2024年のノーベル化学賞の半分は、次の人物に授与されたデイヴィッド・ベイカー（David Baker），「計算によるタンパク質設計への貢献をたたえて」；残りの半分は共同で授与されたデミス・ハサビス（Demis Hassabis）とジョン・M・ジャンパー（John M. Jumper）、「タンパク質構造予測における業績をたたえて」。
David Baker はワシントン大学タンパク質設計研究所の所長で、タンパク質設計分野の先駆者と称されています。2003年以降、まったく新しい Top7 など、革新的なタンパク質を複数設計することに成功し、医薬品、ワクチン、ナノ材料、超小型センサーなどの分野で広く利用されています。また、1999年にはすでにタンパク質構造予測アルゴリズム RoseTTA を提案しており、Deepmind の AlphaFold に先行していました。
残る二人の受賞者は、なおさらおなじみだ。Demis Hassabis は Google DeepMind の共同創業者兼 CEO、John M. Jumper は現在 Google DeepMind のディレクターを務めている。二人はチームを率いて AI モデル AlphaFold 2を開発することで、科学界を50年間悩ませてきた難題、すなわちアミノ酸配列からタンパク質の複雑な構造を予測するという課題を解決した。
タンパク質は生命の基本的な化学的道具であり、あらゆる生化学反応を制御し、推し進め、ホルモン、情報伝達物質、抗体、組織の構築において重要な役割を担っています。タンパク質では、アミノ酸が長い鎖状につながり、三次元構造に折り畳まれています。前世紀の70年代以来、研究者たちはアミノ酸配列からタンパク質の構造を予測しようと試みてきましたが、進展は遅く、四年前にDeepMindが驚くべき突破口を開くまで、その状況が続いていました。
2020年、Demis HassabisとJohn Jumperは初代AlphaFoldを基にAlphaFold 2を開発しました。研究者が特定した2億個のタンパク質のほぼすべてについて構造を予測でき、これまでに2万回以上引用され、190か国の200万人以上に利用されており、マラリアワクチン、がん治療、酵素設計、抗生物質耐性の研究などの分野で大きな進展を促してきました。実際、ノーベル賞に先立ち、二人はすでに昨年、基礎医学研究への優れた貢献を評価され、「科学界のアカデミー賞」と呼ばれる生命科学ブレイクスルー賞と、「ノーベル賞の行方を占う指標」とされるラスカー賞を受賞しています。
スウェーデン王立科学アカデミーは声明で、「タンパク質なしに生命は存在できません。今や私たちはタンパク質の構造を予測し、独自のタンパク質を設計できるようになり、これは人類に大きな恩恵をもたらしています」と述べました。
受賞の知らせを受け、Google DeepMind公式はすぐさま投稿して「吉報」を伝えた。
Demis Hassabisも声明で次のように述べました：
「ノーベル賞の受賞は、私の生涯の栄誉です。スウェーデン王立科学アカデミー、John JumperとAlphaFoldチーム、さらに広くDeepMindとGoogleのチーム、そしてこの瞬間の実現に貢献したすべての同僚に感謝します。私はAIの進歩に自らの職業人生を捧げてきました。AIには、何十億もの人々の暮らしを改善できる、比類のない可能性があるからです。AlphaFoldはすでに200万人を超える研究者に利用され、酵素設計から創薬まで、重要な研究を前進させています。将来、私たちがAlphaFoldを、AIが科学的発見を加速する大きな可能性を示した最初の実証と見なせることを願っています。」
John Jumper は続けてこう述べました：「これは、AI が科学研究を加速し、最終的には病気の理解や治療法の開発に役立つことを示す重要な証拠です。この成果は Google DeepMind の優秀なチームによるものであり、この賞は彼らの卓越した貢献も認めるものです。」
ここまで見てくると、それ以前にいち早く物理学賞を受賞し、大きな議論を呼んだ「AIのゴッドファーザー」ジェフリー・E・ヒントン（Geoffrey E. Hinton）も含め、今年最も注目されたこれらの受賞者の背後にある共通点は明らかです——ヒントンはGoogle初期のAIへの野心を担ったGoogle Brainの中心人物であり、Demis Hassabisは近年のGoogleのAI研究を担うGoogle Deepmindの魂ともいえる存在です。
「ノーベル・パーティー」までGoogleのキャンパスで直接開催されたのも、なるほど納得です。
ノーベル賞が相次いでAI科学者に授与される中、Googleも「大勝ち」した。
Googleの攻勢
時系列で見ると、Googleは間違いなく、人工知能に最も早く参入した大企業プレイヤーだ。
多くの語られ方では、2012年の冬、米国タホ湖畔のカジノホテルで行われた秘密の入札は、Google、Microsoft、百度という三大テクノロジー企業とDeepMindが、Hintonの設立したばかりの小さな会社DNNResearchをめぐって繰り広げた公正な競争として描かれています。この会社には、数本の論文以外に実体のある製品は何もありませんでした。しかし後から振り返れば、この入札の結末は実は早くから決まっていたのです。その発端の一つが、まさに6か月前のGoogleによる働きかけだったからです。
