──
ノーベル化学賞の三人
ノーベル化学賞（2024）は、ＡＩの研究者に与えられた。
2024年の化学賞に、アメリカ、ワシントン大学のデイビッド・ベイカー教授と、アメリカのIT企業、グーグルのグループ会社で、ロンドンに本社のある「DeepMind」（ディープマインド）社の▼デミス・ハサビスCEO、それに、研究チームの▼ジョン・ジャンパー氏の合わせて3人を選んだと発表しました。
（ → 2024年のノーベル化学賞に、AIでたんぱく質の構造予測に成功した研究者ら3人｜ノーベル賞2024 NHK NEWS WEB ）
(1) ベイカー
デイビッド・ベイカーの業績については、Gemini の解説がある。
タンパク質の立体構造をコンピュータシミュレーションで予測するソフトウェア「Rosetta@home」を開発しました。
タンパク質の構造と機能の関係を深く理解するために、数多くのタンパク質を設計・合成し、その性質を詳細に解析しました。
他にも多様な業績があり、多くの業績のある多産的な人であるようだ。ただ、いずれもタンパク質の構造解析である。上記の業績と同様だ。
とても多くの業績があるのだが、いずれも小粒であり、これらの小粒をいくら寄せ集めても、ノーベル賞には値しないと思える。ただし、次の (2) との併用ならば別だ。
(2) ハサビス ＆ ジャンパー
ハサビス と ジャンパーの業績については、Perplexity の解説がある。
デミス・ハサビスCEOとジョン・ジャンパーの主な業績は、タンパク質構造予測のためのAI技術の開発です。具体的には以下のような成果があります:
AlphaFoldの開発
2020年に、アミノ酸配列からタンパク質の三次元構造を予測するAIツール「AlphaFold」を開発しました。これは、科学者たちが数十年にわたって取り組んできた難問を解決する画期的な成果でした。
広範なタンパク質構造の予測
AlphaFoldを用いて、科学的に知られるすべてのタンパク質の形状を予測することに成功しました。これにより、生命科学研究に大きな貢献をしています。
技術の進化
最新モデルの「AlphaFold 3」では、タンパク質だけでなく、DNA、RNA、そして創薬に不可欠なリガンドのような分子の構造も予測できるようになりました。
タンパク質とは何か？ ただのアミノ酸の構造物だと思われているが、重要なのは、その形だ。凸凹した突起や穴のある形となっていて、特定の相手と結びつくことがある。鍵と鍵穴のように。
薬の分子のほとんどは，体内のタンパク質に特異的に結合することにより，その効果を発揮します．この「薬とタンパク質の関係」は，「鍵と鍵穴」に例えられます．良い薬，即ち，効果が高く，副作用が少ない薬を創るには，鍵穴 （タンパク質）に対し，うまく当てはまる鍵（薬）を創ることが重要です．
（ → 研究内容 ）
このことゆえに、タンパク質の意義を理解するには、タンパク質の構造（形状）を知ることが必要だ。しかるに、タンパク質の分子量は非常に大きくて、その形状は非常に複雑だ。
また、形状を知るには、X線回折で探るしかなかったが、そのためには前もって結晶を作る必要があったし、 SPring-8 のような放射光X線の特別な施設を使うしかなかった。かくて探索は困難を極めた。
→ タンパク質Ｘ線結晶構造解析 SPring-8 Web Site
タンパク質の構造を知りたくても、知ることは困難だった。それを知ることは人類の悲願だった。
この悲願を一挙に達成したのが、二人の開発した AlphaFold だった。Wikipedia の解説を見よう。
このプログラムは、タンパク質の折り畳み構造を原子の幅に合わせて予測する深層学習システムとして設計されている。
