医療とバイオテクノロジーの最前線で活躍する専門家が、免疫学やがん治療におけるAIの画期的な活用法を語る。複雑な生物学の仕組みを解明するため、CodexなどのAIツールを用いて独自の細胞分析アプリやシミュレーターを構築するプロセスを詳細に解説する。個人の全生体情報を模した「デジタルツイン」を用いた個別化医療の展望や、AIが臨床試験を劇的に加速させる未来の医療のあり方を提示している。科学研究におけるAIの不可欠性と、新しい技術に対する好奇心や実験的アプローチの重要性を説く内容である。
生物学の複雑さとAIとの出会い
デリア、本日はお越しいただき本当にありがとうございます。
ありがとうございます。とてもワクワクしています。
こちらこそ。あなたをお招きできて本当に興奮しています。というのも、あなたは明らかに非常にユニークなタイプのビルダーだからです。私たちが普段お話しするビルダーとは全く違います。医学のバックグラウンドを持ちながら、バイオサイエンスやバイオエンジニアリングの分野でも活動し、そしてほとんどのビルダーがしないような方法でAIの領域へと踏み込んでいます。生物学からがん、免疫学に至るまで、非常に多くのトピックにおいて深い知識を持った上でアプローチされているからです。ですから、詳しくお話を伺うのがとても楽しみです。
ありがとうございます。本当にありがとうございます。
それでは最初の質問ですが、時間を少し巻き戻して、生物学や科学にAIが必要になると初めて気づいたのはいつだったのでしょうか。
そうですね、それは医学部を卒業した直後だったと思います。生物学的システムの複雑さに気づいた時です。実際、卒業後は生物学を本当に理解したくて生物医学の研究に進みました。というのも、当時は多くの病気を治療できなかったからです。その複雑さゆえに、研究の側面を深く掘り下げるほど、なんてことだ、これは信じられないほど複雑だ、どうやってこれを解決するんだと気づくようになりました。生物学的システムには何兆もの異なるパーツがあり、何十億もの反応が起きていて、とにかく圧倒されるように思えました。そこで私は90年代初頭にAI、人工知能に興味を持ったのです。その時、いつかAIを使ってモデルを構築できるかもしれないと気づきました。そして90年代にはAIを使ったコーディングに非常に興味を持ち、もちろん、その後ディープラーニングの革命へと一気に時代が進みました。その時、私はとても興奮しました。なぜなら、ディープラーニングがこの膨大な情報を並行して処理できることを初めて目にすることができたからです。そしてもちろん、AlphaFoldが登場し、続いてChatGPTが登場しました。
ええ。
でも、最初のきっかけは医学部を卒業した時でしたね。
素晴らしいですね。ChatGPTがリリースされたあの瞬間から、あなたはまさに私たちのコミュニティの中心にいるように感じます。私たちはモデルのテストを続けてきました。あなたがo1-previewを使っていくつか作業をしていたのを覚えています。私たちが初めて推論モデルを手にした時のことですね。実際にそのモデルに触れ始めた時の最初の反応はどのようなものでしたか。
今でも覚えています。あれは2024年の9月のことでした。実はOpenAIから声をかけられたのです。おそらく私がXで非常に活発に活動していて、昔のTwitterですが、AIについて、これがどのように人類を変えるかについて語っていたからだと思います。当時は懐疑的な人もたくさんいましたし、今でもそうだと思います。しかし、私は心からAIを信じていました。そしてAIに完全にのめり込んでいたので、OpenAIは私に試してもらうことに興味を持ったのだと思います。たしか最初の推論モデルだったと思いますが、私の専門である免疫学についての非常に複雑な質問をした時のことを今でも覚えています。その質問、実はプロンプトも覚えているのですが、私はビデオゲームにもとても興味があるんです。そこで、ゲームの仮想世界を科学と交差させるのが好きでして。私がプレイするゲームの一つに、島にいて戦うサバイバルゲームのようなものがあります。企業名は伏せますが、どういうタイプのゲームかは分かると思います。ある種のバトルロイヤルゲームですね。そしてある意味で、免疫システムは腫瘍との戦いにおけるバトルロイヤルのようなものなのです。そこで私はこう言いました。バトルロイヤルゲームと免疫システムを想像してみて、免疫細胞ががんと戦うシナリオをどのように開発するか考えてみてください、と。全く異なる分野の組み合わせです。実際、私たちは後になってそれに関連する実験を行いました。そしてo1-previewは、私をほとんど感情的にさせるほどの回答を返してきたのです。なんてことだ、と思いました。それ以前のGPT 5.40などでは、これほど深く洞察に満ちた回答は得られませんでしたから。ええ、あの日は特別だったと今でも覚えています。
