※本レポートは、Google DeepMindのAI for Science Forumにおける、Hannah Fry教授とGoogle DeepMind CEO Demis Hassabis氏、およびノーベル賞受賞者のSir Paul Nurse氏、Jennifer Doudna氏、John Jumper氏による対談の内容を基に作成されています。

フォーラムの完全な内容は、以下のプラットフォームでご視聴いただけます：

• YouTube: Google DeepMindチャンネル(https://www.youtube.com/channel/UCP7jMXSY2xbc3KCAE0MHQ-A )
• Spotify: https://open.spotify.com/show/39fjU5Q...
• Apple Podcasts: https://podcasts.apple.com/gb/podcast...

本レポートでは、フォーラムの内容を要約・構造化して記載しております。なお、本レポートの内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。

1. イントロダクション

1.1. Hannah Fryによる開会の挨拶

Hannah Fry：Google DeepMindポッドキャストの特別エピソードとして、Royal SocietyとGoogle DeepMindが共催するAI for Science Forumからお届けします。今回は通常のスタジオではなく、このフォーラムの舞台裏からの配信となります。

本日のハイライトは、Demis Hassabisとの対談です。そしてさらに特別なことに、一人のノーベル賞受賞者だけでなく、三人の著名なノーベル賞受賞者が加わる拡大パネルディスカッションもご用意しています。

本日の主要な登壇者をご紹介させていただきます。まず、Demis Hassabisは、コンピュータサイエンティストでAI研究者であり、2010年にDeepMindを共同創設し、現在もCEOを務めています。彼の経歴は多岐にわたり、ノーベル賞受賞、ナイト爵位叙勲、王立協会フェロー、そしてAlphaFoldやAlphaGoの開発、15万回を超える論文引用など、輝かしい業績を持っています。さらに注目すべきは、彼が神経科学者としての経歴も持ち、チェスチャンピオン、そしてビデオゲームデザイナーとしても成功を収めていることです。

私の個人的な理論では、Demisは実はかなり前にAGI（人工知能）の秘密を解き明かしており、それを地下室に隠しながら、徐々に大きなブレークスルーを一つずつ私たちに明かしているのではないかと考えています。しかし、一つ確実なことは、彼との対話は常に本当に魅力的だということです。

このように、本日のフォーラムは、AIと科学の未来を形作る重要な議論の場となることが期待されます。科学技術の発展において重要な転換点となる可能性を秘めた、極めて意義深いイベントとなっています。

1.2. イベントの概要説明

本イベント「AI for Science Forum」は、Royal SocietyとGoogle DeepMindの共催による特別なフォーラムとして企画されました。このフォーラムは、科学技術の発展におけるAIの役割と可能性を深く探求することを目的としています。

参加者には、科学界を代表する4名のノーベル賞受賞者が含まれています：

• 2024年ノーベル化学賞受賞者のDemis HassabisとJohn Jumper（AlphaFoldの開発）
• 2001年ノーベル生理学・医学賞受賞者のSir Paul Nurse（細胞周期の制御に関与するタンパク質分子の研究）
• 2020年ノーベル化学賞受賞者のJennifer Doudna（CRISPR技術の開発）

イベントの構成は以下の通りです：

1. Hannah FryによるDemis Hassabisとの詳細なインタビュー
2. 4名のノーベル賞受賞者によるパネルディスカッション
3. 聴衆との質疑応答セッション

本フォーラムでは、AIが科学的発見をどのように革新し、加速させているかについて深く掘り下げています。特に注目すべき議題として、核膜孔複合体、プラスチック分解酵素、量子コンピューティング、チューリングマシンの可能性などが取り上げられました。

さらに、Google DeepMindポッドキャストの特別エピソードとして配信されることで、より広い視聴者層への情報発信も意図されています。このフォーラムは、AIと科学の融合が生み出す新たな可能性を探求する場として位置づけられ、科学界における重要な対話の機会となりました。

2. Demis Hassabisとのメインインタビュー

2.1. ノーベル賞受賞の瞬間の体験談

Demis Hassabis：ノーベル賞の受賞は、実は私にとって全く予期せぬ出来事でした。確かにAlphaFoldがノミネートされたという噂は耳にしていましたが、まさか受賞するとは思っていませんでした。

