Googleが発表した27億パラメータのAIモデル「C2S Scale」が、免疫系から隠れている「冷たい腫瘍」を目覚めさせる新しいがん治療法を発見し、実験室での検証に成功した。このAIは単にデータを処理するだけでなく、複雑な生物学的システムを推論して新たな科学的仮説を生成し、それが実際に正しいことが証明された。DeepMindのCEOデミス・ハサビスが提唱する「デジタル生物学」の時代の到来を示す重要な一歩であり、AIによる科学の加速が現実のものとなりつつある。今後、モデルがさらに大規模化し、計算資源が拡大すれば、AIが生物システム全体をシミュレートし、実験を設計・実行・理解する時代が訪れ、科学的発見が指数関数的に加速する可能性がある。
GoogleのAIが新しいがん治療法を発見
Googleが文字通り新しいがん治療法を発見したAIモデルを発表しました。驚くべきことに、このモデルはわずか27億パラメータなんです。彼らはこう書いています。今日、イェール大学との研究協力の一環として、私たちはCell to Sentence Scale 27B、略してC2S Scaleをリリースします。これは個々の細胞の言語を理解するために設計された、新しい27億パラメータの基盤モデルです。
この発表はAI科学におけるマイルストーンとなります。C2S Scaleはがん細胞の振る舞いに関する新しい仮説を生成し、私たちはその後、生きた細胞での実験的検証を通じてその予測を確認しました。では、実際に何が起こったのか、そしてなぜこれがそれほど重要なのかを説明しましょう。
Googleは基本的にこのモデルに課題を与えました。冷たい腫瘍を目覚めさせることができる薬を見つけてください、と。基本的に、免疫系が見ることのできないがんのことです。目標は、それらを再び熱くすること、つまり抗原提示と呼ばれるプロセスを通じて免疫を引き起こすシグナルを表示し始めるようにすることでした。これはがん免疫療法の最も難しい部分の一つです。
このモデルC2S Scaleには、これらの免疫シグナルを高めるものを見つけてください、ただし適切な状況でのみ、と指示されました。具体的には、すでに少しのインターフェロンが浮遊している時です。インターフェロンは、あなたの体が免疫細胞に警告するために使う分子ですが、腫瘍を見えるようにするには十分ではない量です。
つまり、AIはこれを推論しなければなりませんでした。どの薬がその弱い免疫シグナルを強化するのか、しかも実際に重要な場合にのみ、と。そしてここが驚くべき点です。この種の条件付き推論は、モデルを27億パラメータまでスケールアップした時にのみ現れました。小さいモデルでは文字通りそれを理解できなかったのです。
デュアルコンテキスト仮想スクリーニング
実際にこれを実現するために、彼らは二重コンテキスト仮想スクリーニングと呼ばれるものを実行しました。これは2つの並行シミュレーションを実行するようなもので、1つは完全な免疫環境が活性化されたもの、もう1つは活性化されていないものです。彼らは両方で4000以上の薬剤をテストし、免疫活性化シナリオでのみ機能するものを見つけるようモデルに指示し、すべてのノイズを除外しました。そして、モデルはそれを見事に達成しました。
モデルは実際の薬剤の組み合わせを浮上させ、研究者たちは後にそれをヒト細胞でテストしました。そして、それはAIが予測した通りに機能しました。これはAIが薬物発見を加速させる完璧な例です。単にデータを処理するだけでなく、複雑な生物学的システムを実際に推論することによってです。
この場合、AIはサチサーチブと呼ばれる薬、CK2阻害剤が、低レベルのインターフェロンと組み合わせた時に増幅器として機能できることを発見しました。そして科学者たちがそれを実験室でテストした時、実際に機能しました。以前は見えなかった腫瘍細胞が突然免疫シグナルを再び示し始めたのです。基本的に冷たい腫瘍を熱い腫瘍に変えることで、これは免疫療法に対してより反応しやすくなる可能性があります。
これは非常に大きな意味を持ちます。なぜなら、何千もの盲目的な実験室実験を実行する代わりに、AIは実際に機能する可能性のあるわずかなものに絞り込んだからです。科学者たちにとって、これは暗闇の中でダーツを投げることから、的の中心にスポットライトが当たっている状態に移行するようなものです。
デジタル生物学の時代へ
