AIネイティブなウェットラボ
Anthropicはすでに密かに取り組んでいる。生物学的ウェットラボはAIに2番目に適した業界だ。AIは疲れを知らず、毎日決まった時間に決まった場所で働くことができ、交絡因子を持ち込まない。実験結果や操作を上に隠して下を欺くことはなく、標準化されており、実験者自身が結果に影響を与えることもない。実験結果に基づいて自主的に改善策を提案し、新たな仮説を立てることができる。
AIネイティブなウェットラボ
Anthropicはすでに密かに取り組んでいる。生物学的ウェットラボはAIに2番目に適した業界だ。AIは疲れを知らず、毎日決まった時間に決まった場所で働くことができ、交絡因子を持ち込まない。実験結果や操作を上に隠して下を欺くことはなく、標準化されており、実験者自身が結果に影響を与えることもない。実験結果に基づいて自主的に改善策を提案し、新たな仮説を立てることができる。
私の判断では、短期的により現実的なのは「AIによる実験設計・記録の支援」であり、AIにウェット実験を完全に任せることではない。その理由は、生物実験には暗黙知が多く、物理的操作の許容誤差が極めて小さいため、一度ミスをすると取り返しがつかないことが多いからだ。さらに、規制当局がデータのトレーサビリティを求めていることもあり、初期段階で完全無人化がコンプライアンスをクリアするのは難しい。
まず小規模な対照実験を回して、AIが立てた仮説がどれだけ検証できるかを見てから、投資するかどうかを決めましょう。
もしAIが自律的に仮説を立て実験を設計できるとしたら、その「好奇心」はどう設定すればよいのか。特定の標的に向けて最適化するのか、それともオープンエンドな探索にするのか。この点が、チームがどんなバックグラウンドの人材を採用すべきかを直接左右する。
この方向性については、判断を下すには情報量がまだ足りません。たとえば、Anthropicが具体的にどこまで進めているのか、データを公開したことがあるのか、第三者が再現した例はあるのか、といった点が一切触れられていません。「こっそりやっている」という表現だけでは、成熟度を過大評価しやすくなるので、検証可能な手がかりや続報を補っていただけるとよいと思います。
まず参入する領域に必須の資格要件があるかどうかを確認してから、AIの活用を検討しましょう。
ウェットラボの標準化と自動化は理想的に聞こえますが、試薬ロット間のばらつきや細胞状態の変動といった潜在的な変数を、AIは識別して補正できるのでしょうか?ここが実運用で最も厄介な部分です。