信じられないですね。それが、これからの科学にとってAIは不可避だと確信した瞬間だったと言えますか。
Codexを用いた毎日のルーティンとアプリ開発
間違いありません。実はそれ以前から、特にGPT-4が出た後は非常に役立っていました。同僚にもよく話していたのですが、特に生物学の分野では情報が多すぎて到底追いつけません。文献を検索したり、知識をしっかりと統合したりするのに役立ちますし、もちろん推薦状を書くような日常的な作業にも使えます。私が書く多くの推薦状や、以前なら1時間かかっていたような作業が5分で終わるようになりました。ただ、その時点では完全に信頼できたり、例えばある実験の結果はどうなるかといった質問ができる段階ではありませんでした。そして、o1-previewが推論を始めた時、科学にとって極めて関連性の高いものが得られるようになると気づいた、まさにその瞬間だったと思います。もちろん、その後はProバージョンやo3が登場してさらに良くなりましたし、今では単独でも信じられないようなモデルが存在し、先ほどお話しした私の現在の経験も含めて、どんどん良くなっています。
ええ。今の話で言うと、現在まで時間を進めてみましょう。数ヶ月前、あなたの新しいルーティンについてのツイートを読みました。朝起きてまずコーヒーを飲み、次にCodexに何か作業をさせることから一日を始めるという内容でしたね。
はい。ですから、私は自分をCodex中毒だと呼べますし、間違いなく認定レベルの中毒です。朝起きて最初にするのはそれです。なぜならCodexのおかげで、シミュレーションを作りたいとか、特定のアプリを作りたいとか、ゲームを作りたいとか、どんなアイデアであっても実現可能になったからです。過去にはコーディングの方法を知っていなければなりませんでした。たとえコーディングの知識があっても、実行するには数週間から数ヶ月かかったでしょう。でも今は、たくさんのアイデアが浮かび、朝起きてコーヒーを飲んだ瞬間に、よし、このアイデアを試してみよう、どうなるか見てみよう、となります。時にはCodexを夜通し動かしておいて、その結果を確かめたいと思うこともあります。そのせいで、ここ数ヶ月はあまり眠れていません。
魅力的ですね。
ええ、Codexが大好きなんです。
そこで気になるのですが、あなたのように免疫学や腫瘍学、がん、T細胞といった分野で非常に深い知識を持っている方が、Codexを使ってどのようにそれらの世界を統合しているのでしょうか。そして、それがどのように日々の業務に役立っているのか教えていただけますか。
ええ。具体的な例をお見せすることもできます。あまり複雑ではないものの、日常業務において非常に役立つアプリをいくつか構築しようとしてきました。その例はたくさんあります。また、私たちは分析をソフトウェアに大きく依存しています。先ほども言いましたが、生物学は非常に複雑です。遺伝学であれ免疫学であれ、例えば私たちはフローサイトメトリーと呼ばれる分析を頻繁に行います。基本的には、これは細胞の世界、主に免疫細胞の世界を覗く窓のようなものです。もちろん他の細胞でも分析できますが。私たちの研究室には大きなレーザーを備えた機械があります。何百種類もの異なる細胞が存在するため、特定のマーカー、蛍光マーカーを使って細胞をラベル付けします。そうしなければ、血液中や組織内にどのような種類の細胞があるのか分かりませんからね。ラベル付けした細胞をこのレーザーに通します。するとレーザーが何千もの細胞を分析し、これががんと戦える免疫細胞だとか、これは自己免疫を引き起こす可能性があるとか、それがどんな機能であれ、教えてくれるデータを作成します。しかし、私たちはそのデータを取得して、専用のソフトウェアに入力しなければなりません。数千、時には数十万のデータポイント、つまり個々の細胞のデータを取り込み、ソフトウェアがそれをグラフ化します。そして、これらの細胞の割合を教えてほしいとか、それがどのように関連しているかといった分析を行うわけです。これは過去数十年にわたって私たちが使ってきた、非常に高度なソフトウェアです。そしてある日、私は自分用に作ってみてはどうだろうかと考えました。非常に複雑なのでクレイジーなアイデアでした。実際、何度も失敗しました。何とか機能させようと試みました。しかしGPT-5.5が登場してからは、完全に機能するバージョンを持っています。
