研究論文はあまりにも速いペースで発表されるため、全てを読むことは不可能です。特に機械学習の分野は、今や事実上あらゆる業界や企業に影響を与え（論文も発表されています）、その勢いは止まりません。このコラムでは、特に人工知能（AI）に限らず、近年の最も関連性の高い発見や論文を収集し、それらがなぜ重要なのかを説明します。
今週は、消費者向けアプリケーションよりも「基礎研究」に重点を置いた内容です。機械学習は、ユーザーが恩恵を受ける様々な方法で応用できますが、地震学や生物学といった分野においても変革をもたらす可能性があります。膨大な量のバックログデータを活用してAIモデルを学習させたり、洞察を掘り出すための素材として活用したりすることが可能なのです。
アースシェイカーズの内側
私たちは、まだ理解できていない自然現象に囲まれています。地震や嵐の発生源は分かっていますが、それらはどのように伝播するのでしょうか？異なる測定値を相互参照した場合、どのような二次的な影響があるのでしょうか？これらの現象はどれくらい先まで予測できるのでしょうか？
最近発表された多くの研究プロジェクトでは、機械学習を用いてこれらの現象をより深く理解または予測しようと試みています。数十年分のデータが利用可能であるため、この方法ではあらゆる分野にわたる知見が得られる可能性があります。ただし、これに関心のある地震学者、気象学者、地質学者が資金と専門知識を獲得できればの話です。
ロスアラモス国立研究所の研究者による最新の発見は、新たなデータソースと機械学習を用いて、「ゆっくり地震」発生時の断層沿いのこれまで観測されていなかった挙動を記録したものだ。軌道上から捕捉された合成開口レーダーは、雲や夜間でも地表の形状を正確かつ規則的に撮影することができ、研究チームはトルコの北アナトリア断層沿いで初めて「破壊伝播」を直接観測することに成功した。
カペラスペースは、現在市販されている中で最も高解像度のSAR画像を提供しています。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
「私たちが開発したディープラーニングのアプローチにより、断層で発生する小さく一時的な変形を前例のない解像度で自動的に検出することが可能になり、地球規模でゆっくりした地震と通常の地震の相互作用を体系的に研究する道が開かれる」とロスアラモスの地球物理学者ベルトラン・ルエ＝ルデュック氏は述べた。
スタンフォード大学で数年前から行われているもう一つの取り組みは、地球科学研究者のモスタファ・ムサヴィ氏が地震データの信号対雑音比問題に対処するのを支援するものです。ある日、古いソフトウェアで解析されたデータを何十億回も繰り返してじっくりと分析していた彼は、もっと良い方法があるはずだと感じ、長年様々な手法の開発に取り組んできました。最新の研究は、気づかれずにデータに記録を残している微小地震の証拠を解明する方法です。
「地震トランスフォーマー」（ロボットの名前ではなく、機械学習技術にちなんで名付けられた）は、長年にわたり手作業で分類された地震観測データで訓練された。鳥取県で発生したマグニチュード6.6の地震で収集されたデータでテストしたところ、21,092件の地震を個別に分離できた。これは、人間による当初の調査で発見された数の2倍以上であり、しかも地震を記録した観測所の半分以下のデータしか使用していない。
このツールだけでは地震を予測することはできませんが、地震現象の真の本質をより深く理解することで、他の手段で予測できるようになるかもしれません。「こうした極めて小さな地震を検知し、その位置を特定する能力を向上させることで、地震が断層に沿ってどのように相互作用し、広がるのか、どのように始まり、どのように止まるのかをより明確に理解できるようになります」と、共著者のグレゴリー・ベロザ氏は述べています。
「十分」が良いとき
予測が難しいことで知られるもう一つの現象は、もちろん天気です。その課題の一つは、膨大な量のデータが関係することです。気象学者は近くの前線や気象データを見て、今後数日間の予測を立てることができますが、長期的な予測は別の問題です。長年にわたる傾向が、非常に複雑なシステムの中で複雑に絡み合うことがしばしばあります。
ワシントン大学の研究チームは、目標を少し下げ、機械学習に最も得意とする領域に委ねることで、ある意味でゴルディアスの結び目を解き、あるいは少なくともそれを徹底的に叩き潰したと言えるでしょう。彼らは、物理学やその基盤となるシステムに関する情報を一切与えずに、40年分の気象データでモデルを訓練しました。その結果、予測精度はトップクラスのシステムには遠く及ばないものの、はるかに少ない計算リソースで「十分に良い」予測を行えることが分かりました。