受賞の知らせを受けた朝は、いつも通りの仕事をしていました。妻も在宅で仕事をしていたのですが、午前10時30分頃になって、もう今年は駄目だったのだろうと思っていたところでした。そのとき突然、妻のコンピュータのSkypeが鳴り始めました。私は「何だこの煩わしい音は？」と思ったのですが、それはスウェーデンからの電話でした。実は委員会が私の電話番号もJohnの番号も持っておらず、大慌てで連絡を取ろうとしていたのです。発表のわずか10分前という劇的な瞬間でした。

受賞を祝うために、とても面白い出来事がありました。水曜日のことでしたが、ちょうどロンドンで大規模なチェストーナメントが開催されていて、私の古くからのチェス仲間が翌日にポーカーとチェスの夜会を主催することになっていました。私にとってはこれが完璧な祝賀会となりました。世界的なポーカーチャンピオン数名と元世界チェスチャンピオン数名と一緒にホームポーカーゲームをするのは、お金を稼ぎたい人には勧められませんが（笑）、私にとってはこれ以上ない楽しみでした。確かにかなりナードな感じに聞こえるかもしれませんが、私にとっては天国のような祝賀会でした。

ブラフの戦略については申し訳ありませんが、マグヌス（カールセン）に二度と負けないようにするためにも、それは秘密にしておきます（笑）。

2.2. AlphaFoldの影響と応用例

Demis Hassabis：AlphaFoldが科学界に与えた影響は、私たちが当初期待していた通りのものでした。私たちはAlphaFoldをオープンソース化し、EMBL-EBIのJanetやEwanたちの素晴らしいパートナーたちと協力して、コミュニティに広く公開しました。現在では28,000回以上引用されており、その影響力は計り知れません。

特に印象的な応用例をいくつか挙げさせていただきます。まず、人体で最も重要で大きなタンパク質の一つである核膜孔複合体（nuclear pore complex）の構造決定です。このタンパク質は細胞核への分子や栄養素の出入りを制御する重要な役割を担っています。複数の研究チームがAlphaFoldの予測と彼ら自身の実験データを組み合わせることで、この非常に複雑なタンパク質構造の解明に成功しました。

次に、Broadの研究チームによる分子注射器の開発です。彼らはAlphaFoldを使用して、体内の到達困難な部位に薬物を送達するための分子注射器の設計を改良しました。

そして、私の個人的なお気に入りの一つが、ポーツマス大学のJohn McKeonのグループによるプラスチック分解酵素の開発です。彼らはAlphaFoldを活用して、プラスチックを分解する酵素を設計しました。

これらは研究者たちが行っている素晴らしい研究のほんの一例に過ぎません。私がタンパク質折りたたみ問題、つまりタンパク質構造予測問題に興味を持ったのは、これが「ルートノード問題」だと考えたからです。DeepMindでは、知識の木全体を考えたとき、その根本的な問題（ルートノード）を解決することで、新しい発見の枝や道が開かれると考えています。タンパク質構造をこのように決定できることは、疾病の理解や創薬など、より多くの発見への道を開くと考えていました。そして、実際にそれが現実となっています。

これらの成果は、私たちの期待を裏切ることなく、科学界に大きな影響を与え続けています。AlphaFoldが生命科学研究のツールとして広く活用されていることは、私たちの目標が達成されつつあることを示しています。

2.3. GNoMEプロジェクトと材料科学

Demis Hassabis：GNoMEは私の最も気に入ったプロジェクトの一つです。James氏とPushmeet氏も朝の講演で触れていましたが、私たちは今や科学のほぼすべての領域に関わっています。材料設計においてGNoMEは、AIに適した問題の特徴を多く持っています。

材料設計の課題は、膨大な組み合わせ空間を扱う必要があることです。私たちのアプローチは、物理学と化学の自然現象を理解するモデルを構築し、それを用いて組み合わせ空間の中から効率的な探索を行い、最適な解を見つけることです。このような手法を用いれば、例えば新しい電池の設計や、いつか室温超伝導体の発見につながる可能性もあります。これは私の長年の夢の一つです。

現在、GNoMEプロジェクトはAlphaFold1のレベルに相当する段階にあります。AlphaFold2レベルの予測精度に達するまでには、まだ道のりがありますが、その道筋は明確に見えています。昨年Scienceに発表した研究では、これまで誰も見たことのない20万個の新しい結晶を発見することができました。これは、材料設計におけるAIの可能性を示す重要な一歩だと考えています。

