちは素晴らしく美しい機械です。私たちが知る限り、こ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、です。
様々な能力が私たちに見られるからといって、いつかは機械でも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について質問するのは理にかなっています。まだそこまでは至っていません。しかし、人工知能研究者の多々、そして哲学者や神経生物学者も、ワインを何杯か飲んで夜遅くまで話をすれば、意識に対して神秘的な感覚を持っています。そしてそれが彼らをこの分野に引き込んだのです。メカニズムのレベルで一体何が起こっているのかということです。
確かにそれは深遠な問題です。そしていつかは、これらのシステムの1つを見て「ああ、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。ちなみに、ある人々は – その話題に関する一つの見方ですが – 意識というものは存在せず、これらの計算能力を持つことがただそういうものだという考え方があります。そしてもしそうなら、印象的な成長と計算能力のスケールがあれば、それがただそういうものだと想像できます。
かなり可能性があります。
具体的な例に入りたいと思います。先ほど少し言及しましたが、これらのAIシステムが様々な科学の方法を本当に変革し始めているところ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。あなたがこれらのシステムを使って、バッテリーの再設計などの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。そのプロセスについて、そしてAIがその研究方法をどのように変えたと感じているかを教えていただけますか?
マイクロソフトのチームは、パシフィックノースウエスト研究所と協力して、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蓄えることです。そのため、パワーバッテリーを考案し、構築することが非常に重要です。
これら2つのチームが協力して行ったことは、AIの手法を使用して、従来の量子力学や量子化学の計算よりも速く進めることでした。従来の方法では何年もかかっていたものを、数週間や数日で行えるようになりました。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。
高校や大学の初期に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を覚えていますか? sと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、かなりうまく扱えることがわかりました。そのため、特定の化合物に焦点を当てることができますが、非常に速く進めることができます。
私たちは、現在リチウムバッテリーで使用されている形の電解質を取り、約3000万の可能性のあるファミリー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る数で、どれが機能するかわかりません。そこで、別のパイプラインや別のAI技術を使用して、さらに絞り込みました。熱安定性や製造可能性などを考慮し、最終的には数百にまで絞り込みました。
そこで「では、古典的な計算方法の重要な力を引き出そう」と言えるようになります。密度汎関数理論の計算を行い、本当に物事を解明し、実験室でテストできるほんの一握りの候補にまで絞り込みます。これらは文字通り原子レベルの構造で、システムが「これが候補です」「これも候補です」「これも候体です」と吐き出すものです。
実際にテストするとなると、最初の数はいくつだったでしょうか?
3000万です。
3000万、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。これが私が言及したときに意味していたことです。大きな成果の1つは、これらのファンネルやパイプラインをマスターすることです。どのようなAI技術を使用し、どのように古典的な方法とハイブリッド化し、それらをいつ使用するかを判断し、材料科学の発見パイプラインのようなものを作り上げることです。
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、それはいつか街のスカイラインの性質を変えるかもしれません。
そのプロセスを追って、最初の3000万の可能性から絞り込んでいくと、古典的な計算手段を最後に含めても、数個あるいは1つの候補に落ち着いたのでしょうか?
ほんの一握り、そして最終的には1つの候補に絞られました。基本的に、70%少ないリチウムを使用し、それをナトリウムで置き換えた特定の構造の化合物です。はるかに安価で、かなり強力に見えます。
これは理論上のものですか、それとも実際に作られて動いているものですか?
いいえ、これは実際に作られ、現在機械で稼働しています。
本当に実現しているんですね、とてもエキサイティングです。実際に起こっているのです。
この新しい材料を生成するプロセスの開始から終了まで、全体的にどのくらいの時間がかかったのでしょうか?
