この動画では、DeepMindが開発中とされる「AlphaCell」について解説している。これは高精度な仮想細胞システムで、創薬プロセスを劇的に加速し、個人の遺伝子に合わせた治療法の開発を可能にする技術である。現在の創薬が10-15年かかり25億ドルのコストを要するのに対し、AlphaCellによってこれを数千分の一から数百万分の一に短縮できる可能性がある。動画では長寿脱出速度（LEV）の達成に向けた技術的ロードマップを示し、2030年代後半には実現可能性があると予測している。
DeepMindのAlphaCell開発への期待
皆さんと同じように、わしが人工知能の進歩について追跡してることの一つに長寿脱出速度、つまりLEVがあるんや。もしこの用語に馴染みがなかったら、基本的なアイデアはこういうことや。最終的に医学が進歩して、わしらの寿命が暦年1年あたり1年以上伸びるようになる地点に到達するっちゅうことやねん。1暦年あたり1生物学的年以上っちゅうのが一番ええ表現やろな。
つまり基本的に、あんたが生きてる1年ごとに、人工知能の助けを借りた医学が1年以上あんたの寿命を延ばしてくれるっちゅうことや。問題は、それがいつ起こるか、そもそも起こるかどうかやねん。
ちょっと背景を説明しとくと、これは基本的にわしが新しいAIモデルにアクセスするたびにやってることなんや。いつ長寿脱出速度を得られるか、そこに到達するために何が必要かを聞くんやで。せやからもちろんGPT-5 Proが出たとき、これはわしがした会話の一つやねん。
この長い会話全体と数学の全部で退屈させるつもりはないが、Geminiで便利な図表にまとめたから、すぐにそれを見ていこう。要するに、長寿脱出速度を達成するために見ることになる、あるいは必要になる主要なマイルストーンの一つが、わしが「AlphaCell」と呼ぶものや。
AlphaCellの重要性と可能性
DeepMindはAlphaFoldとAlphaProteomを構築したんやが、実際これがわしが読んだ中で最高のニュースや。今のところ彼らはそれについて口を閉ざしてて、実際にAlphaCellとは呼んでないが、デミス・ハサビスは高精度仮想細胞に取り組んでるって言うてるねん。
なんでこれが重要なんか疑問に思うかもしれへんが、これが実際に何を意味するかは後で説明するで。でも彼らは確実にこれに取り組んでるんや。これは通俗的にAlphaCellって呼ばれてるねん。みんながAlphaCellって呼ばれることになると想定してるわけや。
これはインシリコ、つまりチップ上の細胞と呼ばれるもので、あらゆる種類の治療法や薬を試すことができるんや。特定の遺伝子を持つ特定の細胞、人間の細胞を若返らせられるかどうかを調べたいとき、テストする方法があるっちゅうことや。なぜなら、体内のすべての細胞を若返らせることができなければ、寿命を劇的に延ばすチャンスは本当にないからな、特に無期限の寿命を望むならね。
わしらは不死という言葉をあまり使わへん。無期限寿命っちゅう言葉を使うんや。つまり、事故や制御できない重篤な感染症のような外因性の原因を除いて、自然な死因がないっちゅうことやで。
5年以内の実現可能性
彼らは5年以内にできることを願ってるって言うてるねん。これは信じられないことで、その理由は研究を劇的に加速できるからや。AlphaFold、AlphaProteom、そして彼らが新しい治療法を設計して、一度に何百万もの大量でそれらを非常に迅速にテストできる中間段階として取り組む予定の他のものを組み合わせるんや。
そういうわけで、図表を通してちょっと案内したいと思う。これらはわしがした非常に長い会話の圧縮版やねん。まずはAlpaCell仮説から始めよう。なぜチップ上の細胞が長寿脱出速度を達成するための最小限の実用可能製品、つまりMVPなのかっちゅうことや。
アナログの壁を突破する
まず第一に、アナログの壁や。特に老化に対する新しい薬の開発は遅くて高くて、90%以上の確率で失敗するんや。平均的な薬は研究所から患者に届くまで10-15年かかるねん。平均的な薬のコストは25億ドルや。もしこれを薬1つあたり1000分の1、あるいは100万分の1に下げられたら、それは驚異的やろ。
つまり、100万分の1に下げられたら、薬1つあたり2万5千ドルっちゅうことになるねん。お金があれば、その時点で自分専用の特注薬にお金を払えるっちゅうことや。
そして最後に、万人に合わない治療法や。治療は独特な遺伝学を無視して平均的な人のために設計されてるねん。つまり、これが多くの薬で時々本当にひどい副作用が起きる理由や。それらの薬によって活性化される、あるいはされない特定の代謝経路があるからやねん。