また、私は数学へのAIの応用にも大きな期待を寄せています。おそらく、ミレニアム懸賞問題の一つを解くことができるかもしれません。その解決にAIが大きな役割を果たすことができると考えています。材料科学と数学、これらの分野でAIを活用することで、人類の知識の frontier を大きく広げることができるでしょう。

2.4. 仮想細胞プロジェクト

Demis Hassabis：Paulは25年以上にわたって、生命科学分野での私の良き助言者として、とても寛大に指導してくださっています。生命科学者の中でも特異な存在であるPaulは、生物学を情報システムとして捉える視点を持っており、この観点から多くの興味深い研究論文を執筆されています。

私たちは常にバックグラウンドで議論を重ねてきました。5年ごとに、私は「仮想細胞」という課題に取り組むための技術と知識が十分に蓄積されているかを検討してきました。この仮想細胞とは、実際の細胞の振る舞いを予測できるシミュレーションの構築を意味します。これまでは毎回、技術が不十分だと判断せざるを得ませんでした。

しかし、ついに今、私たちは必要な技術とノウハウを手に入れたと確信しています。今後5年から10年の間に、仮想細胞の構築が実現可能だと考えています。Paulが常に研究対象としてきた酵母細胞をモデル生物として始めることになるでしょう。

この取り組みについて、私の考え方をお話しします。AlphaFold2は本質的にタンパク質の静的な構造を解明するものでした。しかし、生物学はダイナミックなシステムです。すべての興味深い現象は、この動的な相互作用の中で起こっています。AlphaFold3は、このダイナミクスに向けた最初の一歩です。AlphaFold3は、タンパク質同士の相互作用、タンパク質とRNA、タンパク質とDNAの相互作用をモデル化することができます。

この先の段階として、パスウェイ全体のモデル化があり、最終的には細胞全体のモデル化に到達することを目指しています。これは壮大な挑戦ですが、今こそ私たちはその準備が整ったと考えています。

2.5. 量子コンピューティングと古典的コンピューティング

Demis Hassabis：量子コンピューティングは非常に興味深い分野です。この分野自体が加速度的に発展しており、AIと量子コンピューティングの間で興味深い相互作用が起きています。実際、私たちは量子コンピューティングのエラー訂正コードなどの分野で、Googleの量子コンピューティンググループ（世界最高レベルのチームの一つです）と密接に協力しています。

量子コンピュータの主要な用途の一つは、分子や原子、化合物などの量子システムのシミュレーションであり、これにより大量の合成データを生成できる可能性があります。しかし、私には少々議論を呼ぶかもしれない見解があります。世界トップクラスの量子コンピュータ科学者たちと議論を重ねた結果、古典的なチューリングマシン、つまり従来型のコンピュータは、私たちが以前考えていたよりもはるかに多くのことができるのではないかと考えています。

この考えは、私たちのAlphaFoldやAlphaGoの研究成果からも裏付けられています。例えば、囲碁は非常に複雑なゲームで、チェスよりもはるかに複雑であり、可能な盤面の数は宇宙の原子の数（10の170乗）よりも多いのです。これは、特定の局面での最善手を見つけるために、すべての可能性を総当たりで試すことは不可能だということを意味します。もっと賢いアプローチが必要なのです。

タンパク質折りたたみも同様に、可能な組み合わせが膨大にあります。しかし、私たちは質問を投げかける前に大規模な事前計算を行ってシステムのモデルを構築することで、囲碁の局面で数秒以内に最適に近い手を見つけたり、タンパク質を数分で折りたたんだりすることができます。これは、少なくともタンパク質空間では量子コンピュータや量子アルゴリズムが必要だと考えられていた問題です。

私の主張は、古典的なシステムを適切に使用すれば、直感に反して量子システムでさえもモデル化できるかもしれないということです。通常、量子コンピュータは任意の古典的システムをモデル化できると言われますが、逆に古典的システムが量子システムをモデル化できる可能性もあるのです。

この考えを量子コンピューティングの先駆者であるツァイリンガー教授（最近物理学のノーベル賞を受賞）に話したところ、とても興味深いと言ってくださいました。また、私の科学的ヒーローの一人である量子コンピューティングの発明者デイビッド・ドイッチュは、「クレイジーだが、良い意味でのクレイジーだ」と評してくれました。彼からそう言われたことを、私は褒め言葉として、そしてこの方向性をさらに追求するべきだという励ましとして受け止めています。

