AIが、2024年のノーベル賞を席巻した。物理学賞と化学賞の二つが、AI関連分野の研究に贈られたのだ。
ノーベル賞発表期間中のAI界隈では、冗談で「物理学者」や「化学者」を名乗ったり、AI研究の論文で物理学の用語を使ってみたりする研究者が現れるなど、まさに“お祭り騒ぎ”。一部では「文学賞や平和賞は、ChatGPTを開発したOpenAI社の研究者が取るのではないか」といったジョークも飛び交っていたほどだ。
なぜAI界隈は、これほどまでノーベル賞の受賞に湧き上がっているのだろうか。
東大・松尾豊研究室出身、AI研究者の今井翔太さん（@ImAI_Eruel）に話を聞くと、物理学でも化学でもない「AI研究ど真ん中の人間」ならではのエピソードが伺えた。
※本記事では、24年ノーベル化学賞におけるデビッド・ベイカーの業績の解説は省略します。
AI研究者，博士（工学，東京大学）
今井翔太さん（@ImAI_Eruel）
1994年、石川県金沢市生まれ。東京大学大学院 工学系研究科 技術経営戦略学専攻 松尾研究室にてAIの研究を行い、2024年同専攻博士課程を修了し博士（工学、東京大学）を取得。人工知能分野における強化学習の研究、特にマルチエージェント強化学習の研究に従事。ChatGPT登場以降は、大規模言語モデル等の生成AIにおける強化学習の活用に興味。生成AIのベストセラー書籍『生成AIで世界はこう変わる』（SBクリエイティブ）著者。その他書籍に『深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版』（翔泳社）、『AI白書 2022』（角川アスキー総合研究所）、訳書にR.Sutton著『強化学習（第2版）』（森北出版）など
ーー今年のノーベル賞では、AI界隈がもの凄く盛り上がりましたよね。AI関連の研究がノーベル賞を受賞するのは、それほど珍しいことなのでしょうか？
今回の物理学賞は「機械学習においてニューラルネットワークを利用可能にする基礎的な発見と発明」を理由に、ジョン・ホップフィールド（プリンストン大学名誉教授）とジュフリー・ヒントン（トロント大学名誉教授）が受賞(*1)しました。
このような「純粋なるコンピューターアルゴリズムの開発に関する業績」にノーベル賞が受賞されたのは、おそらく今回が初めてのことです。
というのも、ノーベル賞を創設したアルフレッド・ノーベルの存命時（1833年〜1896年）には、コンピューター科学という学問自体が存在しなかったので、ノーベル賞に「コンピューター化学賞」や「情報科学賞」といった類いの賞はありません。
よって、そもそも受賞対象分野にすらなっていないコンピューター科学の手法にノーベル賞が与えられることは、かなり稀なケースなんです。
元々は物理学者であるホップフィールドが、物理学寄りの業績で受賞することを予測していた人はわずかながらいたようです。ただ、純粋にニューラルネットワークの研究に関してヒントンが受賞することを予想していた人は、もしかすると世界に一人もいなかったのではないでしょうか。
ノーベル賞は毎年いくつかの予想が出回り、大抵はそこに載っている誰かが受賞しますが、今回の予想でヒントンの名前が載ったものはなかったと思います。なので受賞した本人が、一番驚いているかもしれませんね。ちなみにヒントンは、現在のAIの主要技術である『深層学習（深いニューラルネットワークを使う手法）』の“ゴッドファーザー”とみなされており、AI分野の頂点に立つ“神”のような人です。
ただ、物理学賞が異例の受賞だった一方で、化学賞に関してはこれまでのノーベル賞の歴史におおむね沿った受賞だったといえます。
ーー化学賞でも物理学賞と同様にAI関連の研究が受賞しましたが、なぜ化学賞では異例ではなかったのでしょうか。
確かにどちらもAI技術の受賞ではあるのですが、根本的には異なる性質のものだからです。
今回の化学賞は「コンピューターによるタンパク質のデザイン」を理由にデビッド・ベイカー（ワシントン大学教授）が、「タンパク質の構造予測（AlphaFoldの開発）」を理由にデミス・ハサビス（Google DeepMind CEO）とジョン・ジャンパー（Google DeepMind）が受賞(*2)しました。彼らの研究とはいわば「化学の問題を解くために作られた、コンピューターアルゴリズムの研究」であり、「AI for 化学」と形容できます。
ノーベル賞の受賞対象の一つには、「自然科学分野への貢献」があります。つまり「自然科学に関する問題を解くためのコンピューターアルゴリズムおよび、それを使った発見の業績（AI for 自然科学）」であれば、ノーベル賞が与えられても不思議ではないわけです。
