人工知能（AI）の発展により、予測AIがデータのパターンから結論を導き出すのに対し、生成AIは新しいテキスト、画像、オーディオ、ビデオ、さらにはコンピュータコードなどのコンテンツを生み出す能力を持っています。2024年のアメリカ科学振興協会（AAAS）年次会議では、「科学における生成AI」セッションが開催され、コンピュータ科学、材料科学、気候科学の観点から、生成AIの科学への応用可能性とリスクが議論されました。
シカゴ大学のレベッカ・ウィレット教授は、生成AIが科学的発見のプロセスを加速させる可能性について問いかけました。科学データは一般的に質が低く、科学における目標は現実的なものを生み出すことではなく、観測された範囲外の事象を理解することにあると指摘しました。また、科学者はインターネットからデータを収集するのではなく、実験やシミュレーションを行うため、どの実験やシミュレーションを実行するかという新たな課題があると述べました。
マサチューセッツ工科大学（MIT）のマーカス・ビューラー教授は、新しいバイオインスパイアされた材料の設計に生成AIベースのツールを開発しています。生成AIは人間の想像力を超え、新しい概念を学び、逆問題を解決する能力を持つと説明しました。ビューラー教授は、知識グラフ構造が新材料の予測において重要であるとし、物理ベースのモデリングと生成AIを組み合わせた新しい形の物理グラウンドAIの可能性を示しました。
カリフォルニア大学サンディエゴ校の大気物理学者ダンカン・ワトソン＝パリスは、気候科学における生成AIモデルの利用について語りました。彼は、40年間の歴史的気象データに基づいて訓練されたAIモデルが、スーパーコンピュータを使用する世界トップの予報機関と同じくらい正確に、より迅速に天気を予測できることを示しました。このAIは、極端な天候イベントのリスクをよりよく定量化するために使用されています。また、AIが気象予測に役立つ場合、気候予測にも役立つ可能性があると述べ、2100年の気候を4つの可能性のある社会経済シナリオの下で予測する例を提供しました。
【ニュース解説】
生成型人工知能（AI）は、新しいテキスト、画像、オーディオ、ビデオ、さらにはコンピュータコードなどのコンテンツを生み出す能力を持ち、科学の分野においてもその応用が期待されています。2024年のアメリカ科学振興協会（AAAS）年次会議では、この技術が科学にどのように貢献できるか、その機会とリスクについて議論されました。
科学データの質が一般的に低く、科学者が目指すのは現実的なものを生み出すことではなく、観測された範囲外の事象を理解することであるため、科学における生成AIの応用は、既存の商用アプリケーションとは異なる課題を抱えています。科学者はインターネットからデータを収集するのではなく、実験やシミュレーションを行う必要があり、これらは費用と時間がかかります。また、生成AIは稀な事象を捉える能力が求められます。これらの事象は科学において特に重要であるため、科学データは商用の生成AIが訓練されるテキストや画像データとは大きく異なります。
マサチューセッツ工科大学（MIT）のマーカス・ビューラー教授は、生成AIを用いて新しいバイオインスパイアされた材料を設計するツールを開発しています。この技術は、人間の想像力を超え、新しい概念を学び、望ましい材料特性からその分子構造を導き出す逆問題を解決する能力を持っています。ビューラー教授は、知識グラフ構造を用いて、材料を詳細な原子レベルの計算ではなく、分子構造において何が重要かを捉えることができると説明しています。
カリフォルニア大学サンディエゴ校の大気物理学者ダンカン・ワトソン＝パリスは、気候科学における生成AIモデルの利用について話しました。彼は、過去40年間の気象データに基づいて訓練されたAIモデルが、スーパーコンピュータを使用する世界トップの予報機関と同等の精度で、より迅速に天気を予測できることを示しました。この技術は、極端な天候イベントのリスクをより正確に定量化するために使用されています。また、AIが気象予測に役立つことから、気候予測にも貢献できる可能性があると述べ、2100年の気候を異なる社会経済シナリオの下で予測する例を提供しました。
これらの進展は、科学的発見のプロセスを加速させ、新しい材料の設計や気候変動のリスク評価など、多岐にわたる分野での応用が期待されます。しかし、科学データの特性や実験のコストなど、克服すべき課題も多く存在します。生成AIの科学への応用は、これらの課題を解決するための新しいアプローチを提供し、将来的にはより正確で迅速な科学的発見や解析を可能にすることでしょう。
from Scientific Applications of Generative AI.