2.6. Isomorphicの医薬品開発

Demis Hassabis：Isomorphicは、AIを活用して創薬プロセスを根本から革新することを目指す私たちのスピンアウト企業です。AIを最初から組み込んで創薬プロセスを再構築することで、新しい可能性を切り開こうとしています。実は、AlphaFoldの開発時からこのアイデアは私の頭の中にありました。

AIの最も重要な応用の一つは、疾病の治療であると考えています。AIをより良く活用できる分野は他にないでしょう。AlphaFoldは基礎研究や生物学研究のための優れたツールであり、世界中の200万人以上の研究者がAlphaFoldとその構造予測を利用しています。しかし、創薬プロセスにおいて、タンパク質構造の解明はほんの一部に過ぎません。

そこで、AlphaFold2の開発後にIsomorphicを設立し、この研究をさらに発展させ、隣接する分野に新しい機械学習システムを構築することにしました。例えば、化合物や薬剤の設計、毒性試験、ADMEプロパティ（体内での薬物動態に関する重要な特性）の予測など、副作用を最小限に抑えながら薬剤を体内で機能させるために必要な要素の開発を行っています。

私たちは、これらの隣接分野でさらなるAlphaFoldのようなモデルを構築しています。最終的には、これらすべてを組み合わせることで、近い将来、薬剤設計にかかる時間を、現在の数年あるいは10年という期間から、数ヶ月、あるいは数週間にまで短縮できると考えています。これにより、創薬プロセスは革新的に変化するでしょう。

私たちは常に研究主導のグループとして活動してきました。AGI（人工汎用知能）の研究やAlphaFoldのような科学的課題の解決を目指すと同時に、実践的で世界にポジティブな影響を直接与えられるプロジェクトを探しています。そのような両面を持つプロジェクトを見つけることができれば、それは真に価値のある取り組みとなります。AlphaFoldはまさにそのような例でした。

3. ノーベル賞受賞者パネルディスカッション

3.1. 研究の画期的な瞬間の共有

John Jumper：私にとって画期的な瞬間は2つありました。1つ目は、データベースが利用可能になった後のTwitterの反応を見ていた時です。研究成果を世界に公開した後、不安な気持ちでTwitterの#AlphaFoldのハッシュタグを更新し続けていました。そこで、多くの驚嘆する大学院生たちの反応を目にしました。「まだ論文発表していないのに、どうやって私の構造を予測できたんだ？」といった驚きの声が次々と上がっていました。

2つ目の瞬間は、Science誌で核膜孔（人間の細胞内で最大のタンパク質鎖の集合体）に関する特集号が発表された時です。4つの論文のうち3つがAlphaFoldを大きく活用しており、Science誌の中でAlphaFoldという単語が100回以上も言及されていました。しかも、私たちは全くその研究に関わっていませんでした。ある日突然それが発表されたのです。これこそが、私たちのツールを使って他の研究者たちがScience誌に掲載されるような科学的発見をしている瞬間でした。ツール開発者として、これ以上の成功はありません。

Jennifer Doudna：私たちの場合も2つの重要な瞬間がありました。1つ目は2011年の秋、Emmanuelle Charpentierとの共同研究でCRISPRの研究を始めた時です。CRISPRは細菌の免疫システムですが、私たちはその仕組みを解明しようとしていました。そして、これがRNAによって誘導されるDNAの切断システムであり、さらに重要なことに、私たちがこのシステムをプログラムできることを発見したのです。それは本当に「アハ！」という瞬間でした。個人的に、細菌がこのような仕組みを進化させたこと、そして私たちがそれを理解し、DNAを新しい方法で操作できるようになったことに驚嘆しました。

2つ目の瞬間は2012年の夏に研究を発表した後、その年の秋頃でした。世界中から「これは素晴らしい！ショウジョウバエで遺伝子をテストし始めています」「ゼブラフィッシュでの実験を開始しました」「ヒト細胞での実験が楽しみです」といったメールが届き始めました。ほとんど面識のない人々からも興奮した声が届き、分野全体の勢いを肌で感じ始めることができました。

