問うに値する問いを立てること
88千通りある可能な研究方向のうち、実際に何年もの資金と労力を費やす価値があるのはどれかを選ぶことは、現在のAIシステムが単独で確実には下せない判断である。
物理学はAI時代において珍しく有利なスタートを切っている。物理学者が実際に生み出すもの──新しい仮説、機能する装置、主張した発見への個人的な責任──の多くは、言語モデルが今のところ信頼して代替できない種類の判断と説明責任のある創造性そのものだからだ。
とはいえこの仕事がAIに対して無敵というわけではない。文献の選別、初稿のコード、日常的なデータ処理はすでにAI支援によって高速化している。以下のセクションでは、すでに変化しつつあるものと、これまでのところ技術的な難しさというより判断と説明責任に近い理由で自動化に抵抗しているものを分けて見ていく。
中程度
Share of the work a machine could do
物理学の日常的な実行業務──文献の選別、定型的なシミュレーションコード、初稿の文書作成や図の生成──の相当な部分は、すでにAI支援によって高速化している。自動化に抵抗するのは、どの問いに何年ものキャリアを賭ける価値があるかを見極めること、それに実際に答えられる実験を設計すること、そして機械がまだ担うことのできない、主張した結果への個人的な説明責任を負うことである。
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →What machines cannot take
実物の装置の設計とトラブルシューティング
84物理的な検出器やレーザー、低温装置を実際に動かすこと、そしてなぜ動かないのかを診断することは、今も何年もの実地の実験室経験から培われた物理的直感に依存している。
妥当性と重要性についての専門家判断
80新しい結果が本物で重要であり、正しく解析されているかどうかを判断することは、単なる検索ではなく、責任を負う人間のレビュアーによる社会的かつ科学的な判断である。
発表された結果への個人的な説明責任
90実名を持つ物理学者の評判、時にはキャリアそのものが、発表された主張に対して賭けられている。現在のAIシステムがこれに答える形は存在しない。
大規模な共同研究の構築と維持
72数十か国にまたがる数千人の科学者を共有実験のために調整することは、現在のいかなるAIシステムも扱えない信頼と外交手腕を必要とする。
What they already take
文献検索と要約
70arXivに日々流れ込む大量のプレプリントを選別し関連する結果に印をつける作業は、ますますAIツールによって処理あるいは加速されている。
定型的なシミュレーションと解析コード
66説明された手法から標準的なデータ処理パイプラインとシミュレーションの雛形を生成することは、現在のコード生成ツールに非常に適した仕事である。
論文の初稿執筆と図の生成
55論文の序論の初期版を書いたり、処理済みデータから標準的な図を生成したりすることは、多くの研究グループですでに部分的に自動化されている。
日常的なデータクリーニングと較正処理
74ノイズの除去、既知の計器効果の補正、異常データの検出は、手作業によるレビューよりも自動化・機械学習パイプラインを通じて行われることがますます増えている。
How the work is changing
AI支援の文献選別が標準になる
物理学者は日々のarXivの奔流を調査し関連研究に印をつけるためにAIツールをますます使うようになり、以前は手作業のスキャンに何時間もかかっていた作業を数分に圧縮している。
機械学習が標準的な解析ツールになる
ニューラルネットワークは現在、粒子検出器のトリガーシステム内で動作し、天文観測データのテラバイト級のデータから異常を選別している。どんな人間のチームもその規模で手作業で行うことは現実的に不可能な仕事だ。
単独の理論家が減り、大規模チーム科学が増える
特に素粒子物理や天体物理において、新しい物理学の結果のますます多くの割合が数百から数千の共著者を抱えるようになり、個々の物理学者の貢献と功績とみなされるものを変えつつある。
産業界がアカデミアより多くの博士を吸収するようになる
終身在職権付きポストが毎年の新規博士号取得者の数をはるかに下回る中、物理学博士の大多数は大学ではなく金融、テクノロジー、産業研究でキャリアを築くようになっている。
New jobs branching off
クオンツ・リサーチャー(金融)
物理学で鍛えられた数理モデリングをヘッジファンドやトレーディング会社で金融市場に応用する仕事。物理学博士にとって最も高給な行き先の一つ。
機械学習研究員
AI研究所は、雑然とした現実世界のデータに対して数学モデルを構築し検証する訓練を受けているという理由で、コンピュータサイエンスの背景がなくても物理学博士をますます採用している。
量子コンピューティングエンジニア
量子コンピュータを支える物理的な量子ビットと制御システムを構築・較正する仕事。凝縮系物理や原子物理の訓練を直接活かす急成長中の専門分野。
データサイエンティスト
物理学博士課程で培った統計解析とモデリングのスキルを、テクノロジー、医療、物流といった産業界の問題に応用する仕事。純粋な研究以外での一般的な着地点。
Outlook
物理学の訓練を受けた人材への需要は、今後10年間も強く続く可能性が高い。それは単一のAIトレンドによってというより、この分野の数学的厳密さを、たとえ肩書が物理学と何の関係もなくても評価し続ける半導体、量子コンピューティング、データ集約型産業の継続的な成長によって牽引されるものだ。
率直に言えば、AIはこの分野のもっと古い構造的な問題に比べれば副次的な懸念にすぎない。物理学の博士課程は毎年、終身在職権付きの学術ポストが雇用できる数をはるかに超える研究者を輩出しており、この不釣り合いこそが──自動化ではなく──すでに大半の物理学者を、自分が訓練を受けた大学の外でのキャリアへと押し出している真の要因である。
Keep exploring
More in Science & Research
🧬
生物学者
生命そのものを研究する科学者。リンネが種を手作業で命名した時代から、CRISPRでゲノムを編集する今日まで、あらゆる着想を生きた生物で検証し続けてきた。
AI-resistant 64 🧪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