サンフランシスコ郊外で感染経路が不明な新型コロナウイルス感染者が見つかり、米国社会の緊張感が一気に高まった。これに先立ち、トランプ大統領は臨時の記者会見を開き、国民に落ち着いて行動するよう求めた。一方、CDCは深刻な事態に直面しており、新型コロナウイルスの蔓延は避けられないとの見解を示した。NIHは新型コロナウイルスの治療薬の開発状況を説明し最新医学の力でこの危機を乗り切る姿勢を示した。

出典: Centers for Disease Control and Prevention

期待される治療薬

この記者会見の中でアメリカ国立衛生研究所(NIH)のAnthony Fauciは、既に新型コロナウイルスの治療薬の臨床試験を進めていることを明らかにした。この治療薬は「remdesivir(レムデシビル)」と呼ばれ、Gilead Sciencesにより開発された。Remdesivirは幅広い種類のウイルスを対象とし、エボラウイルス(Ebola Virus)の治療で効果をあげた。また、動物実験でMERS(Middle East respiratory syndrome)とSARS(Severe acute respiratory syndrome)で効果があることが報告されている。

臨床試験が始まる

Remdesivirを人間に投与してその効用を検証する臨床試験が始まった。これはNIH配下の国立アレルギー・感染症研究所(National Institute of Allergy and Infectious Diseases)が主導し、ネブラスカ大学医学部(University of Nebraska Medical Center)で実施されている。これが米国での最初の臨床試験となり、クルーズ船Diamond Princessの乗客でチャーター機で帰国した患者が被験者となる。世界保健機関(WHO)は新型コロナウイルスの治療薬候補を公開しており、そこには50余りの治療薬がリストされている。この中で、WHOはremdesivirに期待しており、この薬が新型コロナウイルスに効果があるとの見解を示している。

治療薬の仕組み

Remdesivirは新型コロナウイルス(正式名称はSARS-CoV-2、下の写真)に感染した細胞の中で、ウイルスがRNAの複製を造るプロセスを阻害することで、病気(正式名称はCOVID-19)の進行を抑止する。新型コロナウイルスはRNAウイルスで、MERSやSARSも同じタイプである。RemdesivirはMERSにおける動物実験で効果をあげており、同じタイプのウイルスである新型コロナウイルスでも効果があると期待されている。事実、GileadはC型肝炎の治療薬「Harvoni」でこの手法を使っており、その効果が実証されている。C型肝炎ウイルスはRNAウイルスで、Gileadはこの分野で多くの知見を有している。

出典: National Institute of Allergy and Infectious Diseases

補足情報：ウイルスの種類

ウイルスは遺伝子情報を格納する形式でDNAウイルスとRNAウイルスに区分される。DNAウイルスはウイルス内部にDNAを持ち、ここに遺伝子情報を格納する。天然痘を引き起こすウイルスなどがこのタイプとなる。一方、RNAウイルスはRNAに遺伝子情報格納する。新型コロナウイルスはこのタイプで、感染すると体内の細胞の中にウイルスのRNAが放出され、そのコピーが作られ増殖する。新型コロナウイルスは名前が示す通り、新しい種類のコロナウイルスとなる。コロナウイルスには前述のMERSやSARSが含まれ、哺乳類や鳥類に感染し病気を引き起こす。人間の場合は呼吸器感染症などを引き起こす。

Gilead Sciencesとは

Gilead Sciencesはシリコンバレーに拠点を置くバイオ製薬会社で、基礎研究をベースに医療技術を開発している(下の写真)。Gileadは抗ウイルス薬(Antiviral drug)を中心に研究を進め、HIV、B型肝炎、C型肝炎などの治療薬を出荷している。GileadはスイスRocheにインフルエンザ治療薬をライセンスしており「Tamiflu(タミフル)」のブランドで出荷されている。Gilead本社の近くにはGenentechやAlphabet配下のVerilyやCalicoがオフィスを構えており、バイオ技術と情報技術を組み合わせ、先端医療技術を生み出している。

出典: Gilead Sciences

ワクチンの開発状況

この他に、新型コロナウイルスに対するワクチンの開発も進んでいる。インフルエンザを予防するためにワクチンの接種をするが、新型コロナウイルスの予防にもワクチンが欠かせない。通常、ワクチンを開発して製造するまでには3年から4年かかり、この方法では新型コロナウイルスの治療に間に合わない。このため、新たな手法でワクチンの開発が進んでいる。Moderna Therapeuticsは合成したMessenger RNAを体内に注入することで免疫力をつける手法を取る。既に、ワクチンのサンプルをNIHに送付し、臨床試験が4月から開始される。また、InovioはNIHからの助成金を受け新型コロナウイルス向けのワクチンの開発を進めている。

