AI Enginerring Decoded #1 生成AIは科学研究をいかに変え得るか

AI Engineering Decodedの登壇資料です
https://fuku-inc.connpass.com/event/325765/

Transcript

1. 2024-07-28 fuku株式会社 代表取締役 山田涼太 AI Enginerring Decoded #1 生成AIは科学研究をいかに変え得るか
2. 山田 涼太 @roy29fuku roy29fuku 生命科学実験の効率化を入り口に 科学 × AIの領域で活動 休学届け提出 2016年3月 2017年4月 2019年3月 2018年3月 東京大学 工学部 システム創成学科 へ転学部 東京大学 工学部 システム創成学科 卒業 fuku株式会社 創業 自己紹介 東京大学 農学部 獣医学専修 2010年4月 趣味 ミステリーADV ダンガンロンパ、逆転裁判、極限脱出、レイジングループ 最近面白かったやつ https://store.steampowered.com/app/2676840/_/?l=japanese
3. 出典：文部科学省 基礎研究振興部会「基盤モデルとAI・ロボット駆動科学」 研究の自動化 AI・ロボット駆動科学 を目指しています 科学研究のPDCAサイクルにAIやロボットを活用する に取り組んでいます 会社紹介
4. 会社紹介：具体的な取り組み 理研：ロボティックバイオロジーによる生命科学の加速 京大：「富岳」で目指すシミュレーション・AI駆動型次世代医療・創薬 ロボットによる生命科学実験 実験データの自動解析 実験ログの収集・可視化 を実現するためのプロト タイピングラボ。双腕型のロボットが人間と同じ実験 機器を利用して人間の代わりに実験を行う。 や に携 わっています。 創薬AIプラットフォーム 公共データの構造化 パイプライン構築 。産官学連携により、ライフサ イエンス系公共データベースや製薬企業の実験データ を用いて様々なAIモデルを開発する。 や に携わってい ます。
5. 本日のテーマ 出典：文部科学省 基礎研究振興部会「基盤モデルとAI・ロボット駆動科学」 既存知識から仮説を生成する部分へのAI活用にフォーカス 生成AI登場以前の取り組み、現在の取り組み、どのように進めているか、何が難しいか
6. 生成AIの登場で できる 顧客課題の解決にフォーカス 本日のまとめ 基盤モデルの性能向上により、少量の正解データさえあればIn-context learningで多くの ケースで実現可能性をクイックに検証可能 Agentic workflowを採用することで、ユーザーの入力が不十分・不適切な場合をカバー できる可能性がある
7. 背景 既存知識を入力として新たな仮説（リサーチクエスチョン）の出力を目指す 原著論文 研究の背景、手法、結果、考察などを含む テキストだけでなく、FigureやTableには画像やテーブルがある 非構造化・半構造化データ 特定の関心ごとに関する情報を集約した構造化データ 多くはRDBMSが採用されるが、RDFなどのグラフデータや独自フォーマットのテキストデータの場合もある ドキュメントが整備されていないことが多い 公共データベース
8. 背景 既存知識を効率的に活用するため、構造化や統一フォーマットの導入などの様々な取り組みがさ れてきているが、未だ解決されていない（というか問題が増えている気さえする...） https://xkcd.com/927/
9. Before Generative AI 約5年間、デジタルネイティブな知識の蓄積フォーマットを開発⁨
10. Before Generative AI 抽出 & Named Entity Recognitio! & Relation Extraction 対応付け & Semantic WeC & Linked Data Krallinger, M., et al. (2015). https://medium.com/@alessandropaticchio/named-entity-recognition-from-scratch-e76b9b3affad
11. Before Generative AI 抽出 論文などの専門文書から などの名称と関係性を抽出 ・遺伝子名 ・疾患名 ・薬剤名 ・タンパク質名 抽出した情報を に対応付け ・NCBI Gene ID ・MONDO ID ・ChEMBL ID ・UniProt ID t Named Entity Recognitioo t Relation Extraction 対応付け t Semantic We t Linked Data ▶️
12. Before Generative AI：課題 最終的に特化型BERTをfine-tuningする手法を採用 実験手法ごとに1,000~2,000件の論文をアノテーション ロングテールに対応できない そもそも対象の論文が1,000件程度しかないこともある 十分な学習データを作成できるリソースがあるならAIが必要ない
13. With Generative AI 生成AIの活用により、顧客課題の解決にフォーカスできるようになってきた ‚s 論文からの情報抽d €s データベースを対象としたRAa Hs Agentic workflow