たとえば、わしが飲めない薬の一種にスタチンっちゅうのがあるねん。スタチンは飲めへん。わしの体がそれらを処理する方法のせいで、わしを激痛に陥れるからや。それはただの副作用やねん。その副作用があったら、その薬は飲めへんのや。
汎用デジタル細胞の創造
そこで目標は汎用デジタル細胞を作ることやねん。AlphaCellは人間の細胞の忠実なデジタルツインとして機能するんや。これは重要やで。分子対分子のシミュレーションやないねん。原子対原子のシミュレーションが必要やったら、細胞の複雑さのせいで何十年も先のことやで。
しかし機能的デジタルツインっちゅうのは、この濃度でこの物質をこの細胞に加えたらどうなるかっちゅう高精度の結果を得られるっちゅうことやねん。
汎用チップ上細胞は、あらゆる薬をあらゆる遺伝子に対して完全にシリコン内でテストできるようにしてくれるんや。実質的にはシミュレーションやが、物理シミュレーションとは違うねん。
機械論的精度で細胞生物学をシミュレートすることで、AlphaCellは薬物発見を運任せのゲームから探索問題に変えるんや。
長寿脱出速度への原動力
ここで、これが実際に長寿脱出速度をもたらす理由やねん。まず大規模シミュレーション。何兆もの仮想個人化細胞で何百万もの潜在的薬物をテストするんや。迅速な発見。有望な介入を特定して、年単位やなく日単位で副作用を予測するねん。そして最後に個別化医療。臨床試験前に個人の独特な生物学に最適な介入を調整するんや。
これがMVPやねん。パイプラインは、テスト、発見、個別化、繰り返しっちゅうことで、ほぼあらゆる疾患や老化全般に対してやで。これはおそらく最大のフロンティア問題の一つで、これが実際にデミスが言うてることや。これが彼らが構築を目指してるものやねん。
計算ロードマップとコスト
次は計算ロードマップやねん。質問は、AlphaCellを訓練したいとして、実際に計算の面でどのくらいコストがかかるかっちゅうことや。
AlphaFold2を見てみると、7.5×10の21乗flopsかかってるねん。新しいタンパク質を設計できるフロンティア生成モデルのESM3は約1×10の24乗flopsかかってるで。かなりの数字やね。
目標であるAlphaCellは何かっちゅうのは、もうちょっと話したけどな。推定される細胞基盤モデルについて話そう。これらの数字はGPT-5 Proが他のマルチモーダルモデルと、それに必要なすべてのものを見て出した数字やねん。
基本的にこれらの数字はブラックボックス生成やねん。さっき言うたように、すべての論理と推論を通して説明することもできるが、それは退屈やろ。でも今は額面通りに受け取ろう。AlphaCellバージョン1は約5×10の24乗から3×10の25乗flopsかかるやろ。つまりAlphaFold2の約4000倍の計算量やねん。
これが第一世代モデルで、明らかに彼らには今AlphaFold1、2、3があるねん。これらのモデルが改善するっちゅう証拠やで。
GPT-2の瞬間のようなもの、AlphaCellの最初のローンチは2030年頃に起こる可能性があるねん。その時点では実際に計算がボトルネックやないねん。実際にはアーキテクチャ、何を作るか、どこからデータを得るか、どう訓練するかっちゅうようなことを知ることやねん。
そしてAlphaCell2、つまりn+1は、計算の面でおそらくさらに数年かかるやろ。そのときは約2×10の27乗flops、つまりAlphaFold2の約400万倍の計算量を見てることになるからやねん。
長寿脱出速度の実現時期
それを受けて、2030年代半ばまでには、うまくいけばあらゆる遺伝子を持つあらゆる細胞、あらゆる体をシミュレートする能力を持つことになるやろ。そうなると、これによれば長寿脱出速度は2030年代後半までに起こる可能性があるねん。
これは多くの人にとって失望的やろうし、わしが言いたいのは、これらの計算をするときはしばしば、どのくらい時間がかかるかを過大評価してしまうっちゅうことやねん。
基本的に、誰かがAIが年Xまでにできるようになるという予測をするときはいつでも、それを半分、3分の1、4分の1に短縮するねん。なぜなら最近見てる傾向がそうやからや。今年の初め、実際にはほんの数ヶ月前、数週間前にOpenAIとGoogleのGeminiの両方が数学オリンピック、IMOを打ち負かしたとき、内部の人間でさえ今年の初めには、それは何年も先のこと、最低でも2、3年先のことやって言うてたねん。それが数ヶ月先のことやったんや。
やから、長寿脱出速度やAlphaCellの実現が10年以上先やって言うても、それはたった2年先のことかもしれへんのや。
AlphaCellへの段階的アプローチ
