KAUSTの研究：生物学が知能システムを一新する可能性

リヤド：長年にわたり、人工知能（AI）分野の競争は「規模」が原動力となってきており、各企業は膨大なデータセットを用いて学習させた、ますます大規模なモデルを構築してきた。しかし、キング・アブドゥラー科学技術大学（KAUST)の研究者たちは、次の飛躍はAIをさらに大規模化することではなく、自然が情報をどのように処理しているかを学ぶことから生まれるのではないかと考えている。KAUSTでは、科学者たちが、生物学的ネットワークが、急速に膨張するライフサイエンスデータの処理をAIがより効率的に行う上でどのように役立つかを研究している。「自然界は、数十億年もの歳月をかけて情報処理の問題を解決してきた」と、KAUSTの生物科学教授であり、生物医学科学部門の学生担当副学部長を務めるジェスパー・テグナー氏は『アラブニュース』に語った。「人間の脳、遺伝子制御ネットワーク、免疫系、そして生態系はすべて、ノイズが多く不確実な環境下で機能する、極めて効率的で適応性の高いシステムの例です」最近のAIの進歩は、主にモデルの規模拡大、データ量や計算能力の増強によってもたらされてきたが、テグナー教授は規模だけでは不十分だと主張する。「現代のAIは、主にスケールアップ、つまりパラメータやデータ、計算能力の追加に重点を置いてきましたが、生物学の知見によれば、構造は規模と同じくらい重要であることが示唆されています」と彼は述べた。KAUSTの科学者たちは、生物学的ネットワークが、急速に膨張するライフサイエンスデータの処理をAIがより効率的に行う上でどのように役立つかを調査している。（提供写真）「私たちが投げかけた疑問は驚くほど単純だった。『ネットワークの配線方法は、その規模と同じくらい重要なのか？』」この考えを説明するため、テグナー氏はAIを、人口、道路、建物がすべて同じである2つの都市に例えた。それらの効率は規模ではなく、それらの要素がどのように結びついているかにかかっている。「私たちは、この同じ原理がAIシステムにも当てはまるかどうかを理解したかったのです」と彼は語った。生物学的ネットワークに見られる反復的な接続パターンを研究した結果、テグナー氏とそのチームは、知能が規模だけでなく、単純な構成要素がどのように組織化されているかにも依存することを発見した。「生物学から得られる印象的な教訓の一つは、知能は多くの場合、綿密に組織化された構造の中で相互作用する多くの単純な構成要素から生じるということです」と彼は述べた。「生物学的システムは単に規模を最大化するのではなく、そのアーキテクチャを最適化しているのです。」研究者らは、2つの一般的な生物学的ネットワークパターンを検証し、それぞれがAIに異なる影響を与えることを突き止めた。一方は、ノイズの多いデータを処理する際にAIシステムの耐性を高め、もう一方は応答速度を向上させる一方で、誤った信号に対してより脆弱になることが分かった。この発見は、AIシステムのアーキテクチャにおけるわずかな変化でさえ、その学習方法や不確実性への対応に大きな影響を与える可能性があることを示唆している。「自然界には、膨大な時間スケールにわたって進化によってすでに検証済みのアーキテクチャの例が存在する」とテグナー氏は述べた。この研究は、科学者が膨大かつ極めて複雑なデータセットを解釈するためにAIへの依存度を高めている生物学や医学の分野において、特に重要な意味を持つ可能性がある。現代の生物学研究では、手作業では分析不可能な膨大な量の情報が生成されている。単一の細胞には、相互作用する何千もの遺伝子、タンパク質、シグナル伝達経路が含まれており、そこから得られるデータは、しばしばノイズが多く、不完全で、解釈が難しいものである。「単一の細胞には、相互作用する何千もの遺伝子、タンパク質、シグナル伝達経路が含まれている」とテグナー氏は述べた。 「また、これらのシステムにはノイズも含まれています。測定値は不完全であり、生物学的プロセスは確率的であり、複数のメカニズムが同時に作用しているからです。」研究者らは、AIシステムのアーキテクチャにおけるわずかな変更でさえ、その学習方法や不確実性への対応に大きな影響を与えることを発見した。（提供）バックグラウンドノイズから有意義な生物学的シグナルを分離することは、依然としてこの分野における最大の課題の一つである。「AIシステムが、真の生物学的シグナルとバックグラウンドノイズを区別する能力を高めれば、研究者は細胞の状態、疾患のメカニズム、治療反応について、より信頼性の高い知見を得られるようになるでしょう」と彼は述べた。より精度の高いAIは、疾患を誘発する遺伝子の特定、新たな薬剤ターゲットの発見、バイオマーカーの発見支援、疾患の早期発見、患者の治療反応の予測精度向上、そしてそうでなければ見過ごされてしまう可能性のある生物学的経路の解明に役立つ可能性がある。実験室の枠を超えて、こうした進歩は診断の精度向上、より個別化された治療の実現、創薬の加速、そして予測医療への移行を後押しする可能性がある。より長期的には、テグナー氏は、自然に着想を得たAIが「事後対応型の医療から、予測・予防医療への移行」に寄与すると考えている。「AIシステムは、微妙なパターンをより早期に、かつより確実に特定することで、疾患が完全に発症する前に介入を可能にするかもしれない。」ジェスパー・テグナー氏（KAUST生物医学科学部門 生物科学教授兼学生担当副学部長）。（提供写真）そのビジョンを実現するには、科学分野間のより緊密な連携が必要になると彼は述べた。「生物学は極めて効果的な情報処理システムの例を提供し、AIはデータからのモデリングや学習のためのツールを提供し、コンピューティングはそれらのアイデアを検証し、拡大するために必要なインフラを提供する」と彼は語った。「科学的な発見の未来は、これらを別々の領域として扱うのではなく、これらの視点を統合することにますます依存していくでしょう。」「第1世代のディープラーニングは、規模が重要であることを実証しました」と彼は述べた。「次世代では、構造も同様に重要であることが示されるでしょう。」テグナー氏はさらに、自然界は数十億年かけて洗練されてきた解決策の膨大な宝庫であると付け加えた。「自然界は数十億年をかけて複雑なシステムを組織化する方法を学んできたが、AIがそれらの教訓を活用し始めたのはごく最近のことだ」とテグナー氏は述べた。