9,619 文字
科学を学ぶことは人が想像するよりも簡単です。
私の子供時代は、アーカンソー州のリトルロックの郊外で育ちました。農場で育ったと言っても実際に稼働している農場ではなく、馬や犬、猫などがいる約10〜12エーカーの土地でした。両親はエンジニアだったので、実用的で何かを作る、何かを構築するという考え方が身についていました。10歳か12歳くらいの頃、科学、特に物理学に恋をし始めたように思います。物理学にとても興奮し、読めるものは全て読みました。
1985年生まれなので、90年代半ばにはインターネットが普及していて、インターネット上のあらゆる情報を読むことができる丁度良い年齢でした。同世代の誰もがAOLのダイヤルアップの音を覚えていますよね。本当に物理学に恋をしました。両親は科学の仕事で本当に生計を立てられるかどうか少し心配していたのを覚えています。アーカンソー州ではそれほど一般的なことではなかったのですが、とても協力的でした。
私はそれを愛し、ただ読み続け、また物理学の黄金時代、量子力学や特殊相対性理論などを発見した時代も大好きでした。宇宙についての美しい事実を知る権利さえなかったようなことを。だから本当に、何かの理由でそれを愛していました。自然の中で素晴らしい子供時代を過ごし、数学を愛し、それは素晴らしい時代でした。
確かに父は、衛星やハッブル宇宙望遠鏡のパーツなど、本当に印象的な部品を製造するBEIという会社で働いていました。これらの本当に重要なものに取り組んでいる人の隣にいることは、大学に進む上で重要だったと思います。私は物理学を専攻しました。
実際、メド・ウェブスターという教授がいて、私が最初に受けた物理学の授業の一つである現代物理学の実験部門を教えていました。彼はとても正確で洞察力に富んでいました。物理学についてとても詳しく知っていましたが、質問されて正解を出したけれど確信がないときには、彼はそれを知っていました。私にとって彼は完璧な紳士物理学者で、本当にこの分野に埋め込まれ、実際にこれらのことをやっていました。私はそれに恋をし、それは大学を通じて続きました。
もう一つの本当に重要な経験は、最初は物理学の博士号を取るために大学院に行ったことです。しかし、私が取り組んでいたことは私にとってぴったりとこなかったのです。指導教官は本当に良い人でしたが、その研究は私にとって魅力的ではなく、博士課程をやめて仕事を得るために行きました。退学を決めた時はもうアメリカの大学院に出願するには遅すぎたので、いつか戻って数学か物理学か何か他のことをするかもしれないと思っていました。
結局、デ・ショー・リサーチというデヴィッド・ショーが経営する会社で働くことになりました。彼らは生物学、特にコンピュータ上での生物学に取り組んでおり、タンパク質の動きをシミュレーションしようとしていました。絶対に重要だったのは、彼らが命がけで、この本当に難しい計算問題に取り組んでいたことです。タンパク質を理解して、これらの病気の治療法に貢献するために。私たちはこのタンパク質、特にこのタンパク質の変化を研究していました。なぜなら、それを肺がんに結びつけることができたからです。
それは変革的なことでした。チームを組んで本当に難しい問題を解決しようとすること、少しずつ前進させるだけでなく。そしてそれをしているのは、それが人々が病院から帰れるかどうかの違いだからです。私が愛し、得意だと思っていた数学や原子、計算の世界から、健康とその社会への実際の影響への接続全体が気に入りました。私はそれに恋をし、それは絶対に重要な経験でした。
その後、ほとんど偶然に化学の大学院に戻りました。それは別の話ですが、とにかく、「コンピュータを使って生物学の問題を解決しよう、これは本当に重要で、人々が気にするだろう」ということでした。
私のキャリアの中で2回、完全な偶然がありました。私は計画を持って始め、その計画は宇宙の法則の物理学者になることでしたが、自分自身でそれを打ち消しました。時間スケールが本当に長すぎたのです。
私が話すのが好きな本当の話は、元々高エネルギー物理学者になりたかったことです。ヴァンダービルト大学で学部研究をいくつか行いました。そこには本当に優れた高エネルギーグループがいくつかありました。ある日、昼食を取っていて、「私たちが取り組んでいるこの実験はいつ稼働するのですか？」と尋ねました。これはBAB実験でしたが、隣に座っていた教授は「まあ、その時には私は引退しているかもしれない、しばらく時間がかかるだろう」と言いました。
