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。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
すべての生物学関連の仕事に必要なわけではない。研究技術者、ラボアシスタント、野外調査などの多くの職種は学士号や修士号でも採用される。しかし独立した研究プログラムを率いる、大学の研究室を運営する、あるいは製薬・バイオテック業界の上級職の多くには、単独で独創的な研究を設計・遂行できることを証明する資格として、ほぼ例外なく博士号が求められる。
役職によって大きく異なる。学士号(3〜4年)で就ける入門的な研究職や野外調査職も多い。研究室を運営する独立主任研究員(PI)になるには、通常学部4年、博士課程5〜6年、さらに常勤職を得るまで数年のポスドク研究が必要で、はるかに長い時間がかかる。
医師は臨床実践に特化した医学の学位を持ち、人間の患者を直接診断・治療する。生物学者は遺伝子、細胞、生物個体、生態系など、生きたシステムをより広く研究し、患者を治療することはほとんどないが、生物医学研究者は医師が臨床で使う薬剤・ワクチン・診断ツールの開発でしばしば医師と協働する。
国、業界、専門分野によって大きく異なる。米国労働統計局によれば、2023年の米国の生物科学者の平均年収は約8万5000ドルだったが、バイオテック業界の上級研究者や製薬企業の経営幹部ははるかに多く稼ぐ。ヨーロッパやアジアの多くの国では、同等の経験年数でも学術界の給与は米国の産業界より低い傾向がある。
CRISPR-Cas9は、侵入したウイルスDNAを切断する細菌の免疫システムを応用した遺伝子編集ツールだ。ジェニファー・ダウドナとエマニュエル・シャルパンティエは2012年、これを再プログラムして任意の生物の任意のDNA配列を切断できることを示し、精密なゲノム編集を従来の手法よりも劇的に速く安価にした。この業績で2020年のノーベル化学賞を受賞している。
コアの役割がすぐに置き換わる可能性は低い。AIはタンパク質構造予測、画像解析、文献検索、配列アラインメントなど特定のタスクをすでに高速化しているが、意味のある実験を設計すること、曖昧な結果を生物学的文脈で解釈すること、予測不可能な生きた材料を扱う繊細な実験室・野外作業を行うことは、現行のどのシステムも確実には再現できない訓練された人間の判断に依然として依存している。
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。
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。
肩書きではなく業務単位で算定。低いほど安全。
AIが奪えない仕事 →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。
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。
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。
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。
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。
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。
AlphaFold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。
AI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)。
AI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。
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。
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。
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。
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。
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。
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。
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。
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。
可逆の3レンズ: 補助、一部置換、新ニッチ。教材であり予測ではありません。
役割は残し、AIが下書き・仕分け・調査を加速。判断と責任は人側。
狭いタスク群が先に圧縮され、隣接スキルが伸びることも。
規制下でAI出力を信頼する監督・統合・ドメインQAが生まれ得る。
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。
分野だけでなく、6つのスコアが近い職業です。
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耐性 65 🏗️建物が安全に建ち、法規に適合し、施主を満足させ、適正なコストに収まるよう設計する——それが崩れれば法的責任を負う仕事。
AI耐性 78 🧪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耐性 70 🎬脚本を完成した映画に変える仕事。あらゆるショット、演技、編集の判断を下し、プロデューサーやスタジオ、そして観客にその予算をかける価値があったと納得させる。
AI耐性 73 🐾症状を訴えられない金魚から馬までを診察し、安楽死によって苦しみを終わらせる法的な権限を持つ。
AI耐性 78 💱希少性を研究する学者――アダム・スミスのピン工場から中央銀行の意思決定室まで、どんなモデルも捉えきれないものを予測せよと求められ続けている。
AI耐性 62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耐性 65 🧪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耐性 70 📊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耐性 38 🔭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耐性 70 🧮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耐性 70 🧿コンピューティング、センシング、通信、材料研究のために量子状態を利用する装置を構築し、測定し、制御する。
AI耐性 78 🧫臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68