AIソフトウェア「AlphaFold」は、2つの主要バージョンで注目されている。研究者チームはAlphaFold 1 (2018年) を使用して、2018年12月に開催された「第13回 タンパク質構造予測精密評価 (CASP)」の総合ランキングで1位を獲得した。このプログラムは、部分的に類似した配列を持つタンパク質から既存のテンプレート構造が利用できない、競技会主催者によって最も難しいと評価されたターゲットの最も正確な構造を予測することに特に成功した。チームは、AlphaFold 2 (2020年) を使用して、2020年11月のCASPコンテストに参加した。チームは、他のどのグループよりもはるかに高い精度を達成した。このプログラムは、CASPのグローバル距離テスト (GDT) において、約3分の2のタンパク質について90以上のスコアを獲得した。これは計算プログラムが予測した構造がラボ実験で決定された構造と類似している度合いを測定するテストで、GDTの計算に使用される距離のカットオフの範囲内で100が完全な一致である。
CASPでのAlphaFold 2の結果は「驚異的」であり、変革的なものであると評された。
（ → AlphaFold - Wikipedia ）
要するに、非常に高精度で構造を推定している。その精度（正確さの程度）は、X線回折の精度にかなり近い。こうして人類の悲願が達成されたことになる。その意義はきわめて大きい。
ここで、この二人の業績は大きいのだが、その基礎には、(1) のデイヴィッド・ベイカーの業績があった。彼のソフトがタンパク質の構造解析でかなり成果を上げていたから、その延長上に位置する形で、(2) の二人が大幅な成果を上げることができたのだ。(1) が芽吹いたあとで、(2) が果実をもたらした、とも言えるだろう。
ハサビスの業績
デミス・ハサビスは会社の CEO というだけであり、AlphaFold の実質的な開発者であるジョン・ジャンパーとは貢献度が違う。開発者でもない CEO が、経営者というだけでノーベル賞を取るのは、筋が通らない……という気もしたが、調べたら、全然違った。
ハサビスは、かの画期的なソフトである AlphaGo の開発者だったのだ！ しかも、それ以前には、とんでもない業績を上げていた。2014年の当時の記事に、こうある。
《 Googleの人工知能開発をリードするDeepMindの天才デミス・ハサビス氏とはどんな人物なのか？ 》
DeepMindの創業者にしてGoogleの人工知能部門をリードし人工知能研究の最先端を走るデミス・ハサビス氏。
ハサビス氏は4歳でチェスをはじめるとすぐに神童と呼ばれ「史上最も優秀なチェスプレイヤー」と評されるほどチェスプレイヤーとして頭角を現しました。しかし、ハサビス氏は「脳はどのようにして複雑なタスクを学習するのだろう？」「コンピューターは脳と同じことをできるだろうか？」という疑問を抱き、チェスの道からコンピュータ学習・人工知能研究への道に転向しました。
1994年に、17歳のハサビス氏は「Theme Park」というシミュレーションゲームを開発して、2年飛び級でケンブリッジ大学を卒業。コンピュータサイエンスの学位を取得すると、1998年にはゲーム会社を設立して一定の成功を収めました。
2013年、……DeepMindはスペースインベーダーなどの古典ゲームをプレイしながら学習することでゲームスキルがぐんぐん向上していく機械学習技術を披露して世間をあっと驚かせます。カリフォルニア大学バークレー校で人工知能を研究するスチュアート・ラッセル教授によると「DeepMindの技術は当時、私たちが考えていた技術的レベルをはるかに上回る予想外のもので、大きなショックを受けました。私を含めて多くの人が思考停止に陥ったと思います」とそのときの様子を振り返っています。
DeepMindが示した高度な学習システムは何十年にも渡って研究されてきた人工知能技術の中でも画期的なものでしたが、この技術が可能になったのは「『脳』を研究していたから」だとハサビス氏は語っています。ゲームをプレイしながら学習するコンピュータは、何をするべきかという適切な解答を導き出すために過去の経験を再生して振り返って最適解を見つけ出すというプロセスを経ており、これは人間の脳の持つメカニズムに他ならないとのこと。
（ → GIGAZINE ）
