バックナンバー

コラム本文

Natural sciences (Biology)(2024.03)

2023.03.14 Editor W. M.

The Italian polymath Galileo Galilei famously put forward the concept that ‘Mathematics is the language of nature’. How fitting, then, that we should now be using mathematics in the form of AI to understand and interpret natural processes. The sheer complexity of biological processes–––from the molecular and cellular level right up to entire ecosystems––seems a tailor-made challenge for AI to solve. However, AI models need to be trained before they can be set to task. This training requires generation of vast datasets, which in turn is facilitated by advances in technology and experimental methods. Perhaps the most well-known application of AI in the biology field is the use of DeepMind’s AlphaFold suite of programs to predict the structure of proteins. Usually, this requires time- and labor-intensive wetlab experiments such as X-ray crystallography and cryo-electron microscopy. Crystallography remains the gold standard for determination of protein structure. However, AlphaFold can provide an excellent prediction for an average-sized protein in just 15-20 seconds, whereas the lab-based approaches take days. At the other end of the biological scale, AI may help us to conserve precious ecosystems and protect endangered species. For example, the non-profit organization, Imazon, developed the Previsia AI platform to help predict where deforestation of the Amazonian rainforest is most likely to occur. Previsia looks for new roads springing up in the jungle, and then correlates their appearance with multiple other geographical, demographic and environmental parameters. Combined with historical records of deforestation, this allows Previsia to score the likelihood of deforestation in a particular area. In another example, Rainforest Connection have harnessed Arbimon, an ‘acoustic AI’ platform that allows organizations and researchers to listen to the all the sounds within a given ecosystem at scale and over time. This facilitates the identification of novel species, and the tracking of their behavior and response to changing environmental conditions (including those with a negative impact, such as deforestation and poaching). If such approaches can be combined with real-time responses from local and national governments to mitigate the environmental threats, we can look to the future of the natural world with a healthy optimism.

                             日本語訳は次へ↓

自然科学(生物学)

「自然は数学の言葉を使って書かれている」、イタリアの博学者であるガリレオ・ガリレイがこの概念を提唱したのは有名な話である。そうであるならば、ばAIで数学を自然現象の理解や解釈に利用することはいかにもふさわしい。分子・細胞レベルから生態系全体に至るまで、生物学的プロセスは非常に複雑であるため、AIが解決すべき課題としてはうってつけなのではないだろうか。ただし、AIモデルにこういった課題を課すためには、事前にAIモデルをトレーニングしておく必要がある。トレーニングには膨大なデータセットの作成が必要とされるが、テクノロジーや実験手法の発展によって容易となってきた。生物学分野でもっともよく知られているAIの応用例は、おそらくDeepMind社が開発した、タンパク質の構造を予測するための一連のAlphaFoldプログラムの利用であろう。通常、タンパク質の構造決定には、X線結晶構造解析やクライオ電子顕微鏡など、時間と労力を要するウェットラボの実験が必要である。依然として、結晶学はタンパク質の構造を決定するためのゴールドスタンダードであり、通常、こういった手法では平均的な大きさのタンパク質の構造決定に数日単位の時間を要する。しかしながら、AlphaFoldであれば、わずか15〜20秒で優れた予測結果を得られるのである。他方の生態系規模の話でいうと、貴重な生態系の保全や絶滅危惧種の保護にAIが役立つ可能性がある。たとえば、非営利団体であるImazonは、アマゾン熱帯雨林の伐採が最も起こりそうな場所を予測するために、Previsia AI platformを開発した。Previsiaは、ジャングルの中の新しい道路を探索し、地理的、人口統計的、環境的といった複数のパラメーターを関連付け、森林伐採の過去の記録と組み合わせることで、特定の地域における森林伐採の可能性をスコア化することができる。また別の事例として、Rainforest Connectionは、ある生態系内のすべての音を大規模かつ長期的にわたり、組織や学者が聞くことができる音響AIプラットフォームであるArbimonを活用している。これにより新種生物の同定や、環境条件の変化(森林伐採や密猟など悪影響を及ぼすものを含む)に対する生物の行動や反応の追跡が容易となる。こういったアプローチと、環境上の脅威の軽減を目的とした、地方自治体や国によるリアルタイムの対応を組み合わせることができれば、自然界の未来を健全な楽観主義的に見据えることができるのではないだろうか。

お問合せ・お見積り・ご発注