上海交通大学のHong Liang氏との対話：科学のためのAIの実行による達成感の実現
近年、新しいインフラストラクチャを主導とする新世代の情報技術が何千もの業界で模索されている中、今年の政府活動報告書や政策文書には「産学研究応用連携」が頻繁に明記されている。 「産学、研究、応用の連携を深める」必要性を述べた。著者は次のように信じています。「産学研究応用」は、実は「学術研究」と「産業応用」の２つの分野に分けることができます。学術研究は教育と科学研究、つまり人材育成と科学研究を指します。産業応用は生産リンクと実際の応用シナリオにおける革新的な技術の実装を指します。
過去に長い間、学術研究と産業界は切り離されてきましたが、産業界は実際的な問題点に制限されており、治療を受ける手段がありませんでした。その後、科学技術成果の変革の重要性がますます顕著になり、産業と研究の間のコミュニケーションの架け橋が徐々に築かれてきました。現在、AI による新たな波が押し寄せており、品質と効率を向上させる強力なアシスタントであるだけでなく、これを背景に科学研究のパラダイムも徐々に再構築されています。学術界と産業界の間の「双方向ラッシュ」が一般的な傾向となっている。
一方では、産業用 AI アプリケーションは、ビジネス プロセスと生産方法のインテリジェントな変革に重点を置いており、完全に自律的で制御可能な AI ツールやソリューションは比較的希少です。一方で、AI for Science の開発により、科学研究プロセスが加速され、多くの画期的な革新的な結果も生み出されました。その実現可能性を検証するには、より多くの実際のデータやアプリケーション シナリオが早急に必要です。
上海交通大学自然科学部、物理天文学部、薬学部の著名な教授であるホン・リャン氏は次のように述べています。「今日の開発環境では、科学研究者は、論文を発表することがもはや唯一の目標ではなく、実際の工学的問題を解決することに集中することがより重要であることをますます認識しています。」
産業界と研究の融合に対するホン・リャン教授の寛容さは、同教授が主催するサマースクール活動にも反映されており、そのカリキュラムが学業成績の発表と共有に完全に集中しているほとんどの学校とは異なり、上海交通大学の AI for Bioengineering サマースクールは重点を置いている。タンパク質工学の分野では、上海交通大学、厦門大学、復丹大学、中山大学、上海人工知能研究所の専門家が招待され、最新の研究成果を共有するだけでなく、キンゼー・ファーマシューティカルズ、ウェイラン社とも協力しました。 Biotech と Zhongyuan Huiji がアプリケーションの観点から AI を導入します。バイオエンジニアリング分野の産業面での発展過程。
特筆すべきは、このサマースクールの参加者には国内の多くの大学の専門家や学者に加えて、30社近くの企業の研究開発担当者も含まれているということです。その中には、チームのリーダーや大企業の会長も多く含まれており、出席した学生たちと一緒に3日間のコース全体を聞きました。学校・研究機関の先端技術セミナーではあまり見られないこの現象が、大学のサマースクール活動にも現れており、AI、特に「実装可能なAI」に対する業界の熱意がよく表れている。
サマースクール中に、HyperAI は、タンパク質工学分野における AI の開発から始めて、科学のための AI (AI4S) の実装の課題とアプローチについて包括的に整理した、Hong Liang 教授と詳細な会話をすることができました。 、AI と科学をどのように有機的に組み合わせることができるか。
決定的な変革を行い、ステーション B で AI の学位を取得してください
確かに、科学のための AI は過去 2 年間で急速な発展を遂げました。当初、一部の研究グループは、データ処理効率を向上させるために、AI ツールを使用した探索的体験を小規模に実施しました。今日、多くの科学研究分野において、AI は研究の障害を突破する鍵となっており、多くの工学的タスクにおけるそのパフォーマンスは人間の専門家の能力をも上回っています。その後、AI 実践者が科学研究分野に流入し、研究者たちは独学で AI を学び始めました。 AI と科学の間の障壁を打ち破ることにより、数多くの素晴らしい科学研究結果が生み出されたことは疑いの余地がありません。しかし、実際に研究室を離れる人はほとんどいません。
