[MWC 2024]Demis Hassabis（デミス・ハサビス）、「AIによる次の目標は常温超伝導体の開発」

[MWC 2024]Demis Hassabis（デミス・ハサビス）、「AIによる次の目標は常温超伝導体の開発」

• Demis Hassabis| ちょい事情通の記者2号

人工知能業界で最もホットな人物は誰でしょうか。ChatGPTの父と呼ばれるサム・オルトマンです。では、その次に、あるいはそれに匹敵するほど有名な人物は誰でしょうか。AlphaGo（アルファ碁）の父と呼ばれるデミス・ハサビスです。オルトマンがAIの可能性を見抜いたビジネスマンであり投資家なら、デミス・ハサビスは実際のAI開発に参加し、指揮を執る天才エンジニアです。

OpenAIの設立の裏側に、デミス・ハサビスの存在があります。イーロン・マスクはハサビスとAIの可能性を早くから認識しており、GoogleがDeepMind（ディープマインド）を買収したことで、マスクは親友のラリー・ペイジにAIの危険性を警告します。しかし、急進的なAI賛成論者のラリー・ペイジはこれを無視し、マスクはオルトマンと一緒にOpenAIを立ち上げした。現在、デミス・ハサビスはGoogleのAI開発全体を事実上陣頭指揮しています。囲碁から始まったAlphaシリーズは、今ではタンパク質を分析し、新薬設計に参加するレベルまで飛躍しました。AIの未来、GoogleのAIビジネスに対するハサビスの考えはどういったものなのでしょうか。今回のMWCの基調講演者として登壇したハサビスとITメディアWiredの編集長スティーブン・レヴィの対談全文を翻訳しました。GoogleのGemini（ジェミナイ）で翻訳をしようとしましたが、性能が満足なものではなく、ChatGPTの助けを借りました。

デミス・ハサビス /MWC YouTube

ハサビスがビデオゲームでAIを始めた理由 

スティーブン(司会)：DeepMindはAlphaGoのようなブレークスルーで世界を揺るがしました。このプログラムは囲碁の世界チャンピオンを初めて打ち負かし、AlphaFold（アルファフォールド）はタンパク質の折りたたみという50年の大問題を奇跡的に解決しました。昨年、Alphabet(アルファベット)はDeepMindを彼らのAI研究ハブであるGoogle Brain（グーグルブレイン）と合併し、デミスを世界で最も重要なAIラボの責任者にしました。彼の研究は100,000回以上引用されており、受け取った多くの栄誉のひとつとして、2018年にはアイザック・ニュートン、チャールズ・バービッジ、スティーブン・ホーキングなどの輝かしい人物とともに英国王立協会のフェローに名前を挙げました。しかし、彼らと違って、彼は今、私たちと一緒にいます。ようこそ。

デミス： AIは事実上、私の全生涯のミッションで、私が覚えている中で最も古い時期から始まりました。ゲームから始まったのです。非常に幼い頃からチェスをやっていて、イギリスのジュニアチェスチームを率いていました。私の最初のキャリアは、世界チェスチャンピオンになることでした。そして、それが私を思考そのものについて考えさせるようになりました。チェスの実力を改善しようとするときには、自分の思考過程について考え始めることになるからです。それにより、私は、心、脳、そして知性とは何かということに魅了されました。そしてその後、もう少し年を重ね、初のコンピュータを手に入れ、プログラミングに夢中になり、これらの機械は「心」のための素晴らしい手段だと思いました。例えば、眠っているときでも自分のために仕事を続けられる、というのは、私にとって魅力的でした。そして、その自然な結果が、AIであり、これらの機械を賢く、インテリジェントにしようとする試みでした。

スティーブン：ビデオゲーム業界に足を踏み入れたとき、AIをその中に組み込み、かなり成功しました。そして、私がとても興味深いと思う部分があります。あなたの経歴を見ると、一度すべてを辞めて学校に戻って脳科学を学ぶことにしています。それはなぜですか？