Sir Paul Nurse：私は一番の古株ですが、1985年の話をさせてください。私は酵母の研究をしていましたが、正直に言って、誰が酵母のことを気にするでしょうか？私は気にしていましたが、世界の大半の人々は気にしていませんでした。私たちは細胞周期を制御する遺伝子を同定していました。これは、すべての生物の成長と発達に不可欠な、1つの細胞が2つに分裂するプロセスを制御する遺伝子です。

ヒトでも同じ遺伝子が存在するのではないかと考えた私たちは、今から考えると無謀な実験を行いました。この遺伝子に欠陥のある酵母の変異体に、当時初めて作られたヒトのcDNAライブラリーを、言わば「振りかけた」のです。もし酵母の欠陥遺伝子と同じ機能を持つヒトの遺伝子が存在し、酵母がそれを取り込んで発現でき、それが機能すれば、その細胞は成長して分裂するはずだと考えました。酵母とヒトは15億年前に分岐したと考えられており、これほど長い時間を経ても同じ機能を持つ遺伝子が存在するというのは、ほとんど信じられないことでした。

配列を決定するのに数ヶ月かかりましたが、毎日「明日は実験が失敗だったことが分かるだろう」と思いながら家に帰っていました。しかし、実験は成功しました。そのとき、この発見が認められるかもしれないと思いました。なぜなら、もはや酵母の話だけでなく、ヒトの話になったからです。

3.2. 若手研究者へのアドバイス

Demis Hassabis：18歳の時から、実は私にはこの計画がありました。驚くべきことに、それが実現したのです。チェスプレイヤーとしての性質上、私は常に何年も先を計画する傾向がありました。4歳からチェスをやっていると、こうなってしまうものです。しかし、18歳の自分に言ってあげたいのは、「もっと旅の過程を楽しむべきだ」ということです。なぜなら、結局はうまくいくのですから。当時は「これがどうやって実現できるんだろう」と悩んでいましたが、その必要はなかったのです。

John Jumper：面白いことに、私は2つのことを考えています。1つは「キャロラインは必ず君と結婚するから心配するな」ということですね（笑）。しかし、より重要なのは、人生の勾配降下法とでも言うべきもので、今この瞬間に正しいと思うことをやることが、私にとってはとてもうまくいきました。そして、目の前に開かれる興味深い機会に対してオープンでいることです。私たちは今、生物学とAIの黄金時代に生きています。それを経験できることは本当に素晴らしいことです。つまり、Demisとは逆に、局所的な最適解を恐れないということですね。

Jennifer Doudna：私はおそらくJohnに近い考えです。18歳の自分に伝えたいのは、「自分の情熱に従い、決して諦めないこと」です。そして、否定的な声に耳を傾けないことが本当に重要です。

Sir Paul Nurse：私は非学術的な背景の出身です。好奇心を追求するだけで給料がもらえるなんて、信じられませんでした。今でも、40年後、いや50年以上経った今でも信じられません。それでも、Royal Societyの会長として、私たちはこの信念を持ち続けるべきだと思います。好奇心こそが、真の科学的発見への道を切り開くのです。

Hannah Fry：皆さんのアドバイスは、若手研究者にとって非常に励みになりますね。特に、Demisの長期的な計画とJohnの局所的な最適化という対照的なアプローチは、研究者として成功する道が一つではないことを示していて興味深いです。

3.3. AIと科学の未来

Demis Hassabis：私は、現在の状況をそれほど心配していません。私が先ほど述べたように、AIは工学科学であり、研究に値する人工物を最初に構築し、その後で科学的手法によってそれを分析する必要があります。過去5-10年で見てきたのは、今日のトランスフォーマーモデルやAlphaFold、AlphaGoのような、研究する価値のある人工物の構築でした。以前のシステムは、研究するほど洗練されていなかったのです。

さらに、これらのシステムは自己改善する能力も持っています。最低でも、システムが言語や数学、コードで自身を説明できるようになるでしょう。システムに「これを理解したなら、数式で説明してみなさい」と言えるところまで来ています。

John Jumper：私も同感です。私たちのチームでの経験から、AIシステムは具体的なデータから学習することに長けていますが、より重要なのは、そのデータをいかにスマートに、かつ効率的に収集するかということです。研究者として、AIのための適切なデータ収集方法を考える必要があります。