14. È 論文からの情報抽出 STEP 01 専門文書を用意する 論文、特許、社内文書、 医薬品インタビューフォーム etc... STEP 02 LLMが解析する ドメイン知識を活かした プロンプト STEP 03 「構造化データ」 が出力される 高度な分析の材料となる 表データやグラフデータ ¿ 【筑波大学】論文から細胞の形態や機能に関する記述の抽ž ¿ 【DBCLS】医薬品インタビューフォームの表データの抽ž ¿ 【理研BRC】論文から化合物、タンパク質、遺伝子などの生命科学関連の単語の抽ž ¿ 【非公開】論文のTableデータの抽出
15. È 論文からの情報抽出 出典：Cellular senescence: the good, the bad and the unknown - PMC 出典：Senescence and the SASP: many therapeutic avenues - PMC 出典：Senescence and aging: Causes, consequences, and therapeutic avenues - PMC
16. Ç 論文からの情報抽出 対象論文の取得 アノテーション LLMによる情報抽出 PubMed 外部システム Downloader Formatter Extractor Evaluator PMC OA Subset Annotation system fuku開発 検索 検索結果 (CSV) アノテーション PMCID 全文 (XML) 全文 Title/Abstract Title/Abstract アノテーション結果 (TSV) Title/Abstract 抽出結果 比較結果 検索結果 (CSV)
17.  データベースを対象としたRAG V 【京都大学】創薬AIのための学習データセット生& V 【農研機構】植物の系譜情報に関する質問応答 出典：Query Construction
18.  データベースを対象としたRAG https://github.com/dbcls/pfo/blob/main/schema/PedigreeFinderSchemaCrossing.png 実‚ t 【農研機構】自然言語でライフサイエンスDBへの問い合わh t 【京都大学】創薬AIの学習データの自動生成 As-i™ t ライフサイエンス領域では様々なDBが存 t 使いこなすにはドメインと技術の両方の知識が必要 To-bŸ t LLMにDBのSchemaを理解することで操作させることが可 t ユーザーは自然言語で問い合わせをし、LLMがクエリを発行
19.  Agentic workflow What's next for AI agentic workflows ft. Andrew Ng of AI Fund - YouTube
20.  Agentic workflow SearchQueryBuilder Agent SemanticScholarAPIRetriever Genearator ライフサイエンス業界における ラボラトリーオートメーションの 事例を教えて “laboratory automation" "life sciences" examples [ { 'paperId': '4ba8b2086b77e1982b8bb7f5a434c7604d2730a6', 'url': 'https://www.semanticscholar.org/paper/...', 'title': 'Metrology for data in life sciences, ...' 'abstract': 'Data metrology, i.e., the evaluation of...' }, ... ] ### 論文リス ト 1. **タイト ル**: Metrology for data in life sciences, healthcare and pharmaceutical manufacturing: Case studies from the National Physical Laborator y - **UR L**: [リン ク] (https://www.semanticscholar.org/ paper/4ba8b2086b77e1982b8bb7f5a434c7604d2730a6 ) - **著者**: Paul Duncan, N. Smith, M. Romanchikov a - **発表年**: 202 3 - **概要**: この論文では、ライフサイエンス とヘルス ケアプロ ジェクトにお いて デー タメト ロロジーを 使用して デー タ品質を 向 上させた事例を 紹介して います。 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧
21. AIロボット駆動科学は今！熱い領域 興味がある方は一緒にお仕事しましょう！ こんな方におすすめ 科学の自動化を実現し人類に貢献したい AI・ロボットに科学研究をやらせて何が生まれるか知りたい We are hiring！