2012年6月、Google Brainは「Googleの猫（The Cat Neurons）」プロジェクトの開始を公表し、アルゴリズムでYouTube動画に映る猫を識別しました。呉恩達が率い、Jeff Deanも参加し、創業者Larry Pageから強力な支援を受けました。
このプロジェクトでは、10億個の結合を持つ大規模なニューラルネットワークを構築し、YouTubeのラベルなし動画1000万本を使って、16,000個のCPUで学習を行った。教師なし学習により、このシステムは猫の顔の識別を自律的に学習することに成功し、正解率は74.8%に達したほか、人の顔など他の対象も識別できた。
しかし、アンドリュー・ンはプロジェクトの後期に、勢いのあるうちに身を引くことを選び、去る前に自分の師であるHintonを後任としてGoogleに推薦した。Hintonは、大学を離れるつもりはなく、Googleには「ひと夏だけ滞在する」のであれば応じると述べた。こうして、彼はGoogle史上最高齢のインターンとなった。
深層学習分野の権威であるHintonは、すぐにプロジェクトの欠陥に気づき、Googleの猫は「誤ったニューラルネットワークを動かし、誤った計算能力を使っている」と指摘しました。そこで、短い「実習期間」が終わると、Hintonはすぐに学生のIlya SutskeverとAlex Krizhevskyを集めてチームを結成し、新しいニューラルネットワークアーキテクチャAlexNetを開発しました。そして、わずか4基のNVIDIA製GPUで学習させた成果を携えて2012年のImageNet画像認識コンテストに参加し、最終的に84%の正解率で、それまでの常識を覆す勝利を収めました。
同年10月、Hintonのチームはフィレンツェのコンピュータービジョン会議で、優勝したアルゴリズムAlexNetを正式に紹介しました。学術界の一チームが、ハードウェアや研究開発資源で圧倒的な差のあるGoogleを逆転して破り、学術界と産業界に大きな衝撃を与えました。AlexNetの論文もコンピューター科学史上で最も影響力のある論文の一つとなり、引用回数は12万回を超えています。
続いて、三人の会社DNNResearchが登記され、設立された。その後の入札の展開はますます自然な流れとなり、評価額が4400万ドルに引き上げられた時点で、Hintonは競売を打ち切り、二人の学生と共に正式にGoogleに加わり、Google Brainの副社長兼エンジニアリング研究員に就任した。
当時のHintonは声明でこう記していました：「トロント大学では引き続き非常勤で教えますが、Googleでは、超大規模な計算を私たちがどのように扱うのかを見ることができます。」
2023年5月までの10年間にわたる Google でのキャリアにおいて、Hinton は大規模な人工ニューラルネットワークの研究に引き続き携わり、Bard や ChatGPT などの現代の AI システムを支える基盤技術に根本的な貢献をしました。また、オープンソースの機械学習ソフトウェアライブラリ TensorFlow の開発にも参加し、画像認識や言語理解などの AI アプリケーションの能力向上を促進するとともに、深層学習技術を Google のさまざまな製品やサービスに広く応用しました。
Google が人材と技術を集める勢いは、一度も衰えていません。DNNResearch の買収からわずか2年後、当時の入札競争の相手の一つであった、Hassabis が創業した DeepMind も傘下に収めました。
伝えられるところでは、Googleは当時、Hintonをロンドンへ「品定め」に連れて行くため、わざわざプライベートジェットをチャーターし、背中の痛みで飛行機に乗れない問題を解決するために座席まで特別に改造したそうです。一方、当時Googleに押しのけられてDeepMindを逃したFacebookは、「ディープラーニングの三巨頭」の一人であるYann LeCunを、高額な待遇で引き抜く方針へと転じました。
Deepmindの物語
DeepMindに目を向けると、実はGoogleに買収される前、すでに財務上の困難に直面していました。同社は資金を消費し続ける一方で、持続可能なビジネスモデルを見いだせず、倒産寸前にまで追い込まれていました。
Googleによる6億ドルでの買収はDeepMindを救い、中核となる技術チームを維持しただけでなく、クラウドコンピューティング基盤やデータセンターの支援を含む、強力な計算資源も提供しました。これによってDeepMindは、より高い計算能力を使って深層ニューラルネットワークを訓練できるようになり、特にAlphaGoの開発では、計算速度とモデルの精度が大幅に向上しました。さらに、Googleは専用設計のTPU（テンソル処理ユニット）も提供し、深層学習モデルの訓練と推論の効率をさらに最適化しました。AIの基盤ツールであるTensorFlowもDeepMindの研究に広く利用され、AlphaGoの性能向上を支えました。
AlphaGoはDeepMindチームが開発した囲碁AIプログラムである。数百万局の棋譜を分析し、自己対局による強化学習を行うことで、複雑な囲碁の戦略を身に付け、人間のトップ棋士を上回ることができる。2016年、AlphaGoは囲碁の世界王者である李世石との対戦で4対1の勝利を収め、この一戦で名を上げ、世界に衝撃を与えた。