それはすごいですね。もしよろしければ、ラップトップで見せていただけないでしょうか。
はい。これらの例のいくつかをお見せできます。まずはこれから始めましょう。これにはいくつか異なるバージョンがあるのですが、そのうちの一つのアプリケーションをお見せします。すでにファイルをアップロードしてあり、ご覧の通りこれらの点の一つ一つが単一の細胞です。そして、これらは言ってみれば蛍光分子の色です。抗体が何であれ、その最初の分子を持っていて、それが特定の細胞タイプをラベル付けします。そして実はここで選択できるんです。ええと、ここを変更しますね。これらはすべて異なるラベルが貼られた異なる抗体だからです。20種類もの異なる分子があり、それぞれが受容体に結合するため非常に複雑です。そしてそれらの組み合わせによって、特定のマーカー単独で定義される特定の細胞サブセットが明らかになります。例えば私のお気に入りの細胞は、CD4分子と呼ばれるものを持つT細胞です。その中にはCD8分子と呼ばれるものを持つものもあります。CD8を持つものはキラー細胞です。それらはリンパ球を攻撃し破壊します。ここでゲートを設定して、CD8陽性またはCD4陽性の細胞の割合はどれくらいか、と指示することができます。すると、あらゆる種類の統計分析を作成してくれます。ですが、これは実際に非常に複雑なソフトウェアなのです。なぜなら、等高線プロットやグラフィックスなど、異なる種類の表現方法に変更できるからです。ここには10万ものイベントがあることを思い出してください。それをこれほど速く処理できるなんて信じられません。こんなふうに最適化されるとは思っていませんでしたから。
これらすべてをCodexで構築したのですか。
100% Codexで作りました。ええ。
信じられないですね。
うまく機能しないこともあって少し時間はかかりましたが、特にGPT-5.5を使ってからは、グラフがよく見えないから修正して、そのためのプロンプトを書いて、と指示するだけで、どんどん作業を進めてくれました。こうして作ったこの小さなアプリでは、基本的に希望する細胞のタイプを選択できます。よし、ナイーブT細胞が欲しいと入力すると、選択できる可能性のあるすべてのマーカーを表示してくれます。さらに、他の細胞タイプと比較して、その細胞タイプに特に関連性の高いマーカーなども示してくれます。これはパネルと呼ばれるものを開発する際に非常に役立ちます。私はセントラルメモリーナイーブ細胞とT細胞、そしてTH17細胞を探しているとします。これらのマーカーを選択すれば、フロー分析に戻って作業を進めることができます。
素晴らしいですね。もちろんあなたはトレーニングを受けたエンジニアですが、この抽象的な仕組みを構築するだけでも、普通なら数ヶ月とは言わないまでも数週間はかかったはずです。
私はソフトウェアエンジニアではなく、バイオメディカルエンジニアです。
なるほど。
ですから、コードを書くことは本当にできません。何ヶ月もかければスネークゲームくらいは書けるかもしれませんが。こうしたアプリを作るなんて夢のような話です。だから、私は日常的に役立つこういう小さなアプリを作っているんです。
シミュレーションとデジタルツインの未来
本当に素晴らしいですね。T細胞についてもう少し教えてください。CodexやImageGenのようなツールを使って、日常の仕事に役立てるために他のモデルを試したりもしましたか。
はい。私が非常に情熱を注いでいることの一つであり、AIが特に生物学に多大な影響を与えるだろうと考える理由は、生物学的システムをシミュレーションできるようになるということです。生物学は非常に複雑ですから。例えば飛行機を製造する場合、ただこれらの部品を組み合わせれば飛行機ができるだろうとは思いませんよね。シミュレーションを行います。空気力学はどうなるかなど、複雑なものにはすべてそうしたプロセスがあります。しかし生物学にはそれがありません。パーツが多すぎるからです。私の目標は、ある時点で仮想細胞と呼ばれるものを構築できるようになることです。AIによって完全な免疫細胞を模倣し、最終的には組織を、そして究極的にはデジタルツインと呼んでいる完全な人間を模倣できるようになるでしょう。そのためにははるかに多くの計算能力が必要になります。ですから、皆さんはその開発に投資した方がいいですよ。