この点に関して、ホン・リャン教授は「AI4Sを行う際は、皇帝の新しい服を織るべきではない。遅かれ早かれ暴露されるからである。それでも実装を考えるべきだ」と述べた。彼は率直に認めた、「AI4Sを導入すると、より大きな達成感が得られます。」
ホン・リャン教授は、自身の経験を例に挙げて、AI4S 導入の魅力をさらに分析しました。彼は当初、基礎的な科学研究にも携わっていましたが、「出版された論文に基づいて、科学研究がどのように実践に応用されるのかを想像することしかできませんでした。」しかし、彼のチームがタンパク質工学のための一般的な人工知能を調べ、実際にタンパク質製品の開発を支援するために 20 社以上の企業に入ったとき、彼はコンピューター上で設計した分子が 5,000 リットルの発酵タンクの中で生産され、使用されているのを見たとき、実生活では、「その瞬間、基礎科学研究をしてきた科学者にとっては、この上ない喜びでした。」
現時点では、自社開発した Protein Engineering Pro シリーズの大型モデルに基づいて、彼のチームは機能要件を満たすタンパク質配列を直接設計します。世界初、世界第2位の大規模模型設計と高難易度タンパク質製品の工業化を達成した。
タンパク質工学研究分野で産業化の実現を主導する場合、プラットフォーム、個人の学歴、研究の方向性などがすべて重要であるとホン・リャン教授は考えています。
プラットフォームという点では、彼が勤務する上海交通大学は工学を専門とする機関であり、「産学研究の統合において研究チームを支援してくれた同大学に非常に感謝している」と述べた。上海交通大学の全体的な学術的な雰囲気は、産業界、学界、研究に対してオープンで包括的です。学校は、結果の実施を促進する過程で研究チームに物質的および精神的な大きな励ましを提供します。
さらに、Hong Liang 教授の学歴と AI 開発トレンドに対する深い洞察が、彼を業界研究の実施に向けて動かす基礎となっています。
彼は学部の学位を中国科学技術大学の物理学科で学び、大学院の研究を香港中文大学で学び、研究の方向性はナノマテリアルの合成/特性評価でした。米国のアクロン大学で博士号を取得しており、主な研究方向はポリマー/タンパク質の物理的および化学的特性とダイナミクス、学習と相変化でした。
2010 年に研究を続けるために米国に渡り、オークリッジ国立研究所に博士研究員として加わり、計算生物学の分野でタンパク質の構造、ダイナミクス、機能に焦点を当てました。おそらく、この米国での経験が、彼の将来の主な研究方向であるタンパク質機能の基礎を築いたのでしょう。 2015年に上海交通大学に独立PIとして着任し、分子生物物理学の研究に従事。
2016 年、AlphaGo は韓国の囲碁チャンピオン、イ・ジェソクを破り、有名になると同時に AI の能力を世界に知らしめました。 2018 年に登場した AlphaFold は生物学分野に大きな衝撃をもたらし、Hong Liang 教授も自分の研究の方向性を AI とどのように組み合わせることができるかを考え始めました。
本当の転機は、新型コロナウイルス感染症の流行が猛威を振るっていた2019年末に訪れ、自宅にいたとき、国立台湾大学のリー・ホンイー教授がビリビリに投稿したAI講座を通じて、この一見神秘的なことに本格的にハマった。新興テクノロジー。彼は「ステーション B で AI の学位を取得した」と冗談を言いましたが、この 80 時間の授業により、AI についてより明確に理解できるようになりました。そこで私は思い切って AI for Science を選びました。
「業界のテクノロジーが変化するとき、それは個人の意志に基づくものではありません。」止まらない AI 革命に直面して、Hong Liang 教授は 2020 年に AI、コンピューティング、湿式実験を組み合わせてタンパク質設計研究を開始しました。彼は物理学から化学に転向し、次に化学から生物学に転向し、タンパク質の機能と設計の研究に落ち着き、最後に湿式実験からコンピューティングと人工知能に転向しました。彼は技術の飛躍のペースに従い、あらゆる段階で現実的であったため、最終的にチームを率い、実験結果を持って研究室を出ることができたと言えます。