しかし Hassabis にとって、ボードゲームを通じて AI が複雑な問題を解決する可能性を検証することは、始まりにすぎません。より重要なのは、それを汎用学習システムの導きに用いて現実世界の課題に取り組み、人々の暮らしを実際に改善し、産業を革新し、科学の発展を進めることです。
そこでDeepMindは数か月のうちに生物学者を迅速に採用し、タンパク質の折りたたみ問題の解決に専念する学際的なチームを結成し、最終的に2018年にAlphaFoldプロジェクトの誕生へとつなげました。幾度もの改良を経て、AlphaFoldはその画期的なタンパク質構造予測能力によって生物学研究を一変させ、科学分野におけるAIの大きな応用の可能性を示しました。
今年5月、Google Deepmindは再び公式発表を行い、Isomorphic Labsと共同で新世代のタンパク質予測モデルAlphaFold 3を公開し、関連論文は一挙に『Nature』誌に掲載されました。
従来のバージョンと比べ、AlphaFold 3はタンパク質の折り畳み予測で進歩を遂げただけでなく、タンパク質、DNA、RNA、リガンドなどの生体分子の構造とその相互作用を、初めて高精度で予測できるようになりました。この突破口は、科学者が病気の仕組みや生命過程をより深く理解する助けとなり、研究開発の時間と費用も大幅に削減しました。再生可能な材料の開発から、医薬品設計やゲノミクス研究の加速まで、AlphaFold 3は生体分子分野に、より幅広い応用の可能性を開いています。
それだけでなく、チームは AlphaFold 3 を基に、世界中の科学者が非商業的な研究に利用できる AlphaFold Server という無料プラットフォームも公開し、科学的探究の普及をさらに後押ししています。
Google は DeepMind を通じて世界トップクラスの研究者を引きつけ続け、長期的な資金支援を提供することで、短期的な商業的収益に頼らず、画期的な研究に専念できるようにしています。また、Google は DeepMind に戦略上の高い自主性を与え、研究の方向を自由に選べるようにしています。こうした独立性と長期的な支援こそが、DeepMind が先を見据えた研究を行うための確かな基盤となっています。
ゲーム分野や生物学上のブレークスルーに加え、DeepMindはGoogle アシスタント向けにリアルな音声合成モデルWaveNetも開発し、音声対話の体験を向上させました。視覚・言語・行動モデルRT-2を通じて、多様な環境でロボットがタスクを実行する能力を強化しました。その研究は天気予測や核融合炉などの複雑な問題にも及び、AlphaCodeやAlphaDevなどのプロジェクトを通じて、コンピューターアルゴリズムのさらなる発展を推進しています。
Google の「蓄え」は今なお厚い
今日の人工知能競争では、OpenAI や Anthropic といった注目企業の急成長や、ChatGPT、Claude による Gemini の「圧倒」が、一時は Google の AI 戦略に疑問を抱かせた。特に生成 AI 製品と開発者向けツールの商用化において、OpenAI などの急速な発展は、比較的ゆっくりとした Google の歩みと鮮明な対照をなしていた。
しかし、目の前の二つのノーベル賞は、Googleの厚みのある研究基盤と技術の蓄積が、依然として他社には再現しがたい強みであることを、私たちに示しているようです。
2006年以前のディープラーニングの状況は、ケルヴィン男爵のあの名言で要約できる：「ディープラーニングの大厦はほぼ完成した。ただ、陽光の降り注ぐ空に、三つの小さな暗雲が漂っている。」
この三つの小さな暗雲は、それぞれアルゴリズム、計算能力、データです。
そしてGoogleは、まさにこれらの重要な分野で明らかな優位性を持っています。まず、世界有数の膨大なデータ資源を保有しており、YouTube、Google Scholar、Google Searchなどのプラットフォームを通じて、視覚認識、音声認識、自然言語処理などのAIモデルに、豊富で多様な学習データを提供しています。
次に、Google は計算資源の面で大きな優位性を持つ。独自開発の TPU ハードウェアは深層学習モデルの訓練を大幅に高速化し、Google Cloud は社内研究に強力な計算能力を提供するだけでなく、世界中の開発者にもツールを提供し、複雑な AI アプリケーションを迅速に構築・デプロイできるよう支援している。
アルゴリズムの研究開発分野でも、Googleは業界の最前線にいる。Google Brainチームで生まれたTransformerアーキテクチャは、現代の自然言語処理の基礎を築き、今日のほぼすべての最先端AIモデルの発展を後押しした。これらの技術は学術界の進歩を促しただけでなく、Googleの主要製品にも広く活用されている。
2024年、AI分野は依然としてアルゴリズム、計算能力、データの課題に直面している。多くの企業がそれぞれ特定の分野で突破口を開いてはいるものの、比較すると、この三つの優位性を同時に備え、それらを継続的かつ効果的に組み合わせているのは、やはりGoogleのように見える。
OpenAIやマイクロソフトなどとの競争において、Googleの「蓄え」は依然として厚く、AI競争でも敗れたわけではありません。人工知能の可能性はまだ十分に引き出されておらず、この長距離走では、技術革新の深さと広さこそが最終的な勝者を決めるのかもしれません。