しかし、ここでのより大きな全体像は、このモデルが必ずしも薬を見つけるために訓練されたわけではなかったということです。それは生物学の言語を学習し、その知識を使って真実であることが判明した全く新しい科学的仮説を生成したのです。
これはまさに、DeepMindのCEOデミス・ハサビスがしばらく前から話していることです。彼はAIが生物学にとって潜在的に完璧な記述言語であると考えており、私たちがデジタル生物学の新しい時代に入りつつあると考えています。これをご覧ください。
私は今、デジタル生物学と呼びたい新しい時代に入りつつあると感じています。生物学をその最も基本的なレベルで考えると、それは周囲のエントロピーに抵抗しようとする情報処理システムです。そして、それが基本的に生命とは何かだと思います。もちろん、それは驚異的に複雑で創発的な情報処理システムです。そして、そこにAIが入ってくると思います。
この部屋で学んだ数学が物理学のための完璧な記述言語だったのと同じように、AIは生物学のための潜在的に完璧な記述言語だと思います。生物学のような動的システムで得られる創発的な振る舞いや相互作用の複雑さを扱うのに完璧です。
そして私たちはこれをデジタルスピードで科学を行うことと考えています。テクノロジー分野で私たちが行っていることの最高のものを自然科学に持ち込もうとしています。そして私の夢は、いつか酵母細胞のような非常にシンプルなものの仮想細胞、計算細胞を作成できることです。そして実際にシリコン上でそれに対して実験を実行でき、仮想細胞から得られる予測が実際にあなたに教え、実験室での実際の実験を形作ることができます。
ウェットラボで行われる多くの探索を削減し、実際にウェットラボを非常に高価で遅い探索プロセスではなく、検証ステップにもっと使用できるようになります。
AIによる科学の加速
そうです、そしてこのことについて話しているのは彼だけではありません。サム・アルトマンは最近のインタビューで、モデルがすぐに科学のより大きな塊を行い、実際の新しい発見をするようになるだろうと述べました。彼はこれが今後2年以内に起こる可能性があると信じており、AIが科学の進歩を加速させることは社会に記念碑的なポジティブな効果をもたらすと考えています。
まあ、彼はGoogleが発表したことの後では、自分のタイムラインを短縮しなければならないでしょうね。しかし、これは本当にこれから来るものの始まりに過ぎません。これはAIの潜在能力と未来への小さな垣間見るものです。
そして私は、人々がこれがどれほど狂気じみているかを本当に理解しているとは思いません。つまり、繰り返しますが、まだがんを治しているわけではありませんが、一晩でがんを治すことはできません。その過程には多くのステップがあり、私たちはすでに2025年にそれらを見始めています。
これらのモデルが何百倍も大きく強力になった時のことを考えてみてください。このわずか27億パラメータの生物学モデルが27兆パラメータの生物学モデルになった時のことを考えてみてください。
今のボトルネックは本当に計算資源だけなんです。そして、だからこそ非常に多くのAIデータセンタープロジェクトがあちこちで立ち上がっているのです。そしてOpenAIのような企業が文字通りそれらを構築するために何兆ドルも費やしているのです。彼らは何が来るかを見ており、ここで本当のブレークスルーが起こることを知っています。
なぜなら、これらのモデルが十分な計算資源を持ち、詳細に生物学的システム全体をシミュレートできるようになれば、私たちが話しているのは、AIが単に実験を分析するだけでなく、実際にそれらを実行し、設計し、そしてなぜそれらが機能するのかを実際に理解することだからです。
それが科学自体が複利的になり始める時です。発見が新しい発見を生み、AIが自身の研究ループを加速させ、潜在的にはAIがAIの発見さえも加速させる可能性があります。そして、それが進歩が線形であることをやめ、垂直に、指数関数的になり始める時点です。
まとめ
そうです、このGoogleのブレークスルーは今は小さく見えるかもしれません。単なる実験室でのテスト、1つの薬、1つの実験です。しかし、これをむしろ押されたばかりの最初のドミノだと考えてください。
とにかく、ご視聴ありがとうございました。このブレークダウンを楽しんでいただけたことを願っています。より深く掘り下げたい方のために、ブログ投稿へのリンクを下に掲載します。そしていつものように、いいねを忘れずに、初めての方はチャンネル登録をお願いします。次回の動画でお会いしましょう。
コメント