AI はまた、仮説の検索網をより広く広げ、より迅速に網を狭めることもできます。 その結果、AI ツールは、より有望な新薬候補を吐き出すモデルなど、より強力な仮説を立てるのに役立ちます。 すでにシミュレーションの実行速度が数年前よりも数桁速くなっていることが確認されており、科学者は実際の実験を行う前にシミュレーションでより多くの設計オプションを試すことができます。
たとえば、カリフォルニア工科大学の科学者は、 AI流体シミュレーションモデル バクテリアが上流に流れて感染症を引き起こすのを防ぐ、より優れたカテーテルを自動的に設計します。 これにより、科学的発見の漸進的プロセスが根本的に変化し、電球設計におけるフィラメントの長年の技術革新で見られたように、研究者は、徐々により良い設計を長く続けるのではなく、最初から最適なソリューションを目指して設計できるようになります。
実験のステップに進むと、AI は実験をより速く、より安く、より大規模に実行できるようになります。 たとえば、昼夜を問わず稼働する数百のマイクロピペットを備えた AI 搭載のマシンを構築し、人間には太刀打ちできない速度でサンプルを作成できます。 科学者は、6 つの実験に限定する代わりに、AI ツールを使用して 1,000 件の実験を実行できます。
次の助成金、出版、在職期間のプロセスについて心配している科学者は、成功確率が最も高い安全な実験に縛られることはなくなり、より大胆で学際的な仮説を自由に追求できるようになります。 たとえば、新しい分子を評価する場合、研究者はすでに知っている分子と構造が似ている候補に固執する傾向がありますが、AI モデルには同じバイアスや制約がある必要はありません。
最終的には、科学の多くは、人工知能と組み合わせられた自動ロボットプラットフォームである「自動運転ラボ」で行われるようになるでしょう。 ここでは、AI の優れた能力をデジタル領域から物理世界に持ち込むことができます。 このような自動運転ラボはすでに次のような企業で導入されています。 エメラルドクラウドラボ と 人口的 そして、 アルゴンヌ国立研究所。
最後に、分析と結論の段階では、自動運転ラボは自動化を超えて、生成された実験結果に基づいて LLM を使用して結果を解釈し、実行する次の実験を推奨します。 その後、研究プロセスのパートナーとして、AI ラボのアシスタントは、以前の実験で使用されたものと交換する消耗品を注文し、次の推奨実験を一晩セットアップして実行し、結果は朝には提供できるようになります。実験者が家で寝ている間ずっとです。
可能性と限界
若い研究者たちは、その展望を前に緊張しながら席を移動しているかもしれない。 幸いなことに、この革命によって生まれる新しい仕事は、現在のほとんどの研究室での仕事よりも創造的で、無分別なものになる可能性が高いです。
AI ツールは、新しい科学者の参入障壁を下げ、従来この分野から排除されていた人々に機会を開くことができます。 LLM がコードの構築を支援できるようになると、STEM の学生は、あいまいなコーディング言語を習得する必要がなくなり、新しい非伝統的な才能に象牙の塔の扉が開かれ、科学者が自分の専門分野を超えた分野に取り組みやすくなります。 間もなく、特別に訓練された LLM は、助成金提案のような文書の初稿を提供するだけでなく、人間の査読者と一緒に新しい論文の「ピア」レビューを提供するように開発されるかもしれません。