ご意見、確かに承りました。
でも、まずはこのようなアプリから始めました。これは基本的に一つの受容体です。先ほどお見せした免疫細胞、T細胞の上部にあるT細胞受容体と呼ばれるものです。これが主要な受容体ですが、たった一つの受容体でも非常に複雑です。それが感知する分子の親和性や、他のシグナルに依存して、それが決定要素となります。その受容体が生きるか死ぬかを決定することもあります。シグナルの強さによっては自己免疫疾患になることもありますし、腫瘍を取り除けることを意味する場合もあります。また、ウイルスに感染した細胞を殺すことを意味したり、過剰なダメージを引き起こして死に至ることを意味したりもします。このように意思決定のポイントがそこにあり、その受容体の下では非常に複雑なイベント、巨大なシグナル伝達経路が働いているのです。そこで私は、例えばT細胞受容体だけがある場合のシミュレーションを行うためにこれを構築しました。リガンドが特定の性質を持ち、用量がこれくらいだとしたら、といったことをここで完全にコントロールできます。そして、これに基づいてシミュレーションを実行して、と指示します。するとシミュレーションが実行されます。
うわあ。
どの分子が活性化され、どの分子が活性化されないかを教えてくれますし、転写因子と呼ばれるもののリン酸化パターンまで見せてくれます。そこで、もしここに抑制分子の圧力をかけて別のシグナルを選んだらどうなるか、と試すことができます。すると結果を見せてくれます。なるほど、この経路が停止したから別の種類のイベントが発生するんだな、と。つまり、これをどんどん拡張できるわけです。この分子を抑制する低分子を入れたら出力はどうなるか。さらにここに受容体を追加したらどうなるか。それらは互いにどう相互作用するか。
最高ですね。単にデータセットを視覚化したり検索したりするだけでなく、すべての特定の細胞やシナリオの入出力をブラウザ上で特定するために構築した完全なアプリケーションというわけですね。信じられません。
ええ。CodexやGPT-5.5のようなツールを使ってウェブサイトやウェブアプリ、モバイルアプリを構築しているビルダーはたくさん見てきましたが、これは生物学用としては非常に複雑で高度なものです。
だから私はコーヒーを飲んだ後、早く起きて、よし、これをシミュレーターに追加してどうなるか見てみよう、と思うわけです。それからもう一つ、とても楽しかったことがあります。Image 2.0が出た後、私はすっかりそれに夢中になって、非常に複雑な画像を作れるようになりました。例えばこの画像ですが、Xでもシェアしたと思います。これは世界トップクラスのジャーナルであるNature誌に掲載された免疫アトラスについてのものです。私はただのお遊びで、このアトラスに基づいてNatureの表紙を作成して、と画像生成AIに頼みました。すると、過去30年間私が実際に研究してきたすべての免疫細胞が見える、この信じられないほど美しい画像を作り出したのです。なんてことだ、こんなに細部まで描かれていて美しいなんて、と驚きました。そこで私は、この画像をCodexに入れて、インタラクティブなウェブサイトで動くように指示したらどうなるだろうと考えました。そして実際にそうしてみたのです。するとCodexは、これらの細胞が互いにどのように相互作用しているかを示す、この美しいアニメーションを作り出してくれました。クリックすると、それが何であるかを表示してくれます。これはメモリー細胞で、これはエフェクター細胞だといったように、あらゆる種類の情報を教えてくれます。例えば、このPD-1という分子はがん治療において非常に重要です。これをブロックすれば、チェックポイント阻害剤と呼ばれるもので多くのがんを治すことができます。これは完全に遊びでやったことだったのですが、年齢に応じて免疫細胞がどう振る舞うかまで変更できることに気づきました。これはミニシミュレーターのようなものです。
すべてがたった一枚の画像から始まったのですね。GPTがそれを生成することに成功したと。
その通りです。私はあれをしろ、これをしろとは指示しませんでした。ただ、この画像を理解して、インタラクティブなシミュレーターのウェブサイトを作ってほしいと言っただけです。それだけでCodexがこれを構築してくれました。