数ヶ月です。
数ヶ月ですか。そしてこの技術がなければ何年もかかっていたでしょうね。
そうですね、これは初期段階です。私たちはちょうどこれらのファンネルをマスターし始めたところです。10年後にはどう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どれほど素晴らしいものになるでしょうか。
驚くべきことですね。生命科学の分野での別の例として、AlphaFoldは一つの例だと思います。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。それについて何か教えていただけますか? また、生命科学の分野で関わっている別の例もあるようですが、ハリソンに関するものですね。その感触を少し教えていただけますか?
AlphaFold、AlphaFold 2、3について聞いたことがあると思います。別のチームによる似たような、関連する技術を行うRosetta Foldもあります。ある組織が「これが既知のタンパク質のすべてで、これらがその推定構造です」とヒトのプロテオームやユーカリオータのプロテオームについて言えるような状況にあるのは、とてもエキサイティングです。
進歩のペースは速かったですね。もちろん、構造は生命科学における興味深い課題の一つの側面に過ぎません。もう一つの側面は機能です。これらの物がどのように機能し、分子動力学はどうなっているのか、どのように相互作用するのかということです。
ワシントン大学のある研究では、真核細胞内の多くのタンパク質の相互作用を計算しました。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によって、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のは興味深いことです。
この相互作用と機能に関するプロジェクトで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、生物学者がそれを見たときに「これらが何をしているのか全くわかりません」と言ったことです。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たのです。
しかし、これらの例、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るのですか? 例えばバッテリーの場合、Xについてのすべての知識を持ち、Yについての知識に感染されていない、非常に慎重に管理されたデータセットが必要ですか? 明らかに、幻覚の問題はおそらくこの場合には良くないと想像されます。
これは本当に良い質問です。材料科学の場合と、生物学の場合 – そしてあなたが言及したハリソンの例について少し触れますが – トレーニングの方法は少し異なります。
材料科学の場合、現在の化学や物理学ベースのAI作業の一部の本当に印象的な点は、お金を払ってトレーニングデータを生成できることです。シュレーディンガー方程式や推定値を計算でき、構造を持っていて、物理学を実行することで真の値や推定値を計算できます。そのためトレーニングデータを得ることができます。古典物理学の計算機械を回すのです。
しかし、それを回しているのは誰ですか? 量子力学の大学院生チームがいるのですか? それはどのように行うのですか?
部分的にはそうですが、化学のコミュニティでは、多くの人々が計算された既知の化学や計算された波動関数のデータベースに追加することで生成されたツールがあります。そしてそれを使って、基本的に以前見たことのない他のことについて推論し推定し始めることができます。これはとても興味深いことです。
ハリソンの状況は、既存の薬の大きなライブラリがあり、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を、それらが対象としていなかった病気に使用できないかということです。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べるからです。
抗菌構造や類似性を探す同様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や薬剤化合物が、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、これはハリソンと名付けられました。2001年宇宙の旅のHALに敬意を表してです。「今はそれができません」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見つけたのですが、MITのジェームズ・コリンズのチームが、ハリソンの研究をさらに発展させ、説明可能AIと呼ばれるものを使用して新しい理解を得る最近の研究を行っています。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ています。
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データも持っていました。また、人間の細胞に対して細胞毒性のある化合物と、そうでない化合物についての情報も持っていました。
そして、人間に対して毒性がない構造空間の領域にある、新しい抗生物質の新規構造を見つけることができます。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ができました。これは今や新しい原則と理解の基礎になります。
この場合、化学化合物が機能する方法を発見しました。それは文字通り膜を横切る電気化学的な推進力を短絡させます。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。
私は分野の外側にいるので、もし何かに対して過度に感銘を受けているようであれば、遠慮なく修正してください。しかし、大規模言語モデルの出力を見るとき、本当に印象的だと感じるのは、言語や文法の根本的な理解がないことです。少なくとも私の理解では、それは本当に巨大なデータセットに基づいてパターンを見つけ、そこから前進しているのです。
薬物開発や材料開発の場合、外部の物理モデルはありますか? 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し、合理的な可能性で、この特定の分子化合物があなたが解決しようとしている問題を解決すると言えるのでしょうか?