デミス：もし私に最初からDeepMindを作る計画があったと思っていらっしゃるなら、そう、気になるでしょうね。DeepMindが目指したのは、真の人間レベルのAIや人工一般知能を探求することでした。私のキャリアの初期である90年代のゲーム業界は、実は最も先進的なAIが行われていた場所でした。それで私はゲーム用のAIを作っていて、そのゲームは何百万本も売れました。そして2000年代には脳科学が急成長し、fMRIマシンのような驚くべき新しい記録装置が登場しました。私は学校に戻って博士号を取得し、脳とその仕組みを学ぶことにしました。脳は、宇宙のどこでも汎用人工知能が可能であることを示す、私たちの知る唯一の証拠です。だからこそ、新しいアイデアやインスピレーションを得るために勉強する価値があるのです。そこで私はこうしたアイデアをつなげようと努力し、2010年にDeepMindを設立しました。

ハサビスが立てたAI開発の2つの原則

スティーブン： AI革命は脳のようなニューラルネットワークから来ました。それら（脳のニューラルネットワークの知識）をデジタル化し、他の多くのことだけでなく、プロセスを機械化するのに驚くほど効果的であることを証明しました。AIをさらに発展させるために、人間の脳から学ぶことはまだたくさん残っているのでしょうか？

デミス：はい、15年近く前にDeepMindを立ち上げたとき、AGIと一般的なレベルの知能を構築する方法についてのアイデアを持っていました。しかし、正しい技術がどういうものであるかは分かっていませんでした。私たちは2つに賭けました。1つは最初の原則から学び、自分で学習できるシステムを構築すること、もう1つは一般性です。つまり、枠にとらわれない様々なことを学ぶことができる一つのシステムというアイディアです。私たちの意見としてはそれは知性の特徴であり、後にそれは事実であることが判明しました。過去10年間で、このようなシステムは、今日私たちが目にするような巨大な規模に拡大しました。現在、私は神経科学から得た多くの学びが、初期のアイデア、ニューラルネットワークや強化学習などに影響を与えた簡単なアイデアにインスピレーションを与えたと思っています。過去2、3年の間に新しい時代に入り、エンジニアリングは大規模に行われており、多くの創造的なエンジニアリングが今や構築しなければならない支配的な技術となっています。

スティーブン：そうですね。だから（あなたが）AGIを追求するべく、ちょっとした爆弾を投げたということですね。AGIは人工一般知能を意味します。それはどういうものですか？

デミス： 私たちは、さまざまな定義がありますが、私たちは単純に、人間ができるほぼすべての認知課題を実行できるシステムと定義しています。そして、そのように人間の基準点が重要な理由は、繰り返しになりますが、脳は私たちが知っている汎用知能システムの存在の唯一証拠であるためです。だからこそ、人間が持つすべての認知能力を模倣することができ、一般的なシステムを持っていることが知られています。AGIが熱い議論の対象である、業界や現場で。AGIは確かな場合もあれば、逆にテストが必要な場合もあります。行う1つの方法としては、人間が行う何千ものタスクに対してシステムをテストし、すべてのタスクで特定の臨界値を通過するかどうかを確認するというものがあります。そして、テストセットに多くの課題を入れれば入れるほど、一般的な範囲をカバーしたと確信することができます。

スティーブン：AGI開発の前と後では大きく変わると言う人もいます。だから、私たちがそれを手に入れれば、すべてが変わる、と。そう思いますか？

デミス： 斬新的なプロセスに見えるようになり始めたのだと思います、階段関数というよりも。現在のシステムを見ると、彼らは急速にはるかに強力になりつつあり、斬新的にも強力になっています。テクノロジー、コンピューティングパワー、そして彼らが使用するデータを拡大するにつれて。数年以内に何か大きな新しいイノベーションが来る可能性があり、私の賭けるところでは、それが今日のシステムで欠けているもの、例えば計画や記憶のようなものにあるだろうということです。そしてそれが私たちに段階的な変化を与えるでしょう。しかし、2010年に始めた際には賭けでしたが、これらの技術はAGIを待つことなく私たちの日常生活と科学に非常に有用で価値をもたらしています。ですから、私たちはすでに、毎日毎日、このようなAIシステムと交流しているのです。そして、これは今後数年以内に出てくるもののほんの一部に過ぎません。AGIのようなものを手に入れるよりずっと手前の。