素晴らしい。教育ツールとしても最高ですね。特定のトピックについて深く掘り下げて学びたい場合、画像を生成するだけでなく、そのトピックのシミュレーターまで生成できるわけですから。本当に信じられない技術です。たくさんのアプリを構築しているようですね。共有していただきありがとうございます。これはあなたの仕事への取り組み方や思考プロセス、そしてCodexの使い方を垣間見る素晴らしい機会です。私自身、これまでこんな風にアプリを作るためにCodexを使ったことはありませんでした。本当に魅力的です。
もう一つだけ、バイオメディカルエンジニアとして非常に役立つと思うアプリをお見せしましょう。私たちがやりたいのは、細胞を操作することです。ある意味で細胞はプログラムされたコードやソフトウェアのようなものです。私はいつか、生物学のためのCodexが登場し、細胞を完全にプログラムできるようになることを願っています。実際、私たちは遺伝子を編集するこれらの技術を使ってそれを始めました。私自身、25年から30年前にその技術の一部を開発しました。そして今、CRISPRと呼ばれるものがあります。多くの人が耳にしたことがあると思います。基本的にCRISPRを使えば、どんな遺伝子も標的にして、変異を修正したり、遺伝子を削除したり、過剰発現させたりすることができます。まるでゲノムエンジニアリングのようなものです。しかし問題は、これもまた非常に複雑だということです。例えば、2000文字のヌクレオチドからなる遺伝子があるとします。どこを標的にすればいいのでしょうか。それが特異的であるかどうか、望む効果をもたらすかどうかを判断するための計算が必要になります。既存のツールはいくつかありますが、私は自分専用のものが欲しかったのです。そこで、任意の遺伝子を選択できるこのアプリケーションを構築しました。例えばこれが、先ほどT細胞の表面にあると説明したCD4遺伝子だとします。データベースから配列をすぐに引き出します。
それがCD4のDNAですか。
ええ、その通りです。そして、潜在的なターゲットをすべて提示してくれます。これらは20から22のヌクレオチドの領域です。とても大きな遺伝子ですが、それをランク付けしてくれます。これが良いからこれを選ぶべきだ、と教えてくれます。私はただ、それをここに追加して、コピーしてオンラインの企業に送るだけです。彼らはそれを合成して私に送り返してくれます。そして私はエンジニアリングを行い、実験をします。これを視覚化することもできます。ターゲットになっている領域をすべて見せてくれます。ここには他のアプリケーションにはない機能がいくつかあります。そこが素晴らしいところです。例えば、ライブラリを作成してくれないかと頼みました。複数の遺伝子があって、たくさんの異なるCRISPRターゲットが欲しい場合はどうするか。そこで、遺伝子の名前をここに書き込むだけで、ライブラリの設計をクリックすると、様々なCRISPR分子を作成してくれるバージョンを構築しました。
素晴らしいですね。私たちが見ているこれはネイティブアプリですか。Mac上で動いているようですが。
これはSwiftで構築されたネイティブのMac OSアプリです。次はiPad版も作るつもりです。
本当にかっこいいですね。共有していただき、本当にありがとうございます。あなたの仕事の舞台裏を見ることができて信じられないほど素晴らしい体験です。
ええ。私がなぜコーヒーの後に作業するのか分かっていただけたでしょう。
そのルーティン、完全に理解しました。ものすごく納得がいきました。
デジタルツインがもたらす個別化医療の未来
先ほど言及されたことの中で、もう少し掘り下げたいアイデアがあります。デジタルツインというアイデアについてです。免疫学、がん、生物学といった視点をお持ちのあなたから見て、このデジタルツインのアイデアはいつ頃実現可能になると思われますか。
まず、なぜデジタルツインなのか、なぜAIが必要なのかについてお話ししましょう。私たちにデジタルツインが必要な理由、そして私がデジタルツインと言うとき、それは一人の人間の完全な生物学的システムを意味します。私たちの生物学は、外側で測定できるものだけではありません。お見せしたように、免疫システムがあり、代謝物があり、腸内には何兆もの細菌がいて、ホルモンなどもあります。非常に複雑なシステムです。そしてもちろん遺伝学があり、遺伝学と環境があなたが病気になるかどうか、いつ病気になるかなどをほぼすべて決定します。特定の治療に反応するかどうかもそうです。病気が発症する前に予測できるでしょうか。それは非常にパーソナライズされたものでなければなりません。