近年、新インフラを牽引役とする新世代情報技術が各産業に浸透する中で、「産学連携・研究・応用」という概念が政策文書や産業発展計画において頻繁に登場しています。今年の政府活動報告でも、「産学連携・研究・応用の融合を深める」ことが明確に提唱されています。私見では、 「産学連携・研究・応用」は、学術研究と産業応用という二つの分野に分けられます。学術研究とは、教育と科学研究、すなわち人材育成と科学研究のブレークスルーを指します。産業応用とは、革新技術を生産プロセスや実用化の場面に実装することを指します。

長らく、学界と産業界は分断され、学界は最先端の技術革新に注力し、産業界は実務上の課題解決に苦慮していました。しかし、技術移転の重要性がますます高まり、学界と産業界の間にはコミュニケーションと交流の架け橋が徐々に築かれてきました。そして今、AIを原動力とする新たな波が押し寄せています。AIは、産業界の効率性と品質を向上させる強力なツールであるだけでなく、研究パラダイムを徐々に変革しつつあります。こうした背景から、学界と産業界の双方向の連携は、もはや避けられない潮流となっています。

一方では、産業用 AI アプリケーションは、ビジネス プロセスと生産方法のインテリジェントな変革に重点を置いており、完全に独立して制御可能な AI ツールやソリューションは比較的不足しています。一方、科学向け AI の発展は、科学研究プロセスを加速させ、多数の画期的で革新的な成果を生み出しており、その実現可能性を検証するためには、より多くの実際のデータやアプリケーション シナリオが早急に必要です。

上海交通大学自然科学学院、物理天文学学院、薬学院の著名な教授であるホン・リャン教授は次のように語っています。 「今日の開発環境では、論文を発表することがもはや唯一の目標ではなく、実用的な工学的問題の解決に焦点を当てることがより重要であることを研究者はますます認識しています。」

ホン・リャン教授はサマースクールで自身の洞察を深く共有しました。

洪亮教授の産学連携へのオープンマインドは、自身が率先して開催したサマースクール活動にも反映されています。多くの大学が学術成果の展示と共有に終始するコースとは異なり、上海交通大学AIバイオエンジニアリングサマースクールはタンパク質工学分野に焦点を当てています。上海交通大学、厦門大学、復旦大学、中山大学、上海人工知能実験室から専門家を招き、最新の研究成果を共有するだけでなく、金賽製薬、藍海生物科技、中原匯吉と協力し、産業分野におけるAIバイオエンジニアリングの発展プロセスを応用の観点から紹介しました。

特筆すべきは、このサマースクールの参加者には、中国の多くの大学の専門家や学者に加え、30社近くの企業の研究開発担当者、さらには大企業のチームリーダーや会長まで含まれていたことです。彼らは学生と共に3日間の講座を全編視聴しました。これは、学校や研究機関で行われる最先端技術に関する議論ではほとんど見られない現象ですが、大学のサマースクールという活動においては顕著であり、AI、特に「応用可能なAI」に対する産業界の熱意を如実に示しています。

サマースクール期間中、HyperAIはホン・リャン教授と深く対話する機会を得ました。教授は、タンパク質工学分野におけるAIの発展をはじめ、一見些細な点からも深い洞察を得て、AI for Science（AI4S）の実現に向けた課題と道筋、そしてAIと科学を有機的に融合させる方法について包括的に検討しました。

彼は思い切った転職をし、ビリビリでAIの学位を取得しました。

実際、AI for Scienceは過去2年間で飛躍的な進歩を遂げました。当初は、いくつかの研究グループが小規模なAIツールの検討を行い、データ処理効率の向上を目指していました。今日では、多くの科学研究分野において、AIは研究のボトルネックを打破する鍵となり、多くの工学タスクにおいて人間の専門家を上回るパフォーマンスを発揮しています。これにより、AI実践者が研究分野に流入し、研究者が自らAIを学習し始めています。AIと科学の垣根が崩れたことで、数多くの素晴らしい研究成果が生まれたことは間違いありませんが、実際に研究室の外に出た成果はごくわずかです。