このあと、DeepMind の技術を用いつつ、AlphaGo の開発に進んだ。
AlphaGo の特徴を見ると、次の二点であるようだ。
・ 従来のゲームソフトやＡＩの技術を使う。
・ Deep Learning（深層学習）の手法を使う。
前者は、評価関数や、モンテカルロ木など、高度な技術も使う。だが、これらは以前から知られているもので、特段の目新しさはない。（私も 30年ぐらい前から知っていた。）
後者は、近年になって発達したものだ。それを大規模に取り入れるのが目新しい。ただし、大規模に取り入れるには、次の二点が必要だ。
・ 多大な資金の調達。（大量のマシンの整備。）
・ システムを統合するチームリーダー。
後者を直接的にやったのは、ジョン・ジャンパーであったようだが、ハサビスも貢献したようだ。特に、彼がリーダーシップを取っていたからこそ、彼のために、多大な資金を導入することに成功したようだ。金を出したのは、Google 、イーロン・マスクなどだ。（ → Gigazine ）
──
以上では、三人の人物を示したが、私が注目するのはハサビスだ。彼がいたからこそ、画期的な業績が達成された。それは、単に「従来の技術を統合した」というだけでなく、「 AlpaGo の成功を基盤として、その上に構築する形で、タンパク質の解析技術を見事に達成した」ということだ。
私の理解では、今回の業績の本質的な意味は、「画期的な巨大な成果」ということではない。たしかに「画期的な巨大な成果」はあったが、そのこと自体が本質的なのではない。
本質的なのは、これが Deep Learning の技術によってもたらされた、と言うことだ。Deep Learning の技術を使ったからこそ、これほどにも大きな跳躍をもたらす画期的な成果が得られたのだ。
では、なぜか？ それは、Deep Learning の技術の本質が「パターン認識」であるからだ。その技術をうまく使うことで、AlphaGo では、従来の方法を大きく越える成果をもたらした。同様に、「パターン認識」の技術をうまく使うことで、AlphaFold では、従来の方法を大きく越える成果をもたらした。
AlphaGo では、白石と黒石の配置をパターンとして認識してから、そのあとはパターンの配置をパーセプトロンの深層学習で多様に学習することで、パターン認識の知性を構築していった。同様に、AlphaFold では、アミノ酸の組み合わせによる形状をパターンとして認識してから、そのあとはパターンの配置をパーセプトロンの深層学習で多様に学習することで、パターン認識の知性を構築していったのだろう。
つまり、AlphaGo の経験が、AlphaFold という形に昇華して、ただのゲームのお遊びを越えるほどの、多大な実質的貢献を人類にもたらしたのだ。それは、人類の数十年の悲願の達成とも言える、巨大な成果だった。
私の評価では、ハサビスは天才だと言える。ただし、アインシュタインやニュートンのような天才ではない。スティーブ・ジョブズやビル・ゲイツのような天才だ。自分で何かを発明するというよりは、卓抜なリーダーシップで組織をマネージメントして世界を変える、というような天才だ。
ジョブズとゲイズはパソコンをもたらし、ジョブズはスマホをもたらした。それに似て、ハサビスはＡＩを使う道具をいくつかもたらしたと言える。
※ ちなみに、AlphaGo の技術は開放されて、世界中で使われるようになった。AlphaFold も、技術はフリーで公開されるそうだ。（ → Wikipedia ）
※ 「何でタダで公開するの？」と思うのは、貧乏人の発想だ。彼はすでに巨万の富をもっているから、金をいくらもらっても、使い道がない。大谷と同じで、多すぎる金は使い道がないのだ。下手に金を使うと、E・マスクのようになって、人格を破壊されてしまう。６兆円の無駄遣いをして、自分自身を破壊してしまう。哀れ。
【 関連サイト 】
→ 囲碁チャンピオンを打ち破ったGoogleの人工知能「AlphaGo」を作った天才デミス・ハサビスが人工知能を語る - GIGAZINE