Jennifer Doudna：生物学の観点から見ると、重要なのはデータの質と量の両方です。現在のモデルを訓練するには、通常、高品質な大量のデータが必要です。私が科学者としてAIに期待することは、データの収集方法について私たちを教育してくれることです。限られたデータでも、それが十分な広がりを持っていれば、適切な訓練の基盤となり得ます。現在の実験科学者として、実験をデザインする際にこのような視点は持っていませんが、今後は考慮する必要があるでしょう。

Sir Paul Nurse：私はビッグデータの世界に生きていますが、時として低い基準で大量のデータを報告するだけで満足してしまう傾向があります。ある高名な学術誌は、大量のデータを報告することばかりに注力しているように見えます。私たちはビッグデータの世界における創造性にもっと注意を払うべきです。創造性とは何かについて詳しく話すことはできませんが、これは重要な課題です。同僚や学生たちに創造的思考を促すことは、単にデータを収集することとは異なります。ビッグデータは創造的なアプローチを取れば、確実に成果をもたらすでしょう。

Hannah Fry：非常に興味深い議論ですね。AIと科学の関係性について、技術的な可能性と人間の創造性の重要性の両方が強調されていると感じます。特に、データの収集方法と創造的な解釈の重要性について、異なる分野からの洞察が得られました。

4. 質疑応答セッション

4.1. 科学技術の社会受容

Thomas Crampton：この会議では素晴らしい科学について多くの議論がありましたが、この部屋の外にいる、科学を理解していない、あるいは科学に懐疑的な人々についてはどうでしょうか？社会がこれらの素晴らしいブレークスルーを拒絶する可能性についてどの程度懸念しており、それにどう対処すべきだとお考えですか？

Sir Paul Nurse：これは本当に重要な問題です。新しい技術や変化が導入されるたびに、常に懸念が生じてきました。私たちは適切な人々と対話する必要があります。つまり、一般市民との対話です。残念ながら、こうした議論は往々にして利益団体に乗っ取られてしまいます。彼らは公共の利益のために話していると主張しますが、実際には自分たちの特定の利害や情熱のために話していることが多いのです。

そのため、私たちは一般市民と議論する方法を見出さなければなりません。そしてそれを賢明な方法で行う必要があります。先ほど熟議民主主義について言及しましたが、これは費用のかかるプロセスですが、非常に重要だと考えています。なぜなら、率直に言って、市民の支持がなければ、私たちはこれらの発見がもたらす恩恵を十分に活用することができないからです。それは世界をよりよく理解するという意味での恩恵であり、また、その発見を公共の利益のために活用するという意味での恩恵です。

Jennifer Doudna：私の経験から、市民との対話で最も重要なのは、科学者が自分たちの研究の意義と限界を正直に伝えることです。CRISPRの場合、私たちは常にその可能性と同時にリスクについても説明してきました。透明性を持って対話することで、市民の信頼を得ることができます。

Demis Hassabis：私たちDeepMindでも、AIの発展について社会との対話を重視しています。科学技術の進歩は、最終的には人々の生活を改善するためのものです。そのため、私たちは常にAIの倫理的な側面について議論し、その開発が社会にとって有益なものとなるよう努めています。市民との対話は一方的なものではなく、私たち研究者も市民の懸念から多くを学ぶことができます。

John Jumper：チームサイエンスの視点から見ると、科学技術の社会受容には、異なる分野の専門家との協力も重要です。例えば、生命倫理の専門家や社会科学者との協働により、私たちの研究をより良い形で社会に提示することができます。

4.2. アフリカの若手研究者の参画

質問者：2050年までにアフリカは世界最大の若年人口を抱えることになります。この人口は人類の発展のために世界に貢献していく必要があります。コミュニティとして、アフリカの若手研究者の参画をどのように確保していくのでしょうか？GoogleとGoogle DeepMindは若手アフリカ人のAI能力開発を素晴らしい形で支援していますが、コミュニティ全体として他に何ができるでしょうか？

Jennifer Doudna：この質問に関連して、私たちInnovative Genomics Instituteの取り組みについてお話ししたいと思います。現在、ケニアで3年間にわたるプロジェクトを実施しています。私たちのチームがケニアの様々な地域に赴き、現地の科学者たちとともにCRISPR技術の理解と活用について取り組んでいます。