これに対し、洪亮教授は「AI4Sの開発においては、『皇帝の新しい服』を作らないことが重要です。遅かれ早かれ必ずバレてしまうからです。実用化に重点を置くべきです」と述べ、 「AI4Sの実装が成功すれば、より大きな達成感が得られるでしょう」と率直に認めた。

洪梁教授は、自身の経験を例に挙げ、AI4S導入の魅力をさらに分析しました。当初は基礎研究に携わっており、「研究がどのように実用化されるのかは論文でしか想像できませんでした」。しかし、チームがタンパク質工学のための汎用人工知能（AI）の導入に成功し、実際に20社以上の企業を訪問してタンパク質製品の開発を支援した時、そしてコンピューター上で設計した分子が5,000リットルの発酵槽で生産され、実際に使用されているのを見た時、 「その瞬間、基礎研究出身の科学者として、計り知れないほどの幸福感を覚えました」と語っています。

特筆すべきは、独自に開発した「Protein Engineering Pro」シリーズの大型モデルをベースに、機能要件を満たすタンパク質配列を直接設計し、すでに世界初、第2位の高度に複雑なタンパク質製品の大型モデル設計を達成して産業化していることである。

タンパク質工学研究の分野で最初に産業化を達成するにはどうすればいいかを議論する際に、プラットフォーム、個人の学歴、研究の方向性などの要素がすべて重要であると洪亮教授は考えています。

このプラットフォームに関して、彼が勤務する上海交通大学は工学系プログラムで有名な大学です。「産学連携において研究グループを支援してくださった大学に大変感謝しています」と彼は述べました。上海交通大学の学術的雰囲気は全体的にオープンで、産学連携に対して寛容であり、研究グループが研究成果の実現に向けて取り組む中で、大学は物質的にも精神的にも大きな励ましを与えてくれます。

さらに、ホン・リャン教授の学術的背景と AI 開発動向に関する深い洞察は、同教授が産業界における研究開発の応用へと進むことを可能にした基礎となっています。

彼は中国科学技術大学で物理学の学士号を取得し、香港中文大学で大学院の学位を取得しました。香港中文大学ではナノマテリアルの合成と特性評価を研究の中心としていました。その後、米国アクロン大学で博士号を取得しました。アクロン大学での主な研究対象はポリマーとタンパク質の物理化学的特性、動力学、相転移でした。

2010年、彼は更なる研究を進め、米国オークリッジ国立研究所にポスドク研究員として着任し、計算生物学におけるタンパク質の構造、ダイナミクス、機能に関する研究に注力しました。この米国での経験が、後にタンパク質機能に関する研究の基盤を築いたと考えられます。2015年には、上海交通大学に独立主任研究者（PI）として着任し、分子生物物理学の研究に従事しました。

2016年、AlphaGoは韓国の囲碁チャンピオン、イ・ジェソクを破り、大きな名声を獲得し、AIの能力を世界に示しました。2018年には、AlphaFoldが登場し、生物学分野に大きな波紋を呼びました。これを受け、ホン・リャン教授は自身の研究をAIとどのように統合できるかを模索するようになりました。

真の転機は2019年末、新型コロナウイルス感染症のパンデミックと重なった時期に訪れました。自宅待機中に、彼は国立台湾大学の李宏宜教授がビリビリ動画サイトに投稿したAI講座を受講し、この一見神秘的な新興技術の世界に足を踏み入れました。 「ビリビリ動画でAIの学位を取得した」と冗談めかして語っていたものの、80時間の授業を通してAIへの理解が深まり、その後、AI for Science（科学のためのAI）を選択する決断に至りました。

「産業技術の変化は、個人の意志では制御できない」。止められないAI革命に直面したホン・リャン教授は、2020年にAI、コンピューティング、そしてウェットラボ実験を融合させたタンパク質設計研究に着手した。彼の研究は物理学から化学へ、そして化学から生物学へと発展し、タンパク質の機能と設計に焦点を当て、ウェットラボ実験からコンピューティングと人工知能へと発展した。彼は技術の進歩に歩調を合わせ、着実に一歩一歩進み、最終的にはチームを率いて実験結果を実験室の外に持ち出したと言えるだろう。