週間予報には適さないかもしれませんが、その高速性により、気象学者は通常1回のシミュレーションにかかる時間で多数のシミュレーションを実行でき、より多くのケースを網羅し、より多くのエッジケースを考慮することができます。これはハリケーンの予測などに有効です。現在、このモデルはまだ開発段階ですが、このアプローチは非常に有望であると思われます（一般消費者向けではないにせよ）。
機械モデルが退屈な作業を「まあまあ」のレベルでこなすのに優れているもう一つの分野は、ある種の画像を別の画像に変換することです。スケッチをモンスターに変えたり、写真を絵画に変えたりといった楽しい作業でこの能力が見られますが、これらはすべて、ある種のデータを別の種類のデータに素早く変換するという点で同じ能力を発揮しています。
GoogleはAI搭載の悪夢の生き物ジェネレーターを開発した
この問題のかなり難解な分野の一つは、人体や臓器の2Dスキャンを3D画像に変換することです。例えば、感染症による膵臓の腫れを抑える薬を試験しているとします。動物をスキャンして薬の効果を確認する場合、膵臓が他の臓器と比べてどこに位置しているか、どれだけのスペースを占めているかなどをスキャン画像から把握する必要があります。これは時間がかかり、エラーが発生しやすいプロセスです。
ミュンヘン工科大学の新しいソフトウェアは、これを自動化し、AIが骨や臓器の位置と大きさを推定できるようにします。「ソフトウェアが画像データを自動で分析できるようになるまで、全身スキャンを10回程度しか必要としませんでした。しかも、わずか数秒で完了しました。人間であれば、この作業には何時間もかかります」と、ミュンヘン工科大学の研究者オリバー・ショッペ氏は述べています。得られた推定値は、人間の作業よりもさらに正確でした。この論文はNature Communications誌に掲載されました。
ブラックボックスの限界
これらすべての例において、AIは効果的で有用ですが、その結果に至るプロセスは十分に文書化されていません。マウスの臓器を再構成する場合にはそれほど重要ではありませんが、より繊細な何かを決定するアルゴリズムにおいては、プロセスに偏りや不正がないことを示すために、AIの文書化は極めて重要になりつつあります。
デューク大学の研究者たちは、AIが判断にどのような概念が影響したかを明確にすることで、いわばその作業を示す方法に取り組んでいます。例えば、コンピュータービジョンアルゴリズムが写真を見て寝室だと判断した場合、何がそれを示唆したのでしょうか？ベッドでしょうか？具体的にはシーツでしょうか？それとも目覚まし時計が置いてあるナイトスタンドでしょうか？それとも、もっと微妙な何かが影響しているのでしょうか？有名な「草原の羊」の例が示すように、明白な答え（ベッド！）が必ずしも正しいとは限りません（あるAIは、草原には羊も含まれると理解していたため、実際には羊はいなかったにもかかわらず、草原の風景に羊がいると説明しました）。
デューク法を用いると、AIは最終的な判断結果を報告するだけでなく、その判断に至る過程で「記憶」のどの部分が活性化されたかも報告する。こうすることで、もしそこに誤った情報やコンピューターロジックの飛躍的な問題があったとしても、最終的な結果と共に正直に報告されることになる。
AI研究者は、人種的偏見と欠陥のある手法を理由に、犯罪予測ソフトウェアを非難している。
最後に、ブラックボックスの有無に関わらず、機械学習の用途には厳格な制限を設けるべきだと考える専門家もいます。EPFLのブライアン・フォード氏は、AIには根本的な欠陥があり、例えば政策立案には不向きだと説明しました。
「人間を統治する政策の問題は、あくまでも人間にのみ留保された領域であり続けるべきだ」と、彼はデジタル技術によるガバナンスに関するバーチャルカンファレンスで述べた。「機械学習アルゴリズムは歴史的経験を表すデータセットから学習するため、AI主導の政策は、過去が未来に関する意思決定を行う上で正しい、最善の、あるいは唯一の実行可能な基盤であるという前提によって根本的に制約されている。しかし、過去も現在も社会はどれも非常に不完全であることを私たちは知っている。だからこそ、真に社会を改善したいという希望を持つためには、ガバナンスは先見性と将来を見据えたものでなければならないのだ。」
数十年にわたりこの分野の研究者として影響力を持ち、このテーマに関する興味深い本の著者でもあるスチュアート・ラッセル氏（私は今年初めに彼にインタビューしました）は、私たちが使用するほぼすべての AI が、あなたを消費者であると同時に製品としても扱うと指摘しています。
「すでに50もの企業のAIがあなたのポケットの中に潜み、あなたの情報やお金を次から次へと盗んでいます。あなたの携帯電話の中に、実際にあなたのために働いている人はいません。この状況を改め、携帯電話のソフトウェアが実際にあなたのために働き、他の組織と交渉してあなたのデータのプライバシーを守るようにすることは可能でしょうか？」
少なくとも試してみるのは損にはならないはずです。
スチュアート・ラッセル氏、AIを「人間に適合させる」方法について語る