この質問は、分野でかなり議論されてきました。私は、そして多くの同僚も同じ信念を共有していると思いますが、これらの大規模システムを押し進め、スケールを増やし、単純な予測タスク – 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、タンパク質の仕事の次のアミノ酸を予測するなど – をより良く、より良く予測するようにさせると、これらのシステムは人間が依存しているような種類の基礎に関するより深い理解を獲得しているのです。
彼らは化学を理解し始めています。基本的な訓練タスクでより良い予測を行うために最適化し、押し進めるにつれて、彼ら自身の世界モデルを構築しているのです。私の見方では、それをより高く、より高く押し上げることは、内部的に理想的な圧縮を膨らませているのです。それをうまく行うためには、基本的な理解と原則を通じてです。
これは私には新しい科学、新しいパラダイムのように聞こえます。私たちが慣れているのは、いくつかの例を見て、そし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かもしれない微分方程式を書き下ろそうとすることです。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、それを脇に置いて、十分なデータを得て、数学的な式で封じ込めようとせずに、ただ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ことと根本的に異なるように思えます。あなたはそのように見ていますか?
しかし、今やAIでは予測だけではないのです。新しい種類の合成、新しい種類の出来事が起こっています。しかし、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、これらのシステムがどれだけ良くなるかさえまだ明確ではない点に来ています。微分方程式を与えるのです。それが私が疑問に思っていることです。「人類よ、私たちは多くのことを知っている。それを出発点にしよう」という助けを与える対、大規模なデータセットからすべてを推論させる対、です。
したがって、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同様に、大規模データセットからの推論との組み合わせという点で、前進するためのミックスがどうなるかはまだ明確ではないと思います。
私の研究分野に近いもう一つの例があると聞いています。物理学に関するものですが、これについて教えていただけますか? 特に面白い例だと思います。
いくつかの例があって面白いですね。大統領科学技術諮問委員会(PCAST)で、ノーベル賞受賞者のサウル・ペルムッターに会いました。彼は重力波を研究していて – おそらくあなたもよく知っているでしょう。他の物理学者たちと一緒に、これらのモデルが興味深い課題問題を考えるのを助けられるかどうかについて、小さな作業グループを始めました。そこでいくつかの失敗もありました。
GPT-4とClaudeのモデルが、宇宙がインフレーション的か、それとも周期的にバウンスする宇宙かについて、枠にとらわれない考え方をしているのを、名のある物理学者たちに見せた後の反応は「野心的な大学院生のようだ」というものでした。私はそれがポール・スタインハートのことを言っているのかと思いましたが、何も言いませんでした。
ただ、5年前に主要な物理学者がそう言うだろうと言われたら、「私の知っているAIシステムではありえない」と言ったでしょう。
しかし、準結晶と呼ばれる分野に関する興味深い例がありました。これはある種の興味深い非周期的な結晶構造で、ほんの数年前に数学的に提案され、存在が確認されました。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まれな場所で見つかっています。
そこで、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」という質問をしました。一般的な大規模言語モデルが「ボーキサイト鉱山への落雷を考えたことはありますか? 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」と言う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」と言わせるだけでなく、「さあ、旅行のチケットはどこだ」という考えを助けることもできるのです。
それは実現したのでしょうか?
これは全くの新しいことなので、様子を見る必要があります。
では、あなたはその調査に行く人の一人になるのでしょうか?
私は今ヨーロッパに向かっていますが、ベネズエラへの旅行をして、その使命を手伝うかもしれませんね。
それは素晴らしいことでしょうね。
これらは潜在的な、そしてすでに実現している成功事例ですが、懸念はありますか? この道が我々を不幸だと考える場所に導く可能性についてどう思いますか?