筆者は、これは「準備が成功の鍵」という言葉の真髄だと信じているが、ホン・リャン教授は「私はとても幸運です」と笑顔で語った。

科学分野の研究者として、AIを積極的に受け入れ、そのメカニズムを一般知識の観点から理解したことが、AI4Sの探求の基盤となった。一方、幸運は研究の方向性の選択に大きく影響した。「タンパク質工学のためのAIを研究すると決めた後、構造予測、ダイナミクス、機能という3つの方向性の中から機能を選びました」と彼は認め、「機能があってこそ、製品は生まれるのです」と続けた。

しかし、この選択は実は非常に大胆で、不確実性に満ちていました。「たとえ製品が開発できたとしても、産業化できるかどうかはわからない」。しかし、洪良教授は当時39歳、30代と40代の交差点に差し掛かっており、それでもなお、果敢に闘う情熱と、再出発の勇気を持ち続けていたのです。

「当時私は39歳で、まだ新しいことに挑戦する力がありました。もし失敗していたら、別の方向を選んでやり直すのに何年も無駄になっていたでしょう。幸いにも幸運に恵まれ、最終的には成功することができました。」技術的な観点から言えば、 「科学分野のデータ構造と量がAIの技術進歩に匹敵するという事実も、ある種の幸運と言えるでしょう。」

彼はAI4Sの産業化成功を幸運によるものとしつつも、その分析にはAI4Sの開発動向に関する洞察も含まれていた。例えば、Googleのような巨大企業の支援を受けてタンパク質構造予測の分野でAlphaFoldが大きな成功を収めたのを見て、彼はこの画期的な科学的成果に感激した。しかし、自身のチームの基盤と能力を慎重に検討した結果、タンパク質構造予測分野では生き残れないと判断し、この研究分野を断固として断念した。

最終的に、ホン・リャン教授は自身の強みを活かし、タンパク質工学における汎用人工知能の分野を選択しました。この分野の顕著な特徴は、タンパク質の機能データを標準化できないことであり、コンピュータサイエンスのみを専門とする研究者にとって大きな課題となっています。進歩は、実験室での「ウェット実験」の継続的な反復を通じてのみ可能であり、関連分野に深い知識を持つ専門家の協力が必要です。

幸いなことに、コンピューターサイエンスとタンパク質科学の学際分野で長年蓄積された経験のおかげで、ホン・リャン教授の研究グループはこの分野で「突破口」を開き、初めて「カニ肉を食べる」ことに成功しました。

AI4S: AIは科学を尊重しなければなりません。科学はAIを自ら学習しなければなりません。

AlphaFoldの成功は、AI4Sの開発を大きく促進し、刺激を与え、AIと科学の融合を促したことは間違いありません。しかし、AI4Sの開発はまだ初期段階にあります。両者は普遍的に適用可能な協力モデルを模索しておらず、業界はAIと科学の融合という分野において、AIが主導権を握るのか、それとも科学が主導権を握るのか、思案を続けています。

産業界では、AIと従来の科学研究を融合させた学際的な研究人材の需要が高まっていますが、そのような人材の成長サイクルは予想通り長く、見つけるのは困難です。AI研究者がモデル構築やフレームワークの最適化において発揮する効率性と革新的なデザイン思考は、研究者がすぐに追いつくのが難しい場合が多く、垂直分野における科学的課題の研究者による正確な特定と分析は、AIではすぐには達成できないものです。

それに比べて、ホン・リャン教授は、科学のための AI の核心は科学にあり、AI ソリューションを提案する前に、まず科学的または工学的な問題を定義する必要があると考えています。

ホン・リャン教授はDeepMindのチームモデルを例に挙げ、同社の専門家チームは従来の科学研究分野に加え、データサイエンスやコンピュータサイエンスも網羅し、科学的課題の特定からAI手法の構築まで、閉ループを実現していると指摘した。同教授の研究グループのチームビルディングも同様だ。「2020年には、数名のコンピューターサイエンス専攻の学生を集め、タンパク質工学のためのAI開発に協力してもらいました。導入に成功した後、学生自身もAI4Sへの新たな理解を深め、大きな達成感を得ました。」ホン教授の研究グループは現在、コンピューターサイエンスとタンパク質工学の分野の人材も迎え、共同研究を行っている。