そして彼の隣に座っていた教授は「私はもう少し年上だから、これが稼働する時には生きていないかもしれない」と言いました。そこで私は、もう少し即時的な科学をしたいと決めました。それに対する忍耐力がなかったのです。重要なことですが、私にはその忍耐力がなかったのです。それが最初の変化でした。
大学院に行き、最初の博士課程を始めましたが、退学し、失業中の物理学者として1〜2年働くつもりで金融の仕事に応募しました。しかし代わりに計算生物学の仕事に就き、それに恋をしました。
しかし、絶対的なランダム性の3番目の部分は、今日ここに一緒にいる私の妻キャロリンが、遺伝学の博士号を取るために大学院に行きたいと決めたことです。私は物理学か数学、たぶん物理学で最初に意図していたことをするつもりでした。そこで私たちは二人とも大学院に応募しました。
あなたと妻が同じ大学院に応募する場合、同じ場所に応募する必要があります。5〜6年の期間で、5〜6年も離れて暮らすつもりはないからです。私たちは同じ場所に応募しましたが、一カ所だけ例外がありました。シカゴ大学でしたが、私は応募期限を逃しました。午後5時に締め切られると思っていたのですが、真夜中だと思っていました。そこで「私が行きたい場所がシカゴである確率はどれくらいだろう？」と言いました。
数ヶ月後、妻はシカゴ遺伝学から素晴らしいオファーを受けました。それは彼女にとって断然最高のオファーでした。私は他の場所からも素晴らしいオファーを受けましたが、シカゴにはありませんでした。約1ヶ月間、シカゴ物理学に遅れて応募させてもらえるよう説得しようとしましたが、彼らは非常に合理的に「いいえ、来年にでも」と言いました。
私が同僚にこの話をしていると、彼は「化学者になれると思う？シカゴ化学にポスドクとして重なっていた教授を知っている」と言いました。その時点で私は高校以来化学の授業を取っていなかったのですが、「もちろん、化学者になれるよ、それがどれほど難しいものか、なんでもいいからこの問題から抜け出せれば」と言いました。
彼はその教授に非常に良いことを言ったに違いありません。そこで私はその教授と話し、1週間後くらいに「1日だけあなたのために応募を開けます」と言われました。そしてかなり即座に私を受け入れてくれて、私は化学者になりました。
だから、私がTAをしていたクラスの学生たちより1週間前に一般化学を学ばなければなりませんでした。でも、それが私が文字通りの認定化学者になった方法です。そして今、化学のノーベル賞を受賞したわけですが、実際には生物学のためかもしれませんが、それでもカウントすると思います。
科学者にとって、自分の仕事のあらゆる側面を本当によく知ることは非常に重要です。私にとっては、コンピュータサイエンティストと生物学者と物理学者などを部屋に集めて学際的なグループを作るだけでは十分ではありません。一人の人間として、これらの分野を学び、実際に優れている人々と話し、彼らがどのように考えるかを学ぶことが本当に重要だと思います。
私はコンピュータサイエンスを、コンピュータサイエンティストのランチやセミナーに行き、彼らが実際に何を気にしているのか、どのように考えているのかを学んで身につけました。それは本当に価値があります。そして生物学者や化学者のところに行き、学際的なチームで働くだけでなく、学際的な人を育てることも大切なのです。
このプロジェクトに取り組んでいたとき、読書会を開催していたのを覚えています。これはよくあることで、最近の論文について議論するのですが、読書会を半々くらいにするという意図的な決断をしました。コンピュータサイエンスや機械学習の最新情報について、コンピュータサイエンスのレンズだけから本当に考えられていることや、生物学について考え、最近の生物学論文を読んで、彼らが何を気にしているのか、データをどのように考え、測定しているのかを理解するために。
実際にはあまり読まず、自分たちで学際的になり、それらの分野の最良の部分を取り入れようとしました。それが本当に重要だと思います。チームがスタートした時、私がチームの中で最も生物学的だったのですが、生物物理学の研究室では最も生物学が苦手だったのに、チームがスタートした時点では最も生物学が得意な人間になっていました。キャサリンは私よりも優れた生物学者で、彼女は後から加わりましたが、コンピュータサイエンティストとしてです。
主に物理学者やコンピュータサイエンティストなどのチームで、構造生物学を教えました。それは楽しい方法だと思いますし、お勧めします。生物学はとても広い分野なので、ある意味では生物学を学ぶ方が、エッジまで長い進行が必要なコンピューティングやAIを学ぶよりも簡単です。