火のように、人間が創造したほとんどすべての技術と同様に、私たちが創造するほとんどすべてのものは両用途です。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、私たちがいかに驚くほど日常生活で使用する価値ある技術に私たちの進歩を押し込んできたか、世界を変えてきたか、都市や電気、インターネットを与えてくれたか、ヘルスケアのやり方さえも完全に変えてきました。私たち自身の言語さえも、私たちが発明し、今では調整に使用しているツールです。
はい、AIの力は悪意のある方法で利用される可能性があります。悪意のある行為者によって、例えば生物学では、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生物学者を想像できます。
私たちはこれに対して警戒し、上に立ち続ける必要があると信じています。人々は大統領のAIに関する大統領令で、多くの両用途の状況とそれに対処する方法について明示的に言及されているのを見たかもしれません。バイオセキュリティを含めてです。科学者がタンパク質を作るためにDNAを生成する装置にどのような要件を課すべきか、悪意のある意図を持つ人によって使用されないようにどのようにスクリーニングするかなどです。
私たちはそれを管理し続けられると思います。私はかなり希望的で楽観的です。もちろん、想像力豊かなシステムの力とそれらがどのように偽情報や深層偽造などの生成に使用されているのを見ています。再び、それに対抗し、私たちを軌道に乗せ続ける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が私たちを導いてくれる特定の場所があれば、「それこそ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見つけるために活用されるのを見たいです。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を見たいです。
私たちは今、可能性のきらめきや兆しを見ているだけだと思います。私個人的には、私の学問の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。これは数十年にわたってこれを追求してきましたが、大規模システムとその行動、そして新しい方法で合成、一般化、抽象化、構成する能力について、私たちが問うかもしれない質問への入り口を見ている初めての機会です。これらは人間のような行動への道のりにあるように思えます。
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、心の新しい理解をもたらすことを望んでいます。
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ています。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様々な会話をしてきました。その会話の一部では、現在構築されているAIシステムが創造的になれるかどうかという質問がありました。
一つの見方は、絶対にそうではない、彼らがしているのは過去のものを組み合わせるだけで、あなたがしているのはただ断片を並べ替えているだけであり、それが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すことができるものについて、根本的に異なる見方をする人もいます。
あなたはどちらの立場をとりますか? 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に創造的であり、時間とともにさらに想像力豊かになると信じています。また、システムがただ様々な種類のアイデアを組み合わせているだけだと言う人に対して、質問をします。それは私たちがし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、枠にとらわれない思考をするときでも、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。
同じ方法で、私は現在これらの機械の創造性を否定している人々全員に言いたいです。シートベルトを締めてください。なぜなら、私たちは現在、能力に関して指数関数的な曲線に乗っていると思われるからです。18ヶ月後にもう一度チェックしてください。たった18ヶ月後にです。
何か特定のことを教えたいのですか?
それが今の進歩のペースだと思うだけです。私たちは皆、新しいプラテーに到達しつつあるという感覚を持っていると思います。「これはクールだね、材料科学、生命科学でこれを何に使おうか」という感じですが、実際には私たちは今、別の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方法を活用するために十分早く行動することです。荒削りな部分に注意を払い、これらのシステムから最大限のものを引き出し、そして機械で見ている知性の力が、時間とともにより深く、より広く社会とどのように絡み合っていくかについてのより深い概念があります。
科学のフロンティアを押し進める役割について全く心配していませんか? 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なら、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?
私はこのことについて、私たちが作り出したこれらのツールという観点から考えるのが好きです。おそらく、私たちの言語の発明が文化の進化に与えたのと同じくらい強力な影響を人類に与えるでしょう。
最近、私は自問自答します。私たちが時代遅れになるかどうかではなく、むしろ断言として「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仕えるかを考える時が来た」と。これらの機械が力を得るにつれて、それらは人類に仕え、私たちに仕えているという観点を取る必要があると思います。それらは信じられないツールになるでしょう。
我々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。私はよく言います。今から千年後を振り返ったとき、これからの50年間には名前がつくだろうと。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、これは本当に重要になるでしょう。
このようになるか、あのようになるか、あるいはまだ考えていない何かになるかもしれませんが、いずれにせよ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。

コメント

タイトルとURLをコピーしました