実際、病気ではなく患者を治療しなければならないのですが、生物学はあまりにも複雑なため、私たちは数百万人の人々に同じ病気に対して同じ薬を投与してきました。例えば、スタチンは数百万人によって使用されていますが、効果があるのはごく一部の人だけです。そこで、AIが生物学を完全にシミュレーションできる時点まで到達できるかどうかが問われます。ゲノム、代謝物、タンパク質、免疫システムといったあなたの生物学をです。そしてもしそのレベルに到達できれば、こんな問いを立てることができるようになります。もし私の健康にこの変化を加えたらどうなるか。あるいは、彼らにこの薬を与えたらどうなるか。もしかしたら、AIが教えてくれるあなたの生物学に基づいて、あなたのためだけの治療法を注文できるようになるかもしれません。そうすれば、ほぼ100%の効果と0%の副作用を持つ薬という、完全なパーソナライゼーションの段階に到達できます。それはつまり、現在5年から10年かかっている臨床試験が、おそらく5日から10日へと加速されることを意味します。文字通り、AIがあなたのために臨床試験を行ってくれるのです。これは驚異的な加速です。今後10年程度ですべての病気を治療できるようになると私が言うとき、最終的には15年以内に老化を逆行させ、人々が何百年も生きられるようになるだろうと言うと、人々はクレイジーだとか、SFだとか言います。がんの治療が少しできるまでになるだけで50年かかったじゃないかと。しかし彼らが計算に入れていないのは、AIが指数関数的に進化しているということです。そしてこれは、計算能力が大幅に向上するという前提にも基づいています。なぜなら、現在利用可能なすべてのコンピューティングパワーを世界中から集めても、生物学的システムをシミュレーションするにはまだ足りないからです。何兆ものコンポーネントがありますから。しかし、もしその地点に到達できれば、私は今後5年から10年で可能になると信じていますが、その時には超知能が手に入るでしょう。そうなれば、基本的にAIを使ってこのデジタルツインをシミュレーションし、人間ではなくAIを使ってあなたの生物学に対する実験を行うことができるようになります。それが医学を変え、すべてを変えるのです。
では、例えばがん患者を例に挙げると、デジタルツインがあれば、現在の医師と比べてどのような異なるアプローチができるのでしょうか。
基本的には、そのデジタルツイン上で異なる仮説や実験を試し、それがどう反応するかを見るだけです。
それが安定群と治療群を扱うような方法になるわけですか。
その通りです。実際、がんと腫瘍学は、現在私たちがパーソナライゼーションに最も近づいている分野です。なぜなら、同じ種類のがんでも多くの異なる変異があるからです。もしあなたが肺がん患者なら、医師や腫瘍医が最初に行うのは、変異した遺伝子のシーケンスを調べることでしょう。どの遺伝子が変異しているかによって、異なる薬が用意されているからです。例えば、肺がんの1%は特定の薬を使用でき、その薬はその1%には非常に効果的ですが、残りの99%には効果がありません。これらが企業が開発しているスマートドラッグです。つまり、あなたが持っているすべての変異に対して文字通り薬を作成できる段階に到達し得るということです。実際、オーストラリアからのケースで、コンピューターサイエンティストがChatGPTとGrokを使用して、犬のためのRNAワクチンを作成した事例がありました。
ええ、はい、はい。
それは究極のパーソナライズです。なぜなら、そのRNAワクチンはそのがんの変異のためだけに作られたものだからです。そして、それに関する多くの試験が行われています。ですから、これは完全に状況を変えると思います。先ほど言ったように、あなたの遺伝子や変異だけでなく、あなたの免疫システムにも基づいているからです。例えば、免疫システムはがん細胞を殺すのに非常に効果的です。これは免疫療法と呼ばれる革命でした。しかし、すべての人に効くわけではありません。なぜでしょうか。ある人の免疫細胞はがんを認識して殺せるのに、なぜ他の人にはできないのでしょうか。免疫細胞が疲弊してしまう人もいます。もしその理由を解明できれば、素晴らしいことです。もちろん副作用もあります。免疫システムは非常に危険で、過剰に活性化させると実際に大きなダメージを引き起こす可能性があるからです。
不思議に思うのですが、あなたはこれほどAIに夢中で、Codexに夢中でありながら、同時に医師でもありますよね。あなたの周りの人々はAIについてどう考えているのでしょうか。あなたと同じくらいのスピードで彼らにもこれらのツールを採用させようと試みているのですか。
