実験の設計
88どの仮説を検証する価値があるか、そしてどの実験デザインが実際にそれを反証しうるかを決めることには、現行のいかなるAIシステムも確実には自ら生み出せない科学的判断力が求められる。
生物学は外から見ると特定の意味で自動化しやすく見える。ピペット操作、シーケンシング、画像解析、文献検索といった生の作業の多くは、すでにソフトウェアやロボットが人間より速く一貫して行えるほど反復的だ。自動化がより困難なのは、そもそもどの実験を行う価値があるかを決める判断力だ。
タンパク質構造予測器や実験室自動化ロボットのようなAIツールは本物であり急速に拡大しており、ルーティンの実験台作業や解析作業の実施量を変えつつある。変わっていないのは、どの問いを立てる価値があるかを決め、曖昧または矛盾する結果を文脈の中で解釈し、発表された主張が正しいことの責任を負うのが誰かということだ。
中程度
Share of the work a machine could do
生物学のルーティンな実行作業――サンプル処理、シーケンシング、文献検索、基本的な画像・データ解析――のかなりの部分は、すでに部分的に自動化されているか、その方向に向かっている。生き残る仕事の核心は、どの問いを立てる価値があるかを選ぶこと、それに実際に答えられる実験を設計すること、そして機械がまだ雑音と確実に区別できない結果を解釈することだ。
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →What machines cannot take
曖昧または矛盾するデータの解釈
85奇妙な結果が本物の生物学的発見なのか、技術的アーティファクトなのか、雑音なのかを判断することは、現行のAIのパターン認識が確実には再現しない文脈的な科学的判断に基づく。
繊細な実験室・野外技術
80生きた組織、細胞培養、野外の生物は予測不能に振る舞う。今日の実験室自動化ロボットは事前に定義されたプロトコルを正確に実行するが、サンプルが予想通りに振る舞わない時に即興対応することはまだできない。
予測不能な環境での野外調査
74動物の追跡、遠隔地の生息地の調査、変化する天候・地形の下でのサンプル採取は、機械がまだ近づけていない、物理的に現地にいて適応できる人間の判断力に今も依存している。
科学的説明責任と査読
66名前のある研究者が発表された主張の正確性を保証し、自らの評判を賭ける。AIシステムの名前をそこに代わりに置くべきか、あるいはどう置くべきかを解決した学術誌や助成機関はまだない。
What they already take
サンプル処理とシーケンシング
78自動液体ハンドリングロボットと高スループットシーケンサーは、特にゲノム重視の研究室において、10年前よりもはるかに少ない人手時間で何千ものサンプルを処理できるようになった。
タンパク質構造予測
72AlphaFoldのような深層学習モデルは今や配列からタンパク質の三次元形状を数分で予測できる。以前はタンパク質1つあたり何年もの結晶学的作業が必要だったタスクだ。
ルーティンの画像解析と細胞計数
66AIベースの画像認識は今や顕微鏡画像から細胞を数え、異常を検出し、構造を測定できる。一貫性が高く、退屈な手作業採点を削減する(なくすわけではないが)。
文献検索と要約
58AIツールは今や何千もの論文を手作業で読むよりはるかに速く走査・要約できるが、その要約を元の発見と照らして検証することは依然として人間が行う。
How the work is changing
AIは分子を分析するだけでなく予測・設計する
2020年のAlphaFoldによるタンパク質構造予測の突破口――この業績はタンパク質設計の先駆者デイヴィッド・ベイカーとともに2024年のノーベル化学賞の一部を受賞――に続き、AIツールは既存の分子を解釈するだけでなく、新しいタンパク質や分子の設計をますます支援するようになっている。
クラウドラボが生物学者にコードで実験を行わせる
