「機械は考えることができるのか」という問いは、著名な数学者、暗号解読者、そしてコンピュータ科学者であるアラン・チューリングが約70年前に投げかけたものである。今日では、人工知能（AI）がやがてできるようになると確信する専門家も少なくない。その汎用知能を、人間と同様に身につけるというのである。しかし、機械が人間に追いつくことは決してないと主張する人々もいる。AIは計算機と同様に、特定の課題では既に人間を上回る性能を発揮できるものの、人間の創造性を習得させることはできないというのである。
結局のところ、私たちの創意工夫は、情熱や直感に突き動かされることが多く、論理や証拠に基づくものばかりではないが、それでもワクチンから素粒子に至るまで、目覚ましい発見を成し遂げてきた。AIが競争できるようになることなど、あり得ないのではないか。ところが、そうとも限らないことが明らかになりつつある。『Nature』に最近掲載された論文によれば、AIが研究論文から意味のあるデータを抽出するだけで、将来の科学的発見を予測することに成功したという。
言語は思考と深く結びついており、人間社会や人間関係、ひいては知能そのものを形作ってきた。したがって、AI研究の究極の目標が人間の言語を、そのあらゆるニュアンスまで含めて完全に理解することにあるのは不思議ではない。自然言語処理（NLP）は、より大きな枠組みである機械学習の一部であり、テキストデータから情報を評価・抽出・分析することを目指すものである。
子どもは周囲の世界と関わりながら、試行錯誤によって学んでいく。自転車の乗り方を覚えるには、何度も転んだりぶつかったりすることが多い。言い換えれば、人は間違えながら、そこから学んでいるのである。これはまさに機械学習の仕組みと同じであり、時には「教育的」な入力を加えること（教師あり機械学習）もある。
例えば、AIは多数の個別の事例から対象物の全体像を構築することで、画像中の物体を認識できるようになる。この場合、人間が対象物を含む画像と含まない画像をAIに示す必要がある。コンピュータは、そこに対象物が写っているかどうかを推測し、人間による判定に基づいてその推測の正確さに応じて統計モデルを調整する。一方で、コンピュータプログラムに関連する学習をすべて自ら行わせることもできる（教師なし機械学習）。この場合、AIはデータ内のパターンを自動的に検出できるようになり始める。いずれの場合も、コンピュータプログラムは自らの誤りの大きさを評価し、その誤りを最小化するように調整して解を見つける必要がある。
ある特定の物質に関する性質を理解したいとしよう。その際、最も手軽な方法は、書籍、ウェブページ、その他の適切な資料から情報を探すことである。しかし、この方法は時間がかかり、ウェブ検索や記事、専門文献の読解に何時間も費やすことになりかねない。とはいえ、NLPが役立つ可能性がある。高度な手法や技術を用いることで、コンピュータプログラムは大規模なテキストデータセットから概念、相互関係、全般的なトピック、特定の性質を識別することができる。
今回の研究では、AIが教師なし学習によって科学文献から情報を検索することを学習した。これは注目すべき意味を持つ。これまでのところ、既存の自動化されたNLPベースの手法の多くは教師あり学習であり、人間による入力を必要としてきた。純粋に手作業で行う方法と比べれば改善ではあるものの、依然として労働集約的な作業である。
しかし今回の研究では、研究者たちが、情報を独立して正確に識別・抽出できるシステムを構築した。このシステムは、データの統計的・幾何学的性質に基づく高度な技術を用いて、化学名、概念、構造を識別した。これは材料科学に関する約150万件の科学論文の要旨に基づいている。
次に、機械学習プログラムが、「元素」「エネルギー論」「結合体」といった特定の特徴に基づいて、データ内の単語を分類した。例えば、「熱」は「エネルギー論」の一部として、「ガス」は「元素」として分類された。これにより、特定の化合物と磁性の種類、さらには他の材料との類似性などが結び付けられ、人間の介入を必要とせずに、単語同士がどのように関連しているかについての知見が得られた。
科学的発見
この手法は、人間には事実上不可能な複雑な関係性を捉え、多層的な情報を識別することができた。現時点で科学者が予測できることと比べて、はるかに先んじた知見を提供したのである。実際、このAIは、機能的用途に適した材料を、実際に発見されるよりも数年前に推奨することができた。そのような予測は5件あり、いずれも2009年以前に発表された論文に基づいていた。例えば、AIは、CsAgGa2Se4asという物質を熱電材料として特定したが、科学者がこれを発見したのは2012年になってからである。つまり、もし2009年の時点でAIが存在していたならば、この発見を早めることができたかもしれない。
このAIは、化合物を「カルコゲナイド」（硫黄やセレンなどの「カルコゲン元素」を含む材料）、「光電子」（光を発生・検出・制御する電子デバイス）、「光起電力応用」といった語と関連付けることで予測を行った。多くの熱電材料はこれらの性質を共有しており、AIはそのことを速やかに示したのである。
このことから、将来の発見に関する潜在的な知識の多くは、過去の出版物の中に既に含まれていることが示唆される。AIシステムはますます自律性を高めつつある。しかし、恐れる必要はない。AIは、人間の活動によって絶えず生み出されている膨大なデータや情報を整理するうえで、大きく役立つことができる。プライバシーやセキュリティに関する懸念はあるものの、AIは私たちの社会を変えつつある。私は、AIが私たちをより良い意思決定へと導き、日々の生活を向上させ、最終的には私たちをより賢くしてくれると信じている。