ええ、かなり一生懸命努力しましたが、彼らは私のことを完全にクレイジーだと思っているようです。とはいえ、最近ではその可能性に気づき始めているとも思います。私はGPT-3.5が出た頃からずっとこれを言い続けてきました。人々が非常に躊躇しているのは理解できます。これはあまりにも新しいことで、人間の頭ではこの指数関数的な進歩を理解できないからです。例えば、1年半前にGPT 4.0を使った人がいるとします。AIの世界では1年半は途方もない昔です。そして、幻覚が多すぎるとか、うまく答えてくれなかったと言います。しかし実際には、GPT 5.40と5.5の違いだけでも昼と夜ほどの差があります。常に実験を重ね、モデルがどんどん良くなっていくことを前提にするべきです。私は、自分が30年間取り組んできた分野についてでさえ、AIモデルを信頼しています。最近、GPT-5.5 Proモデルが提示してくれたレポートを見て、私は危うく泣きそうになりました。どうしてこんなことが可能なんだ、と。
オンラインでその経験についての投稿を拝見したのを覚えています。
その通りです。最新のモデルが閾値を超えたからです。もちろん、GPT-5やPro、5.40も、知識やパターンを理解し、それらを結びつけるという点では素晴らしいものでした。しかし、5.5がやったことは、まるで私が研究室で30年間働いて得たのと同じ経験をAIが持っているかのようだったのです。なぜなら、直感のようなものが存在するからです。文献には載っていないけれど、ただ分かるという感覚です。例えば、私はよく学生と賭けをしました。この実験をやってごらん、絶対にこういう結果になるから賭けよう、と。学生たちが賭けに乗っても、彼らは100%負けていました。どうなるか私にはただ分かっているからです。
圧倒的な数の反復をこなしてきたからこそ得られる、あなた自身の直感ですね。
なぜかその直感があるのです。そして、それと同じものを私は5.5に感じました。私たちが過去に行った非常に複雑な実験の結果を100%のレベルで予測したのです。信じられないことでした。
サイエンスの根本的変革とAI時代のマインドセット
もし、あなたが現在経験しているようなこのペースでの進歩が続いた場合、数年後のあなたの日々の業務はどのようになっていると想像しますか。生物学の世界で、あなたや周りの研究者たちにとって、何が決定的に異なっているでしょうか。
そうですね、私が言うことのいくつかは非常に過激に聞こえるかもしれません。私にとっては幸いなことですが、信じない人にとっては不幸なことかもしれません。根本的なシフトが起きるのです。私はこれをサイエンス2.0あるいは3.0と呼んでいます。私たちの科学のやり方が完全に変わるのです。例えば、アイデアを思いつき、数週間かけて実験の計画を練り、それから数ヶ月かけて分析するといった時代は終わりました。私たち、そして学生や他の科学者たちも、私たちが非常に加速された時間軸にいることを認識しなければなりません。私たちが科学を行う方法は、複数のAIエージェントが仮説を立てるようなものになるでしょう。彼らはすでに仮説を立てることができます。なぜなら、思いつくことのできるアイデアの数はほぼ無限だからです。ある仮説が別の仮説より優れているとどうやって知るのでしょうか。そこで最良のアイデアを得て、AIが実験のシミュレーションを行ってくれます。私が1000回の実験を行うことはできても、どれがうまくいくかは分かりません。しかし、この種の実験はこれとこれの理由でうまくいく可能性が高い、という地点までAIが導いてくれれば、私はそこに集中するだけで済みます。その実験が成功する確率は飛躍的に高まるでしょう。そして得られたデータに対して、私はほぼ即座に反応を得られます。それを他のAIエージェントに渡せば、彼らはすぐに分析し、マスターにフィードバックを返します。そしてそのマスターが新しい仮説を立て、新しい実験を計画するのです。ですから、私の役割はエージェントたちに、これを解明してこい、これが君たちの進むべき方向だ、私は肺がんを治したいからそれに注力しろ、と指示することになるでしょう。
探索してこい、と。