実際、13年には「分子動力学シミュレーションというコンピューター内で分子の振る舞いをシミュレーションする研究」が化学賞を、21年には「気候変動をモデル化してコンピューター内でシミュレーションする研究」が物理学賞を受賞しています。今回の化学賞は、こうした流れを踏まえての受賞だったといえるのです。
ただ物理学賞を受賞したホップフィールドとヒントンの研究は、「物理学を参考にして作られた、コンピューターアルゴリズムの研究」でした。これは「物理学 for AI」であり、化学賞の3名の研究とは矢印の方向が違います。
ーーなるほど。改めて、ニューラルネットワークの研究が評価された今回の物理学賞は、極めて異例の受賞だったことが分かりました。
そうですね。もっともノーベル賞公式の解説では、ニューラルネットワークを利用したAIが、ノーベル賞を受賞している自然科学の各分野で多大な貢献をしていることが説明されています。ニューラルネットワークは現在のAI研究のほとんどの基盤になっていますし、その意味では「AI for 物理学」の親玉と捉えることもできそうです。
(*1)両者の研究の中でも、現在のニューラルネットワークの基礎となる『ホップフィールドネットワーク』と『ボルツマンマシン』は、物理学における統計力学の影響を受けています。これら二つの手法は、現在『生成AI』と呼ばれているものの原型であり、画像などのパターンを記憶して生成できるモデルでした。
(*2)人体における最重要物質であるタンパク質の機能は、その立体構造に依存すると考えられていますが、その立体構造を特定するには大変な手間が掛かります。そのため、単なる配列入力から立体構造を直ちに予測できる予測手法は、創薬などに多大な貢献をする夢のツールとして多くの研究が行われてきました。そのような中、AlphaFoldは突如、その圧倒的な性能によってこの分野に革命を起こしたのです。
ーー改めて、今回ノーベル賞で「AI技術が活用された研究」が評価されたことについて、今井さんご自身は率直にどのように感じていますか？
「AIや機械学習の研究でもノーベル賞の対象となる」「今後の科学発展の中心を担うのは、AI技術になるかもしれない」
こうした認識が今回のノーベル賞を契機に世界で共有されたことは、大変意義深いことです。繰り返しになりますが、物理学賞は異例の受賞でした。そうせざるを得ないくらいには、ノーベル委員会がAIの威力を重く受け止めていたということでしょう。
今回のAI関連の受賞からは「AIそのものや、科学的発見におけるAIは、明らかにこれまでとは根本的に異なる革命的技術である」というメッセージを強く感じます。24年は「AIによる科学的発見が本格化した元年」になりそうです。
ーー科学的発見にAIが本格的に活用されていくことで、研究結果も変化していくのでしょうか。
化学賞を受賞したハサビスは会見で、「AIは科学的発見を加速させる究極のツールになるかもしれない」と語っているので大きく変化していくと思われます。
実際、同氏がCEOを務めるGoogle DeepMindは、AIを用いた科学的発見の成果を多く出してきました。例えば「AI for Science」や「AI for Scientific Discovery」と呼ばれる分野(*3)において、核融合や天候予測、結晶構造発見など、それぞれが何らかの賞を受賞してもおかしくない成果を多数上げています。
今回ノーベル賞を受賞したAlphaFoldや他のDeepMindの成果は、「研究プロセスの中のコア部分で科学的発見自体を担う手法」でしたが、「研究プロセスを全体的にAIで駆動する研究」も多く存在します。
今井さんが医学系の学会で講演した際、DeepMindのAI for Scienceにおける業績を説明したスライド
ーーそのようなAI駆動の研究について、具体的な研究事例を教えてください。
例えば日本だけで見ても、私が関係する東大松尾研究室では『Autores』という研究自動化プロジェクトがあります。さらには、破壊的イノベーションを生み出すための研究プロジェクト『ムーンショット』でも、科学的発見ができるAIロボットに関するもの(*4)があります。
さらに、これは日本というべきか海外というべきか微妙なところですが、Googleの研究者らによって設立された日本のベンチャー企業「Sakana AI」では、『The AI Scientist』と呼ばれる「研究アイデアの提案からプログラミングによる実装、実験、論文の執筆まで全て行う生成AI手法」を発表しています。
今回のノーベル賞によって、これらの研究も含めてAI技術がより一層注目を集め、さらなる投資と加速が見込まれます。AI分野に興味がなかった自然科学の各分野の人たちの中でも、AIを積極的に導入する流れができそうです。
ーー科学研究におけるAIの役割が拡大していくことで、科学の世界は今後大きく変革していきそうですね。
今まで、地球上で一番賢い存在は疑いようもなく人間でした。そして、科学の発展を担ってきたのも他ならぬ人間自身です。