ハサビスとイ・セドルAlphaGo対局当時 /朝鮮DB

囲碁(AlphaGo)からタンパク質研究(AlphaFold)へ、次は「数ヶ月で新薬開発」

スティーブン：2010年代に入り、DeepMindのやり方は、私が思うに、ある問題を選び、それが、パーティーゲームをすることであろうと、もっと複雑なタンパク質の折りたたみ（ディープマインドのアルファフォールドのタンパク質構造解析を意味する）を研究することであろうと、その問題を解決することでした。そしてここ数年、私たちはこの大規模な言語モデルに慣れ親しんできました、検索欄に入力するように運用されています。例えば、タンパク質の折りたたみを止めること、そしてあなたが答えを見つけるということが、です。

デミス：私たちが最初に（AI開発を）ゲームで始めた理由は、2010年当時は、本当に誰もこのような学習システムを大規模に構築する方法を知らなかったからです。そのため、一部の技術は学界で発明されたばかりでした。2000年代半ばのことです。ディープラーニングのようなものは、業界では誰も聞いたことがありませんでした。私たちが社名をDeepMindとした理由には、ディープラーニングに早くから賭けていたというのもあります。そして、私たちはゲームに使いました。なぜかというと、私たちは今日のような一般的な学習システムを構築しようとしたのですが、2010年にはその方法がありませんでした。そこでそれに至るまでを構築する必要があり、ゲームを選んだのです。それらはAIのアイデア、アルゴリズムのアイデアを素早くテストするための非常に優れた、便利な実験台だったのです。

私たちは特に囲碁を選びました。伝統的な論理システムによって解決されていなかったためです。チェスとは違って。チェスは90年代半ばにIBMのDeep Blueマシンによって解決されました。囲碁ははるかに複雑で、はるかに深遠なゲームであり、パターンと直感に大きく関係しています。この種のブルートフォース検索方式では解決できません。ですから、もし私たちが囲碁を打ち破り、実際に世界チャンピオンのレベルに到達すれば、私たちはおそらく学習アルゴリズムの面でかなり重要なことを成し遂げたことになります。そしてそれがAlphaGoと一緒に2015年にやったことです。AI業界全体にとって、まさに分水嶺だったと言えます。おそらく、このような学習方法が本当に重要で、印象的なことができる、ということを示し、ブームの一因となったと思います。AlphaGoを作った技術は、言語のような他のドメインに一般化するだろうと思っていました。そして、科学に至るまで。

スティーブン：タンパク質の折り畳みに関する研究は、誰もがそれがどういうものであるかを本当に理解していません。いくつかの文章で説明してください。

デミス：タンパク質はすべての生命に欠かせないものです。すべての生命体のすべてがタンパク質に依存しており、体のすべての機能がそうです。タンパク質はアミノ酸配列と呼ばれ、タンパク質を説明する遺伝子の配列と考えることができます。そしてそれが文字の一次元的な文字列であると想像しているでしょう。しかし、タンパク質が体内で作られる際には、3次元構造に折り畳まれています。そして、3次元の構造が体内で行う機能、つまり、それが何を行うを決定します。そこで私たちが取り組みたいタンパク質折りたたみの問題は、遺伝子配列だけで3次元構造がどうなるかを予測できるのかということです。それが可能になれば、創薬、疾病の理解、生命の理解に非常に役立つでしょう。そして、過去50年の間、生物学分野全体がこの問題を解決しようとしていましたが、大きな進展はありませんでした。そして2016年から始まり、2018年、2020年に、私たちはこの問題を解決しました。私たちは遺伝子配列から数秒で直接タンパク質の3次元構造を予測することができました。これは非常に早い成果であり、通常であれば、この作業を行うには5年間苦労する必要がありました。世の中には2億個の既知のタンパク質があります。私たちは今、そのすべてを折りたたみました。この作業を人がやったら10億年かかるでしょう。私たちは基本的にAlphaFoldを使って1年でこれを行いました。

スティーブン：そうなんですね。さて、これからのAlphabetは？親会社が現在、別の会社（Isomorphic、GoogleのAIベースのバイオテクノロジー子会社）を立ち上げました。あなたがCEOです。新しい薬などか出てくるのでしょうか？長く待たなければなりませんか？