特に印象的なのは、現地の科学者たちが自分たちのコミュニティに戻り、学生たちと協力して、自分たちの研究室で創造的な科学研究を始めている様子を記録した動画です。このような草の根的な活動が、非常に大きな動機付けとなっています。私はこのような活動をもっと広げていきたいと考えています。また、Googleが行っている取り組みについても大変心強く感じており、私たちが協力して取り組むべき大きな機会だと考えています。

Demis Hassabis：Googleの一員として、アフリカの若手研究者の支援は私たちの重要な使命の一つだと考えています。今日、私たちはGoogle.orgを通じて2,000万ドルの資金を提供し、学際的な研究をアカデミアで支援することを発表しました。他の支援者の方々にもこの取り組みに加わっていただきたいと考えています。新世代のPhDや博士研究員が、これらの異なる分野を組み合わせて研究できるよう支援することが重要です。

John Jumper：私はチームサイエンスの重要性を強調したいと思います。アフリカの若手研究者たちが国際的な研究チームに参加し、グローバルな科学コミュニティの一員として活躍できるような機会を作ることが重要です。デジタル技術を活用することで、物理的な距離を超えた協力関係を構築することができます。

Sir Paul Nurse：私たちRoyal Societyとしても、アフリカの科学者たちとの協力関係を強化していく必要があります。科学は人類共通の営みであり、地理的な境界を超えて、才能ある研究者が活躍できる環境を整えていくことが重要です。その意味で、今回の資金提供の発表は、とても重要な一歩だと考えています。

4.3. 研究文化の変革の必要性

質問者（Digital Science所属の元ナノ化学者）：顕微鏡技術の発展のような技術的進歩が常に他の研究分野への扉を開いてきたように、AIも同様です。しかし、今日の議論で見られたように、多くの発展が学術界ではなく産業界から生まれています。現在の研究評価システムは、成功的な研究に対する報酬の仕方が革新を促進するものになっていないように思われます。誰も最初の変革者になりたがらない中で、どのようにしてグローバルな文化を変えることができるでしょうか？

Sir Paul Nurse：研究評価の課題は深刻です。現在のビッグデータの世界では、時として基準が低くても大量のデータを報告するだけで満足してしまう傾向があります。特定の高名な学術誌は、ただデータを大量に報告することに終始しているように見えます。私たちは、ビッグデータの時代における創造性により多くの注意を払う必要があります。

John Jumper：私の経験から、チームでの研究の力と楽しさについて強調したいと思います。私はGoogle DeepMindでそれを実現できましたが、PhD時代はより孤独な経験でした。個別の課題に取り組む必要がありましたから。科学は多くの失敗と時折の劇的な成功の繰り返しです。私たちは皆、その劇的な成功の瞬間から話をしていますが、チームで働くことは、それ自体がモチベーションを提供します。

Jennifer Doudna：私も同感です。研究評価の方法を変える必要があります。私自身の経験を振り返ると、最も誇りに感じるのは、教えた学生たちが現在行っている仕事です。これは従来の論文数や引用数といった指標では測れない価値です。

Demis Hassabis：私たちDeepMindでは、研究主導のアプローチを取っています。AGIの研究やAlphaFoldのような科学的挑戦に取り組むと同時に、実践的で世界にポジティブな影響を直接与えられるプロジェクトを探しています。このバランスを取ることが重要です。産業界と学術界の協力関係を強化することで、両者の長所を活かした研究文化を築くことができると考えています。

Hannah Fry：この議論は、研究文化の変革が単なるシステムの問題ではなく、研究の質、創造性、そして人材育成を含む総合的な課題であることを示しています。特に、チームサイエンスと産学協働の重要性が強調されていますね。

4.4. チーム科学の重要性

John Jumper：チームでの研究の力と楽しさについて、私の経験から強調したいと思います。Google DeepMindでは素晴らしいチーム研究を実現できましたが、PhD時代は比較的孤独な経験でした。個別の課題に取り組まなければならなかったからです。科学は多くの失敗と時折の劇的な成功の繰り返しですが、チームで働くことは、それ自体が重要なモチベーションを提供します。チームとして働くことで、失敗を乗り越え、より良い科学を生み出すことができます。一緒に働くことが楽しくなければ、良い科学は生まれないと私は考えています。偉大な科学者たちは皆、研究を楽しんでいるように見えます。