しかし、人間以外の知能が（人間のために）科学をやってもいいはずです。
科学という営みを行う上で、「人間の知能」が必ずしも最適であるとは限りません。人間の知能には、生物学的、物理的、時間的な制約が多くあります。どれだけ賢い研究者、それこそノーベル賞を取る科学者やアインシュタインであっても、論文数百本を数秒で理解することはできません。数億パターンの科学的に意味のある組合せを、瞬時に想像することもできません。
この宇宙には、おそらく人間の知能がどれだけ頑張っても発見するのが困難な「科学的事象」が多く存在します。人間の知能だけで発見できる科学的事象とは、宇宙に本来存在する科学的事象全体の、ほんの一部に過ぎないかもしれません。
しかし、「機械の知能」であれば、その一部の“外”に届く可能性があります。機械は上記の制約の一部は受けず、何より物事を分解して考える人間と異なり、複雑なものを複雑なまま理解することができます。
今回のノーベル賞は「自分の知能に自信を持ちすぎたが故に可能性を狭めていたかもしれない科学という営みに、『人間以外の知能という選択肢』が有り得ることを提示した」という点で、科学史における革命であると考えます。
(*3)機械学習の手法を用いることで、人間の力のみでは困難な科学的発見をしたり予測の精度を上げたりする研究分野
(*4)「ムーンショット目標 3」2050年までに、AIとロボットの共進化により、自ら学習・行動し人と共生するロボットを実現
ーーAI技術がノーベル賞にも認められたことで、エンジニアは将来のキャリアや業務との向き合い方を、今一度見つめ直すべきだと思いますか？
そうですね……。ノーベル賞とエンジニアの日常業務を絡めて何かを語るのはなかなか難しいのですが、エンジニア業務への向き合い方について、私なりの持論を展開させていただきます。
あなたの考えたコンピューターアルゴリズムやシステムが、将来ノーベル賞を取るかもしれません！……という冗談はさておき、エンジニアの皆さんであれば、もう既にAIの凄さを最前線で感じてきたはずです。
そんなAIに敏感なエンジニアの皆さんに、ここで質問したいことがあります。
仮に今後AIがもの凄く発展して、「使い方次第でノーベル賞を取れるくらいの発見ができるAI」が生まれたとします。エンジニア業務の傍ら、そのAIを用いて何か研究成果を出してノーベル賞を取りたいと思うでしょうか？ いや、そもそもそのようなAIを使いこなせると思いますか？
……おそらく答えは、ノーのはずです。
ノーベル賞とはいかないまでも、先ほども言ったように研究の相当部分の自動化ができるAIや『OpenAI o1』などを使えば、それなりに良い研究ができると思います。ただ、科学者以外の人がそれらのAIを使って何かしらの研究成果を出したという話は聞いたことがありません。AIの本質は自動化にあり、「AIを使えば自動で誰でもすごいことができる」はずなのですが、妙ですね。
これは逆も然りです。大半のエンジニアリングを自動でこなせるAIが出現したとして、それを使って大規模システムを作って納品したり、超人気ゲームを作り出せる職業エンジニア以外の人がいるとは考えにくいです。
エンジニアリングに関しては生成AIによる自動化が一番進んでいるので、そこら辺にいるプログラミング知識ゼロの人間が「生成AIポチッ」で何かすごいシステムなりアルゴリズムなりを作り、それが実際に使われているなんてことがあってもおかしくないはずですよね？
ーー確かに……。ただ、そのような話はあまり聞いたことがありません。
そうですよね。何が言いたいかというと、どれだけAI技術の発展が進もうが、ノーベル賞を引き寄せるくらいのAIが出現しようが、それを使いこなすのはその分野に精通した人間であり、その人間が持つ高度な知識への価値は失われないということです。
そもそも専門的な知識がなければ、何をAIに聞いたらいいのかが分かりません。どのような問題が解決すべきことなのかも分からず、AIが出されたものが本当に正しいのかどうかも判断できず、責任も取れないのです。むしろ、そのような専門的知識を持つ人間の価値は高まり続け、AIを使って大量の科学的発見をしたり、エンジニアリングであれば一人で相当な規模の開発をこなせたりするようになるでしょう。
AIがここまで話題になると「何か特殊なことをしなければならないのか」と思うかもしれませんが、まずは普通にエンジニアリングの能力を磨きましょう。そのように自分自身の素のエンジニアリング能力を磨くことを前提に、「AIによって自分の業務のどこまでを効率化できそうか、任せられそうか」を、AIの最新ツールを追ったりプロンプトを工夫したりと、試行錯誤すれば良いと思います。
文／今井翔太 編集／今中康達（編集部）
NEW!
NEW!
NEW!
タグ