チームのコアメンバーである周秉馨博士は、実際にはコンピュータサイエンス（CS）分野の学生も、AIを用いて特定の伝統的な研究方法を最適化するアイデアを提案すると説明しました。この場合、CS部門が実現可能性の議論を主導します。同様に、タンパク質工学分野の学生は、発見した科学的課題を明確に記述し、AIによる解決策を探ります。この場合、科学部門が主導権を握り、革新的な手法を共同で模索します。

ホン・リャン教授自身の歩みとチームの発展は、「科学分野の包括性」をまさに体現しています。教授はまた、従来の分野の研究者、特にプロジェクトリーダーに対し、AIを自ら学ぶよう助言しています。「チームリーダーは経営者のようなものです。従来の科学研究からAI4Sへの変革は、企業における戦略的な変革のようなものです。プロジェクトの承認が必要です。担当者が新製品や新技術に関する概念を全く持っていないと危険です。」

しかし、彼は同時に、現段階ではすべての研究分野がAIの助けを借りて飛躍的な進歩を遂げられるわけではないと率直に述べた。しかし、国家政策レベルでは、AIが様々な科学研究分野に「影響を与える」ことが奨励されている。「理科分野の教師、特に若い教師の皆さんには、大胆に挑戦していただきたいと思います。もし彼らが幸運にも突破口となる研究分野を見つけ、その方法論が実現すれば、それはその分野への大きな貢献となるでしょう。」

しかし、画期的な進歩が必ずしも業界を成功裏に実現できることを意味するわけではないことに注意する必要があります。

例えば、AIは現在、新薬開発分野に広く応用されています。研究機関から企業まで、研究から臨床試験まで、多大な人的資源と資金が投入されてきました。多くのスタートアップ企業は、成功への道を辿る途中で挫折しています。これは、「AIによる医薬品設計におけるクローズドループの時間が長すぎる」ことを明確に示しています。ホン・リャン教授は、「計算生物学（物理計算＋AI）は、主に研究者がin vitro（分子または細胞）実験指標を決定するのに役立ちますが、これらのin vitro実験と動物実験結果との相関は非常に低い場合があります。動物実験の結果が良好であっても、必ずしも臨床試験で肯定的なフィードバックが得られるとは限りません。」と説明しています。

そのため、彼のチームは酵素機能の研究に重点を置いています。「分子実験は最終結果であり、閉ループメカニズムを通じて迅速に検証できます。優れた酵素製品の開発は、食品・飲料、美容・スキンケア、洗剤・繊維、バイオメディカルなど、複数の分野に大きな利益をもたらし、国民経済の主戦場に直接貢献することができます。」

実際、ホン・リャン教授のようにAI4Sへ積極的に移行した研究チーム以外にも、AI4S分野での成功を願うAI研究チームは数多く存在しますが、彼らが直面する技術的な障壁は非常に大きいです。ホン・リャン教授は、「適切な研究の方向性を見つけ、単に技術力を誇示したり、大規模なモデルを盲目的に適用したりしないように」とアドバイスしています。

具体的には、「AI4Sを実現したいAI分野の人々は、科学的課題についてただ推測するのではなく、まず入出力データを標準化・構造化できる研究分野を見つけるべきだ」と同氏は考えています。まさにそこが理系の人々が優位に立つ領域です。「関数を扱う研究では、データの標準化が難しく、実験の反復が必要になります。AIが実験コストを削減し、科学的課題への深い理解と相まって、産業の発展に大きく貢献するでしょう。」

結論

ホン・リャン教授とのインタビューの中で、彼は何度も「運」という言葉を口にしました。私見では、「タイミング、運、そして運命は、私たちがコントロールできるものではない」ということです。しかし、真にチャンスを掴むには、先見の明、効率的な実行力、そして挑戦し、失敗する勇気が必要です。これらの資質は、ホン・リャン教授のあらゆる選択に反映されており、最終的にタンパク質工学のためのAIへと彼を導きました。彼と彼のチームが、より実用的な成果をもたらすことを期待しています。