著者はこれがまさに「準備が成功につながる」を描いていると信じているが、ホン・リャン教授は笑いながらこう語った。「私はかなり幸運です。」
科学分野の研究者として、AI を積極的に受け入れ、そのメカニズムを理解するための一般的な研究から始めたことで、Luck は研究の方向性の選択にさらに反映されました。 「タンパク質工学の AI をやろうと決めた後、構造予測、ダイナミクス、機能の 3 つの方向性のうち、機能を選択しました。」「機能があってこそ商品がある」と率直に語った。
しかし、この選択は実際には非常に大胆であり、「製品を磨いても工業化できないかもしれない」という不安に満ちていた。懸命に戦い、最初からやり直す勇気。
「私は 39 歳で、まだ苦労することができました。もし失敗していたら、新しい方向を選択して再び立ち上がるのに数年を無駄にしていたでしょう。幸いなことに、私たちは幸運で、最終的には乗り越えることができました。」技術的な観点から見ると、「科学分野のデータ構造とデータ量がAIの技術進歩に匹敵するのは偶然ではありません。」
同氏は工業化の成功を幸運に帰しているが、AI4Sの開発傾向についての分析もある。たとえば、AlphaFold 社が Google のような巨大商業企業の支援を受けて、タンパク質の構造予測の分野でこれほどの成果を達成したのを見たとき、画期的な科学的成果に非常に興奮しましたが、冷静に考えてみると、彼はこう言いました。チームの基盤と戦力を総合的に考慮し、彼はタンパク質構造予測の道では生き残れないと判断し、この研究の方向性を断念した。
ファイナル、ホン・リャン教授は、自身の利点に基づいて、タンパク質工学における一般人工知能の分野を選択しました。この分野の大きな特徴はタンパク質の機能データが標準化できないことであり、計算機科学のみを専門とする研究者にとっては一度に突破するのは難しい課題である。研究室で「湿式実験」を継続的に繰り返すことで進歩できるのは、関連分野に深い知識を持つ専門家だけです。
幸いなことに、ホン・リアン教授の研究グループは、コンピュータサイエンスとタンパク質という学際的な分野における長年の蓄積に頼って、この分野での「突破口」に成功し、カニ肉を初めて食べた人物となった。
AI4S: AI は科学を尊重しなければならず、科学は AI を自ら学習しなければなりません
AlphaFold の成功が AI4S の開発を大きく促進し、刺激したことは疑いの余地がありません。また、AI と科学の間のアイスブレイクも一気に完了しました。しかし、AI4S の現在の開発はまだ初期段階にあり、両者はまだ普遍的な協力モデルを模索していません。業界は AI for Science についても検討しています。AI が主導するのか、それとも科学が主導するのか。
業界では、AI + 従来の科学研究における分野横断的な研究人材が求められていますが、その成長サイクルは想像でき、出会うことはできても求められることはないと言えます。科学研究者がモデルの構築やフレームワークの最適化の点で AI 分野の研究者の効率性や設計革新にすぐに追いつくことは多くの場合困難ですが、科学研究者が科学的問題を垂直方向に正確に位置づけて分析することも困難です。 AIを活用した分野。
2 つの段階を比較して、Hong Liang 教授は次のように考えています。AI for Science の核心は科学にあります。AI ソリューションを提案するには、まず科学または工学の問題を定義する必要があります。
ホン・リアン教授は、DeepMind のチーム モデルを例に挙げ、その専門家チームは従来の科学研究分野、データ サイエンス、コンピューター サイエンスをカバーし、科学的問題の位置づけから AI 手法の構築までの閉ループを完成させました。彼の研究グループのチーム構築はこれと似ています。「2020 年、私たちはタンパク質工学のための AI に協力するために数名の CS 学生を招集しました。最終実行後、彼ら自身も AI4S について新たな理解を得ることができました。それは素晴らしいことです。」達成感。」ホン・リャン氏の研究グループは現在、共同研究を行うCSおよびタンパク質工学の分野の人材を募集している。