私はAIに別の角度から入りました。シミュレーションコンピューティングから来ました。物理学の本当に適切な法則を書き下し、それをシミュレーションするというものです。私たちが語る話は、宇宙の法則を書き下し、それを時計のように、あるいは壮大な機械のように前進させるというものです。
しかし実際にそれをやってみると、人々が何かを調整していることに気づきます。現実と一致しない場合は、これらの方程式を変更し、計算できるように単純化し、あらゆることをします。だから、私たちが自然を研究する方法は、学校や大学でさえ人々に教えるほど明確ではありません。「これらは法則であり、それをシミュレーションする」というわけではなく、本当にデータとの混沌とした経験的な議論なのです。
デ・ショーでの仕事では、タンパク質の動きをシミュレーションするための驚くべきコンピュータがありました。彼らはコンピュータチップ自体までカスタムコンピュータを構築し、世界のどのスーパーコンピュータよりも100倍速く、ほとんどのものよりも1000倍速いものでした。これはタンパク質の動きをシミュレーションするという狭い問題に特化していました。
その後、大学院に行きましたが、以前と同じ計算機器はありませんでした。同じ科学的な質問にまだ興味がありましたが、以前と同じコンピューティング道具がなかったのです。だから、アルゴリズムや機械学習でハードウェアにないものを置き換えることができるかどうかが本当に積極的な目標になりました。ハードウェアにないものをアルゴリズムやアイデアで構築しようとしたのです。それが私のAIへの道筋でした。
いくつかのアドバイスを与えるとすれば、一つは単に、私の道や他の多くの人の道は直線的ではないということです。人々は訓練された通りのことをするわけではありません。私たちは過去に人々が解決方法を知っていた問題を解決するように訓練されています。新しいものではありません。だから、少し近視眼的になることを恐れず、明日の興味深いことを本当に追求し、その新しいスキルを身につけることが大切です。
もう一つのアドバイスは、多くのコミュニティに会うことです。この狭い分野やコミュニティの中だけで生きないでください。私は、研究室のミーティングにだけ行き、所属する学部のセミナーに行き、少し学ぶだけで、結局は狭い範囲の大学院生に多く会います。彼らは廊下の向こうの学部にさえ行かず、行われている科学の幅広さを本当に見る機会を逃しています。
そして彼らはあらゆる場所からアイデアや視点をインポートする機会を逃しています。科学を学ぶことは人が想像するよりも簡単です。それは言語を学ぶようなものです。2つ目の言語を学ぶのは本当に難しいですが、5つ目はそれほど難しくありません。より多くの分野に飛び込むにつれて、学ぶことについて学んだことが、科学の主題について学んだことよりも多いことに気づくでしょう。それがすべてのことを学ぶのをはるかに簡単にします。それを追求する価値があります。
失敗にはいくつかの視点があり、私たちは多くのスケールで失敗します。私はよく言うのですが、AIの研究科学者として、10個のアイデアのうち9個が失敗なら、あなたは私の知る中で最も生産的な人です。それは信じられないほど難しいです。私たちは何をすべきかについて推測し、それらの推測を試すことから学びます。
失敗について重要なことは、実際にそれを素早く行うことです。AlphaFoldチームと一緒に私が多くの時間を費やしていたことの一つは、人々にアイデアの最小バージョンを勧めることでした。誰もが来て「素晴らしいアイデアがある」と言い、何かを説明します。そして私は「でもそれは2ヶ月かかるでしょう。同じアイデアをテストする2日間のバージョンは何ですか？」と言います。
最終的には、「もしそれがうまくいくなら、このラインをプラスからマイナスに変更して、何が起こるか見てみよう」とか、「この項を追加してみよう」ということになります。失敗について重要なことは、本当に素早く行うことです。90%の失敗率を受け入れるならば、機械学習では月に10個のアイデアを試す必要があります。そうすれば月に1回成功することができます。だから、どれだけ速く失敗できるかが重要なのです。
また、多くの若い科学者に言うのですが、アイデアが絶対に機能しないことを証明することではありません。多くの人がアイデアが機能するか機能しないかを決定することに取り憑かれますが、実際にはそのように機能しません。あなたは明日何をすべきか、成功する最も良い機会は何かを理解しようとしているだけです。