デミス：AlphaFoldは約3年間で、構造生物学と生命科学に革命的な変化をもたらしました。世界中の100万人以上の研究者がAlphaFoldを使用しており、事実上すべてのプロの生物学者が使用していると思います。根本的な科学を大きく進歩させました。しかし、Isomorphic（アイソモフィック）を始めたのは、まずAlphaFoldを作ったのは、薬の発見に使いたかったためです。タンパク質の構造を知ることで、薬物化合物をタンパク質構造の関連部位に結合させ、特定の行動をブロックまたは変更することができます。Isomorphicは現在、AIを再び使用して、科学分野に拡大、特定のタンパク質部位にのみ結合し、他のタンパク質には影響を与えない新しい化合物を生成しています。これにより、体内での副作用を最小限に抑えます。今後数年以内に、AIが設計した薬が臨床に登場し始めるでしょう。Isomorphicは今年初めに、Eli LillyやNovartisなどの世界最大の製薬会社と実際の薬物設計プログラムで協力することを発表しました。これは新薬の発見に実際影響を与えており、創薬時間を平均10年から数ヶ月に短縮することが期待されています。

AlphaFoldが予測したタンパク質の3D構造 /

「AIを利用した材料科学に興味、私の夢はAIで常温超伝導体を発見すること」

スティーブン： AGIを構築しようとする人はたくさんいますが、あなたは人類が解決できない未解決の問題や謎を解決する最大の利点をもたらすと言っている人の一人だと思います。次の目標は何ですか？

デミス：実際に、私たちがすでに取り組んでいる次の目標がいくつかあります。材料科学は大きな分野の一つで、新しい種類の材料を発見することです.....。

スティーブン：ある時点で、AIが答えを出すと思いましたが、人間がAIを理解するのに十分な賢さを備えていないないかもしれないと感じます。

デミス：そうかもしれませんね。ご存知のように、今後数年間、人間の専門家がこれらの驚くべきツール、AlphaFoldのような驚くべきAIツールを使用して知識をさらに発展させることができると思います.....、ほぼ新しい科学分野が必要だと思います。AIをしばしば工学科学と呼びます.....。

OpenAIの成長を見てみると...「大衆は不完全なAIでも使い道を見つける」

Googleが追撃者であることは認める、「未来のモバイル？果たして携帯電話は本当に完璧な形なのだろうか？

スティーブン：研究から少し離れて、AIのビジネスについてお話します。Googleに特に言及してみます。2010年代に、GoogleはDeepMindを買ってタンパク質の折りたたみ問題を解決しており、Google本社はGoogleBrainを持っています。製品に貢献し、Googleはメール自動生成のような製品を作っていました。その後、OpenAIが登場し、2017年にGoogleが開発した変換器をベースに大規模な言語モデルを作りました。いきなりOpenAIがGPTのようなものを出してきて、みんながおかしくなったのです。そして、非常に慎重なアプローチを取っていたGoogleは、突然遅れをとったと思い、製品を急ぎ始めます。そして、仕事とブレインワークを合わせて、今、追いついてきています。このナラティブは合っているのでしょうか？

デミス：そのナラティブの一部は正しいです.....、それはOpenAIを含む業界全体にとって驚くべきことでした。一般大衆は、私たちが予想していたよりも数年前にこれらのものを使用する準備ができていたということです.....。

スティーブン：Geminiは、ある面ではGPTよりも測定可能なほど優れているそうです。しかし、最近、Geminiでもアメリカの建国の父を黒人として表現するなどのエラーが発見されました。

デミス：Geminiはマルチモーダルモデルという比較的新しい機能ですが...

スティーブン：システムについて少し不安な部分があり、大規模な言語モデルに人間の偏見を移さないようと努力していることは認めます。なぜなら、人間は非常に欠陥が多く、私たちはタンパク質の折りたたみのような正解のある問題を扱っているわけではないからです。それはもっと複雑な問題です。AIの成果物が権威主義体制が活用したり、特定の集団を抑圧する方法としても使われる可能性があります。

デミス：これはすべての業界が格闘している問題です。私たちはDeepMindの創業以来、このような問題を心配してきました....

スティーブン：Q.これが最後の質問です。私たちはここモバイルワールドコングレスにいます。5年後のAIモバイル機器はどうなっているのでしょうか？新しい機器は何でしょうか？

デミス：AIの登場により、モバイルや通信会社にとって素晴らしいチャンスがあると思います......。