Demis Hassabis：AlphaFoldの成功は、まさにチームサイエンスの勝利です。私たちは研究主導のグループとして、生物学者、化学者、機械学習の専門家、エンジニアなど、多様な専門性を持つメンバーを結集させました。DeepMindの成功は、そもそも神経科学のアイデアと機械学習のアイデアを組み合わせたことから始まりました。学際的なチームの力がなければ、これほどの成果は得られなかったでしょう。

Jennifer Doudna：私も同感です。CRISPRの研究でも、異なる専門性を持つ研究者たちとの協働が不可欠でした。特にEmmanuelle Charpentierとの共同研究は、異なる視点と専門知識が組み合わさることで、より深い洞察が得られることを示しています。今日の複雑な科学的課題に取り組むには、チームアプローチが不可欠です。

Sir Paul Nurse：私の経験からも、チームサイエンスの重要性は明らかです。Francis Crick Instituteでは、異なる分野の研究者たちが日常的に交流し、アイデアを共有しています。ただし、重要なのはチームの規模ではなく、そのダイナミクスです。互いを尊重し、自由に意見を交換できる環境を作ることが、成功のカギとなります。

Hannah Fry：この議論は、現代の科学研究がもはや個人の天才的な発見の時代を超えて、協働的で学際的なアプローチを必要としていることを示していますね。特に、AIと生命科学の融合における成功事例は、この新しい研究パラダイムの重要性を示す良い例となっています。

5. 結論

5.1. 科学における協働の重要性

本フォーラムを通じて明らかになったのは、科学研究が「孤高の天才」の時代から、多様な専門家による協働の時代へと大きく転換していることです。例えば、AlphaFoldの成功は、機械学習の専門家、生物学者、化学者、エンジニアなど、異なる分野の専門家が密接に協力することで実現されました。

特に注目すべき成功事例として、以下のような協働研究が挙げられます：

1. 核膜孔複合体の構造解明：複数の研究チームがAlphaFoldの予測と実験データを組み合わせることで、この複雑なタンパク質構造の全容を解明しました。
2. CRISPRの開発：Jennifer DoudnaとEmmanuelle Charpentierの共同研究は、異なる専門知識の融合が革新的な発見をもたらす好例となりました。
3. 仮想細胞プロジェクト：Paul Nurseと25年に渡る協力関係に基づき、生物学的知見とAI技術を組み合わせた新しいアプローチが進められています。

今後の展望として、以下の方向性が示されました：

• 学際的な研究をさらに促進するための2,000万ドルの研究資金の提供
• アフリカなど、新興地域の若手研究者の参画促進
• 産学協働の強化による研究開発の加速
• チームサイエンスを支援する新しい研究評価システムの確立

これらの取り組みを通じて、科学研究はより包括的で効果的な協働モデルへと発展していくことが期待されます。Royal SocietyとGoogle DeepMindの協力関係は、このような新しい研究パラダイムの具体例として位置づけられます。

5.2. 学際的アプローチの必要性

本フォーラムでは、今後10年間の科学的進歩の多くが分野横断的な研究から生まれるという共通認識が示されました。科学の発見は、二つ以上の分野の専門家が協力し、その境界領域で行われる傾向が強まっています。

具体的な方策として、以下の取り組みが提案されました：

1. 研究資金の戦略的配分：

• Google.orgによる2,000万ドルの学際的研究支援基金の設立
• アカデミアにおける分野横断的な研究プロジェクトの支援
• 新世代のPhDや博士研究員の育成支援

1. 教育・トレーニングの革新：

• 複数分野を組み合わせた新しい教育プログラムの開発
• 異なる分野の専門家との協働能力の育成
• データサイエンスとドメイン知識の統合的な学習

将来の科学研究の方向性として、以下の点が強調されました：

• AIを活用した科学的発見の加速
• バイオテクノロジーとコンピュータサイエンスの融合
• 量子コンピューティングと古典的コンピューティングの相互補完
• 社会科学とテクノロジーの統合

DeepMindの事例が示すように、神経科学と機械学習の融合、生物学者と機械学習の専門家の協働など、分野を超えた協力が革新的な成果を生み出しています。AlphaFoldの成功は、この学際的アプローチの有効性を実証する代表例となっています。

このような学際的アプローチを実現するためには、従来の学術的な境界を超えて、産業界とアカデミアの協力、国際的な研究者の交流、そして若手研究者の育成を統合的に推進していく必要があります。