多くの場合、それは今日やっていることです。すでに投資があり、それは良いアイデアなので、明日もう一度試してみる、アイデアの変形を試してみることです。しかし本当に、正しいか間違っているかに焦点を当てるのではなく、最終的に成功につながる良いショットを取ることに焦点を当て、私たちが持つ貴重なリソースである時間を非常に効率的に使うことが大切です。
あなたは常に失敗から学ぶべきであり、できるだけ多くのことを学ぶべきです。私が見てきた本当に優れた科学者たち、そして良い日の私自身は、失敗と成功の両方から多くを学びます。彼らは問題に関する情報を抽出し、それは本当の失敗ではありません。失敗とは問題について何も学ばない時です。
時にはショットを打ってうまくいかず、人生を続けることもありますが、重要なのは問題についてより多くを知り、解決策や非解決策の集合を制約したということです。
アクセスに関しては、2つのことが本当に重要です。一つは、物事がどのように機能するかの本当に明確な説明です。それが論文の核心であり、他の誰かがそれを構築して再現できるような説明が必要です。それが科学論文の魂です。
また、科学者がアクセスを持つことも本当に重要だと思います。そして、アクセスが本当に意味するもの、私たちのAlphaFold 2のオープンリリースがソフトウェアとして本当に重要だったのは、コミュニティがあらゆる創造的な方法でそれを基に構築したからです。
私はジョークとしてAlphafoldの「適応外使用」と呼ぶのが好きです。私たちには非常に明確な目標と意図、解決しようとしていた問題がありました。それは、一つのタンパク質の配列からそのタンパク質の構造をどのように予測するかということでした。それがリリースされるとすぐに、フィールドでの創造性の爆発を見ました。
ほぼすぐに誰かがTwitterに投稿しました。「2つのタンパク質を取り、それらの配列をグリシンでつなぎ合わせると（それらをつなぎ合わせるための標準的な方法）、それは互いに結合する方法を予測するでしょう。」別の人はそのトリックの別のバリエーションを持っていました。そして人々はすぐに探索し、自分たちの創造性を使い始めました。
最近、これを使って新しい生物学を発見することが多くあります。セルに掲載された論文で本当に好きなものの一つは、卵と精子が一緒になり、いわゆる受精複合体を形成する方法に欠けているタンパク質があることを知っていました。彼らは精子の表面に存在する2,000のタンパク質のリストを他の研究から知っていました。
そこで、それらすべてをAlphafoldに通して、どれがAlphafoldでこの受精複合体に対して突き出せるかを見ました。彼らは一つの明確なヒットを見つけ、スウェーデンの別のグループもこのヒットを見つけました。そして、このグループは実験的にテストし、それが正しいタンパク質であることを示しました。もしそれを取り除くと、卵と精子は受精しません。
彼らは2,000の予測を行いました。2,000のタンパク質構造を解くことは決してできません。構造あたり約1年かかります。オープンアクセスについて重要なことの一部は、それを作成者が知らない方法、意図していない方法で人々が使用できるようにすることです。
生物学はとても多く、それはツールです。良い日には、構造生物学全体を5%効率的にできれば、それは並外れています。本当に興奮します。もちろん、一部の人々は彼らの分野で絶対に変革的な応用を持っていますが、全体として、これらのツールへのアクセスを持ち、科学全体がより速くなることが重要です。
科学が世界に、問題に、病気の信じられないほどの負担に貢献することは非常に重要です。なぜ薬の発見が難しいのかというと、人々がお金を使わないからではなく、彼らは薬の発見に膨大な量のお金を使います。薬の発見が難しいのは、私たちが生物学を理解していないからです。
正しい薬を作るためには、その科学を理解する必要があります。最終的には、タンパク質、つまり細胞がナノスケールで原子をどのように動かすかを理解する必要があります。そして、私たちが行いたい化学の多くで、自然はより良く、より効率的に行います。
それでは、最終的にどのようにそれを設計し、すべてのこれらの問題をどのように解決するのでしょうか？それは新しい種類の技術を与え、それによって私たちは病気を治し、新しいものを設計することができます。それは本当に不可欠です。そして、パンデミック後に、病気に直面した時の私たちの弱さ、すべての投資とすべての技術にもかかわらず、それがまだどれほど困難であるかが、人々にますます明らかになっていると思います。