まさにその通りです。そしてもちろん、誰かが実際の実験を行わなければなりませんが、それすらも研究室が自動化されていくと思います。これはすでに起きていることです。多くのロボットが大量の実験を行うようになるでしょう。人々は、でも私の仕事はどうなるんだ、などと言いますが、ジェボンズのパラドックスと呼ばれるものがあります。私たちが非常に多くのことができるようになれば、特に生物学においてはさらに多くのことができるようになります。先ほども言ったように、バイオエンジニアリングの段階に到達できたとしても、私たちは生物学の10%程度しか理解していません。私たちがどれだけ多く、どれだけ速く学べるかを想像してみてください。そして、現在私がアプリを作っているように、その力を手に入れれば、新しい細胞タイプや新しい組織を作れるようになります。コンピューターの前でシミュレーションを行い、構築を行う何千人ものバイオエンジニアが誕生するかもしれません。しかし、これは生物学だけでなく、物理学や材料科学、化学など、すべての分野を根本的に変えることになります。創薬の分野では、これまで何年もかかっていたことが数時間でできるようになっています。患者を治療する医師のための臨床試験を行うことなど、そのすべてのスタックが変化し、加速していくのです。
他の分野の話が出ましたが、あなたのように科学の分野ではなく、他の分野で働いている人々に対して、あなたのこれまでの道のりからどのようなアドバイスをしますか。あなたは長い間この分野に取り組み、AIについて考え、AIを使って構築するという好奇心を常に持ち続けてきました。他の人々が自分自身の分野や仕事を見直すにあたって、どのようなアドバイスをしたいですか。
はい。私には一つの強みがあります。私の仕事、私の人生は、常に実験を行うことに依存しているということです。特に生物学では、行った実験の95%から98%が失敗するため、これは非常に苦痛を伴います。ですから、私は失敗に非常に慣れているのです。だからこそ実験と呼ばれるわけです。これを試そう、あれを試そうと言って、ただ挑戦するための一定の回復力と主体性、好奇心を養うことになります。それが、私がCodexにこれほど興奮した理由です。もちろん、今日はお見せしたのはうまくいったものだけですが、その前には多くの失敗がありました。私が作った多くのアプリはうまく機能せず、良い結果になりませんでした。しかし、諦めるべきではありません。私から人々へのアドバイスは、AIの時代において重要なのは主体性と好奇心だけだということです。恐れないでください。常にAIを試し、実験し続けてください。もしこういう方法でやったらどうなるだろう、と問いかけてください。なぜなら、今はその「もしも」の質問ができるようになったからです。以前は、それを尋ねるにはコストがかかりすぎました。例えば、あなたの会社のウェブサイトがあるとします。それを作るのに何千ドルも費やしたかもしれません。しかし、それが完璧ではなかったとします。それでも、まあこれで十分だ、触りたくない、と言うでしょう。しかし今なら、これを変更してこういう風にできないだろうか、と尋ねることができます。ほんの数分で新しいウェブサイトや新しい製品の設計ができ、例えばそれを3Dプリントすることもできます。これはすべてのことに応用できると思いますが、そのためには実験する勇気を持たなければなりません。実験のコストがこれほど低いのですから、やらない理由があるでしょうか。
ええ。
これらは非常にシンプルな日常的なことですが、あなたの人生におけるほぼすべてのことに拡張できると思います。ただそれを受け入れ、AIを信じられないほどポジティブなものとして見るべきです。私はAIに関する多くのネガティブな意見を耳にします。AIがこれをするだろう、あれをするだろうと。私は全く逆だと信じています。AIは私たちを真の黄金時代へと押し上げてくれる存在なのです。私はそれについて本当にワクワクしています。そして、私にとってAIの研究者たちは皆ヒーローだと思っています。なぜなら、これは人類にとって最大の変革になるからです。私は未来がとても楽しみです。
デリア、本当にありがとうございます。これは対話を締めくくるのに素晴らしい、非常にポジティブな言葉だと感じます。あなたが次に何をするのか、そしてCodexやこれらのフロンティアモデルをどのように推進し、これらの世界を結びつけてデジタルツインのアイデアに取り組んでいくのか、見るのが待ちきれません。
もちろんです。別のエピソードにも喜んで戻ってきますよ。
数ヶ月後にまたお越しいただき、どれだけ進歩したかをお伺いできるのを楽しみにしています。それまではカリフォルニアでの時間をお楽しみください。
ありがとうございます。本当にありがとうございました。
デリア、ありがとうございました。とても楽しかったです。
コメント