デミス・ハサビスが語る、科学と創薬における AI の未来

共同研究パートナーとしての AI

デミス・ハサビスは、AI を最終的な意思決定者としてではなく、プロジェクトのアイデア出しや名称付け、未知領域の複雑な研究を要約するための「スパーリングパートナー」として活用しています。彼は、批判的な枠組みよりも協働的な枠組みを重視し、アイデアの欠点を探すだけでなく、問題のステップを一緒に考えるために AI を使います。

創薬における AI の進化

AI の人間の健康への役割は、孤立したモデルから包括的なプラットフォームへとシフトしています。AlphaFold がタンパク質構造予測を解決した一方で、ハサビスはタンパク質構造は創薬プロセスの一段階に過ぎないと説明します。

発見プラットフォームの構築

DeepMind は、創薬パイプラインのさまざまな段階を対象とした「半ダースからダース」規模の AlphaFold レベルのモデル群を開発しています。目標は、ほぼすべての疾患領域に適用できる統合エンジンを作ることです。このプロセスには以下が含まれます：

• 相互作用の予測: 静的なタンパク質画像を超えて、タンパク質が他のタンパク質や分子とどのように相互作用するかを予測します。
• 生物学的影響の予測: 吸収、分布、代謝、排泄、毒性（ADME）を予測するモデルを開発し、副作用を最小化します。
• 生化学モデリング: 特定の化合物を設計し、ターゲットタンパク質ポケットにどこでどのように結合するかを正確に決定します。

臨床試験の加速

発見段階を超えて、AI は臨床試験フェーズを次のように高速化すると期待されています：

• 患者層別化: 特定の治療から最も利益を得られる患者をより的確に特定します。
• 用量予測: 有効性と安全性を向上させるために用量を最適化します。

規制上および物理的なボトルネックの克服

AI が薬剤設計を加速できても、規制当局（例：FDA）による承認は依然として人間中心のプロセスです。ハサビスは、AI が設計した薬が従来の試験を通過し、臨界質量に達すれば規制のスピードは上がると示唆しています。この実績により、規制当局は AI モデルの精度をバックテストでき、承認プロセスの効率化や冗長なステップの省略が可能になるかもしれません。

Co‑Scientist と自律的発見

Co‑Scientist は、仮説生成、データ分析、文献要約のための専門ツールを備えた Gemini のファインチューニング版です。現在は、科学者や数学者のためのハイレベルな研究アシスタントとして機能しています。

「アインシュタインテスト」

AI が真の科学的発明能力を持つかを検証するために、ハサビスは「アインシュタインテスト」を提案しています。1901 年までの知識しか持たないモデルが、1905 年の画期的成果（特殊相対性理論など）を独自に導き出せれば、オリジナルな科学的発見能力を示すことになります。このテストに合格した AI の現代物理学へのアウトプット（例：弦理論の改良）を、より真剣に受け止められるようになるでしょう。

再帰的自己改善と物理的検証

再帰的自己改善は、コンパイラや数学的証明といった即時かつデジタルな検証者が存在するコーディングや数学の領域では比較的容易です。一方、物理科学では「検証者」は実世界です。

仮説生成と検証のループを閉じるために、DeepMind は自動化ラボに投資しています。例えばロンドンでは、材料科学の自動ラボを構築し、既存の 200,000 件の新素材設計（潜在的な超伝導体を含む）を人間では追いつかない速度でテストしています。

複雑シミュレーションにおける AI：EVE Online とのパートナーシップ

DeepMind は、EVE Online の複雑でプレイヤー主導の経済と政治的同盟を「サンドボックス」として活用し、AI エージェントのテストを行っています。このパートナーシップは、AI が機能的経済や動的ストーリーラインとどのように相互作用できるかを探求し、物語を推進する「ゲームマスター」やプレイヤーを支援するエージェントとしての可能性を模索しています。