私がこの分野にいる理由は2つあると思います。一つは、おそらく最大の理由は、私がそれを愛しているということです。この種の挑戦と不確実性、そしてこれらの問題を解決しようとすることが好きです。そして、原子がどのように動くか、自然がランダムからどのように精巧なシステムを進化させたかというような美しい問題を解決しようとすることは並外れていると思います。
また、生物学に特に取り組むことが好きなもう一つの理由は、それが明確な終着点への道だからです。宇宙の法則を気にしない人でも、彼らの親戚が病院から帰ってくることを気にするかもしれません。それは私にとって深く重要です。
今ではないかもしれませんが、今後数年のうちに、私たちがやった仕事のおかげで生きている人がいることは確かです。私たちからの直接の薬ではなく、洞察が他の誰かに薬を作らせ、病気を治療させることにつながるでしょう。私が生きた方法のおかげで歩き回っている人がいるというのは、謙虚で満足感のあることです。
AIからはさまざまな可能性があると思います。私の分野に近いものとして本当に興奮しているのは、生物学の複雑さに対応できることです。生物学は大きく、広大で広いです。私たちのDNAには、タンパク質の作り方を教える20,000以上の場所があります。これらの多くは科学者によって信じられないほどの研究がされていますが、多くはそうではありません。
細胞の中にはとても多くのことがあり、一度に一つずつ研究するだけでそこにたどり着くことができるとは思えません。多くのデータを測定し、これらをモデルに入れ、その複雑さに対応する必要があります。AIの大きな約束の一つは、細胞がどのように機能するかを理解することだと思います。AIなしではそこにたどり着くのは難しいでしょう。
治療を行うと何が起こるのかについて何らかの考えを持ち、基本的に生物学をより良く理解しているので、薬の開発のこの信じられないほどの恐ろしいコストを短縮するでしょう。もし何を目指すべきかを正確に知っていれば、それはより直接的です。現在、私たちは何を目指すべきか分かっていません。
私の分野でのAIのもう一つの大きな約束、デビッドの仕事がノーベル賞に正当に報いられたことは、最終的に治療薬となるタンパク質を設計できるようになることです。それが恐らく主要な治療薬となり、より速く、より良く病気を治療するでしょう。
私の分野に限って言えば、AIがこの科学的問題を解決するのを助け、願わくは他の問題も解決するという本当の約束があると思います。確かではありませんが。一つ言えることは、私たちは信じられないデータソースの恩恵を受けました。タンパク質データバンクは長年にわたって収集されましたが、科学にはそのようなものはあまり多くありません。
だから、これをどれだけさらに押し進めることができるか、AIによって変革される問題はどれくらいあるのか、そして多くの他の問題は全く速くならないのか、それらの問題は私たちが望む利益を本当に提供するのに十分かどうかという疑問があります。まだ分かりませんが、それについて謙虚であるべきですが、それがかなりのことをできるという約束があります。
このノーベル賞も、AIが人間が他の手段では解決できなかった問題を解決したという認識があるため、本当に興奮しています。言語モデルや画像生成器で行われている驚くべき出力とは少し種類が異なります。それらは人間が作れたように見える出力を作り出しています。それは最高の褒め言葉ですが、AlphaFoldは何かを構築し、他に解決する方法がなかった問題を解決することについてです。実験以外では方法がありませんが、実験なしで行う方法はありません。
人間の思考や認知だけで、タンパク質の構造を予測することは、正直なところまったく役に立ちません。本当に一生懸命考えて、タンパク質構造を書き出す人はいません。だから、これらの大きな科学的問題も解決するという約束だと思います。
ああ、私の妻は私のキャリアにとても重要です。カウンセラーであり、擁護者であり、すべきでないことをやめて、正しいことに注意を払うよう押し進めてくれました。キャロリンなしではこれをすることができなかったでしょう。彼女は並外れた人です。
彼女は残念ながら博士号を取得できませんでした。指導教官が1年半後に大学を去り続けたからです。それは私を悲しませますが、彼女は本当に私をずっと支えてきました。並外れた存在です。
コメント