遠隔操作のロボット実験室は今や研究者が実験をコードとして提出し、自らピペットに触れることなく結果を受け取れるようにしており、一部の実験台作業をよりソフトウェアエンジニアリング的なワークフローへとシフトさせている。
実験技術と計算スキルがますます同じ人物に集約される
生物学のプロジェクトは、実践的な実験技術と計算によるデータ解析の両方に習熟していることをますます求めるようになっており、両方をこなせる研究者は、どちらか一方に特化した研究者よりも価値を増している。
プレプリントが伝統的に遅い分野を加速させている
2013年に始まったbioRxivのような迅速共有プラットフォームは、生物学者が正式な査読の前に発見を投稿できるようにし、かつて1年以上かかっていた出版サイクルを数週間に圧縮している。ただし出版前検証にはある程度の代償を伴う。
New jobs branching off
計算生物学者/バイオインフォマティシャン
大規模なゲノム、プロテオーム、生態学的データセットを計算的に解析する。ゲノム時代以前には独立したキャリアとしてほとんど存在しなかったが、今では大規模な生物学プロジェクトの大半の中心に位置する役職。
合成生物学エンジニア
新規の生物学的システム――操作された微生物、遺伝子回路、実験室培養組織――を設計・構築し、生きた細胞を研究対象としてだけでなくプログラム可能な部品として扱う。
実験室自動化科学者
クラウドラボや高スループット施設向けのロボット化された遠隔操作の実験室ワークフローを設計・管理する。伝統的な実験科学と自動化エンジニアリングの間のハイブリッドな役職。
遺伝カウンセラー
ますます詳細になるゲノム検査結果を、患者や家族が実際に医療上の意思決定に使える言葉に翻訳する。臨床遺伝学と直接的な患者ケアの間に位置する急成長中の職種。
Outlook
自動化に最もさらされているタスクは、事前に完全に規定できるもの――ルーティンのシーケンシング実行、標準的な画像解析パイプライン、モデルが何千もの類似例で訓練されているタンパク質構造予測――だ。最も保護されているタスクは、事前に規定できないもの――どの問いにキャリアの何年を費やす価値があるか、奇妙な結果が実際に何を意味するか、モデルの予測どおりに振る舞い続けない生きたシステムをどう解釈するか――だ。
その区分は、生物学者と呼ばれる人の数を減らすというより、仕事の日々の内容を変える可能性が高い。実験を設計し結果を解釈する時間が増え、今やロボットとソフトウェアがますます担うようになった反復的な実行作業の時間は減る。2040年に働く生物学者は、今日よりもピペットの前で過ごす時間が減り、キーボードの前で過ごす時間が増える可能性が非常に高い。
それでも、発表された生物学的主張が誤りだと判明した時に誰が責任を負うのか、そしてどの実験に資金を出し実行するかを誰が決めるのかは変わらない。AIシステムがその責任を任せられるほど信頼されるようになるまで――そして現在それを手放すつもりの規制当局や助成機関はどこにもない――この仕事の中心は人間であり続ける。
Keep exploring
More in Science & Research
⚛️
物理学者
黒板一枚から3000人の共著者を抱える加速器論文まで、物質・エネルギー・空間・時間を支配する数学的法則を導き検証する仕事。
AI-resistant 65 🧪化学者
物質そのものを作り、測る科学者——バビロニアのタプティの蒸留器から今日のロボット実験室まで、スペクトルの意味を決めるのは常にこの人だ。
AI-resistant 70 📊データサイエンティスト
データからパターンを見つけ予測モデルを構築する職業――2008年生まれの肩書きだが、その土台には数値を数え、検証し、可視化してきた3世紀分の営みがある。
AI-resistant 38 🔭天文学者
バビロニアの粘土板から宇宙望遠鏡まで、宇宙を測り続ける科学者。今もデータの中のどの揺らぎが発見なのかを見極めている。
AI-resistant 70 🧮数学者
バビロニアの書記からフィールズ賞受賞者、AI支援証明まで――困難な問いを恒久的な確実性へと変え続けてきた職業、一つの定理ごとに。
AI-resistant 70