最後に、AlphaCellへの最終的な道筋は、これが実際に何をするか、そこに到達するためのステップは何かっちゅうことで、今日はそれで終わりやねん。
フェーズ1は文脈認識相互作用や。これは基本的に、わしがこれをどう生成したかを説明しよう。アイデアは、AlphaProteomとAlphaFoldからAlphaCellに至る間質的ステップは何かっちゅうことやった。基本的に構成要素が必要やねん。それがわしが言おうとしてることやで。
文脈認識相互作用は、静的ペアを超えて、細胞タイプと状態に基づいて変化する多体複合体をモデル化するねん。プロテオスタシスとPTMダイナミクス。ちなみに、これの多くが何なのかわしも知らん。わしはただのメッセンジャーやねん。タンパク質動力学、合成、折りたたみ、修飾、分解速度を予測するんや。
次は細胞下局在化や。タンパク質が何をするかだけやなく、細胞内のどこにあるか、そしてどうやってそこに到達するかを予測するねん。
フェーズ2は因果調節と代謝モデルや。クロマチンと転写。ゲノムとエピゲノムを時間分解転写とスプライシングにマッピングする因果世界モデルやねん。RNA世界と翻訳はRNA安定性と局在化をモデル化して、転写物からタンパク質コピー数を予測するんや。
次はシグナル伝達と代謝フラックスがリン酸化カスケードをゲノムスケール代謝モデルと結合して動的フラックス予測を行うねん。
ここでのポイントは、実際にAlphaCellまで構築するのに多くのステップがあるっちゅうことやねん。
最終段階と実現可能性
フェーズ3はループを閉じる表現型グラウンディングや。高コンテンツイメージング、セルペインティングを使用して分子状態から観察可能な細胞形態への橋渡しを作るねん。
そしてベンチインザループ学習は能動学習を使用してCRISPR編集や薬物を提案し、ハイスループットスクリーンでテストして、結果をモデルにフィードバックするねん。
基本的に、この遺伝子を変更したらどうなるかをモデルに言わせて、その遺伝子に対するモデルの予測が実際に期待する効果をもたらすかどうかを確認する必要があるんや。それは損失関数の一部にもなり得るねん。
それが実際に必要になるかどうかは分からへん。現実は混乱してるから、十分にそうかもしれへんな。
そしてこれらすべてを組み合わせると、2029年から2032年の間にAlphaCell1またはAlphaCellゼロができるねん。そして技術が改善し続けるにつれて、どう番号を振るかによって、2033年から2036年の間にAlphaCellバージョン1または2ができるんや。
繰り返しになるが、デミス・ハサビスは彼らがこれに積極的に取り組んでて、5年以内に完成させたいと願ってるって言うてるねん。やから、これらの数字を半分にして、そこに答えがあるんや。それが長寿脱出速度への道やねん。
期待と将来展望
わしはこれを特に興奮するものやと思ってるねん。繰り返すが、DeepMindは実際にAlphaCellと呼ぶものに取り組んでるわけやないが、高精度インシリコ仮想細胞に取り組んでるって言うてるねん。
実質的には、それがAlphaCellやねん。もし彼らが成功したら、その実績を考えると、わしは彼らが成功するかどうかやなく、いつ成功するかの問題やと思うねん。でも彼らが成功したときの結果は、医学と医療技術のカンブリア爆発になるやろ。
また、これらのうちいくつかが本格化する頃には、誰かが指摘したように、2027年までにLLM、つまりマルチモーダルモデル（もう単一モーダルやないからな）が月単位のタスクを自律的に行うようになるやろ。彼らはすでに数時間の作業を自律的に行えるねん。月単位のタスクはそれは大量の作業やで、特に博士号レベル以上の知能があるときはな。
これらすべてを組み合わせると、おそらく複合収益を得ることになるやろ。雪だるま効果や好循環を得ることになって、一種類のAIが別の種類のAIを助けることになるんや。
そしてもちろん、より多くの種類のAIとハードウェアや他のすべてが進行してるねん。やからDeepMindが今後2、3年以内にAlphaCellを発表しても驚かへんな。そしてもちろん今後2、3年でGPT-6やGemini 4、Grok 8がリリースされる速さを考えるとおそらくリリースされて、これらのモデルは薬物発見と薬物製造において人間の研究者を超えるやろ。
やから複合収益を得ることになるが、わしはAlphaCellが狭い人工知能の一種として長寿脱出速度に到達する最大のマイルストーンになると思うねん。汎用の汎用知能があって、それからより狭い種類のAlphaCellのような人工超知能があるんや。
そういうわけで、見てくれてありがとう。わしと同じようにこれについて興奮してくれたら嬉しいねん。乾杯や。
コメント