実際には、チームの中心メンバーである周炳新博士は、CS分野の学生もアイデアを提案し、AIを使用して特定の伝統的な科学研究方法を最適化したいと考えていると述べ、現時点ではCSが主導することになります。同様に、工学分野の学生も、発見した科学的問題を明確に説明し、AI による解決策を共同で模索します。
ホン・リャン教授は、チームの構築から「科学分野の包括性」について丁寧に説明するとともに、伝統的な分野の研究者、特に研究グループのリーダーにAIを自ら学ぶことを推奨した。「チームリーダーはビジネスオーナーのようなものです。従来の科学研究からAI4Sへの変革は社内の戦略的変革のようなもので、プロジェクトの承認が必要です。担当者が新製品や新技術についてまったく知識がなければ、非常に危険です。」
しかし同氏はまた、現段階ではAIの助けを借りてすべての研究方向がブレークスルーを達成できるわけではないが、現在の国家政策レベルではAIがさまざまな科学研究分野に「影響を与える」ことを奨励しているとも率直に述べ、「特に科学分野の教師に期待したい」と語った。若い教師たちは果敢に挑戦するだろう。幸運にも研究の方向性を見つけて、その方法論を打ち破ることができれば、それはこの分野に大きな貢献となるだろう。」
ただし、インパクトの成功が産業の実現を意味するわけではないことに注意してください。
例えば、新薬の研究開発分野では現在、科学研究機関から企業、研究から臨床試験に至るまで多額の人的資源と資金が投入され、多くのスタートアップ企業がAIの活用を進めています。夜明けを生き延びることさえできなかった。見れば十分、「AI創薬のクローズドループ時間が長すぎます。」ホン・リャン教授は次のように説明しました。「計算生物学 (物理コンピューティング + AI) は、主に研究者が in vitro (分子または細胞) 実験指標を決定するのに役立ちますが、これらの in vitro 実験の結果と動物実験の相関関係は非常に低い可能性があり、さらには動物実験の結果が良好であっても、臨床試験で良好なフィードバックが得られるとは限りません。」
だからこそ、彼のチームは、酵素機能の研究方向により多くの注意を払っています。「分子実験は最終結果であり、クローズドループで迅速に検証できます。優れた酵素製品の研究開発は、食品と飲料、美容とスキンケア、洗濯と繊維、生物医学などの多くの分野に多大な利益をもたらします。」 、国民経済の主戦場に直接貢献する。」
実際、AI4S への変革に率先して取り組んでいるホン・リアン教授のような科学研究チームに加えて、AI 分野の研究チームも AI4S の分野で全力を尽くしたいと考えていますが、直面する技術的な障壁は次のとおりです。想像した。この点について、ホン・リャン教授のアドバイスは、「自分のスキルを誇示するだけでなく、大きなモデルを機械的にコピーするのではなく、正しい研究の方向性を見つけることです」です。
具体的には、「AI4SをやりたいAI分野の人々は、科学的な問題を夢見るのではなく、まず入力データと出力データを標準化して構造化できる研究分野を見つける必要がある」と考えている。これに対応するのがまさに理系の強み、「関数を伴う研究ではデータの標準化が難しく、実験を繰り返す必要がある。科学的課題への深い理解と合わせてAIによって実験コストを削減できれば、業界の発展に多大な貢献をしてきたことになるでしょう。」
結論
ホン・リャン教授とのインタビューややりとりの中で、彼は何度も「運」について言及し、「時間、運、運命は私のコントロールを超えているが、真にチャンスを掴むことができる人にはそれが必要である」と述べています。前向きな洞察、効率的な実行、試行錯誤する勇気、これらはホン・リャン教授のあらゆる選択にも反映されており、最終的にはタンパク質工学のための AI に落ち着きました。彼と彼のチームがより実装可能な結果をもたらすことを願っています。
最後に、学術活動をお勧めします。イベントの詳細は画像をクリック↓