新型コロナウイルスの遺伝子配列

新型コロナウイルスのワクチンを開発するためには、ウイルスの遺伝子配列情報が必須となる。ウイルスの遺伝子配列からその種別や特性などを理解する。中国の研究グループは2019年12月、新型コロナウイルスの遺伝子配列を解析しデータベース「GenBank」に登録した(下のグラフィックス)。病気発症から一か月余りでウイルスの全遺伝子を解読し、この情報が治療薬開発などで使われている。これに続き日本の研究グループは2020年1月、遺伝子配列を解読しGenBankに登録している。この解析データによると、新型コロナウイルスのRNAは29903の塩基対から構成され、11の遺伝子を含んでいることが分かる。GenBankとはNIHが運営するデータベースで、人間を含む生物組織の遺伝子配列が登録されている。自由にアクセスでき、医療技術の発展に寄与している。

出典: GenBank

遺伝子の合成

ワクチンや治療薬の開発では新型コロナウイルスの遺伝子配列情報だけでなく、ウイルスの遺伝子そのものが必要になる。感染者からライブのウイルスを採取してワクチンを開発するのでは時間がかかり、今ではウイルスの遺伝子を研究室で生成する手法が使われる。先進バイオベンチャーなどからウイルスのDNAを人工的に生成した合成遺伝子(Synthetic DNA)が提供されている。サンフランシスコに拠点を置くTwist Bioscienceはこの分野のトップ企業で、ウイルスや酵母の遺伝子を生成し、これを研究機関に提供している。実際に、Twist Bioscienceは新型コロナウイルスの遺伝子を合成し、前述のInovioに提供している。Inovioはこの合成遺伝子で新型コロナウイルスのワクチンを開発している。

出典: Twist Bioscience

遺伝子合成とその危険性

遺伝子を生成する手法は早くから使われてきたが、生成するコストが高く、幅広く普及するには至らなかった。2000年当時、一対の塩基を生成するために10ドルを要した。その後、技術が進み、2010年にはこれが1ドルとなり、現在は0.09ドルで生成でき、医薬品や新素材開発の基礎を支えている。ただ、この手法が悪用されると、テロリストがウイルスを生成し、それを兵器として使う恐れがある。この手法は「Mail-Order Virus」として警戒されている。遺伝子合成が悪用されることを防ぐため、Twist Bioscienceなど合成生物学企業は、生成する遺伝子配列やそれを発注した企業などを政府の規定に従って精査し、安全であることを確認して合成遺伝子を発送する。

出典: Centers for Disease Control and Prevention

サンフランシスコで非常事態宣言

サンフランシスコ郊外で新型コロナウイルスの感染者が見つかり動揺が広がっている。これは感染経路が特定できない市中感染(Community Spread)で、病院の医師は既に多くの感染者がいるとの見解を示し全米で危機感が高まった。カリフォルニア州知事は、8,100人に感染の疑いがあるとして検査を実施する方針を示した。ただ、新型コロナウイルスを検査するためのキット(上の写真)はアメリカ疾病予防管理センター(CDC)から支給されるが、カリフォルニア州全体で200セットしかなく数量が不足している。CDCはキットを増産し、これから本格的な検査が始まることになる。ここで多くの患者が見つかる可能性もあり、サンフランシスコ市は非常事態宣言を発令し、市民に対応を呼びかけている。トランプ大統領は楽観的な見方を示しているが、市民は重大事態が発生することに身構えている。

FacebookやTwitterに投稿した顔写真が全米の警察の犯罪捜査で使われていることが判明した。日本人を含む消費者の顔写真が顔認識システムに組み込まれ、犯罪者割り出しに使われている。警察は容疑者の写真を撮影し、それを顔写真データセットで検索し、容疑者の身元を割り出す。その時に使われる顔写真データセットは、ソーシャルメディアに掲載されている顔写真をダウンロードして作られた。写真の数は30億枚を超え、我々の顔写真が含まれている可能性は極めて高い。警察は容疑者の身元を特定でき犯罪捜査が効率的になると評価している。一方、消費者は本人が知らないうちに顔写真が使われ気味悪さを感じている。顔認識システムの暴走がAIに対する不信感を増長している。

出典: Clearview

Clearviewという会社

この技術を開発したのはNew Yorkに拠点を置くベンチャー企業「Clearview」で世界最強の顔認識システムともいわれている(上の写真)。Clearviewはサイトに公開されている顔写真をダウンロードして顔写真のデータセットを作成した。写真の数は30億枚を超え、世界最大規模の顔写真データセットとなる。Clearviewの技術は米国主要都市の警察に提供され、容疑者の身元を特定するために使われている。警察はスマホで容疑者の顔を撮影し、それをキーにデータセットを検索すると、容疑者のIDが分かる。

使い方はシンプル

Clearviewは顔認識技術をスマホやパソコン向けのアプリとして提供している。スマホで撮影した顔写真はアプリで解析され、その人物に関する情報を表示する。例えば、スマホで記者の顔写真を撮影すると(下の写真、右下の丸の部分)、アプリはその顔と同一人物の顔写真を出力する(下の写真、中央部)。出力した顔写真の下には、それが掲載されているサイトのURLが示され、このサイトを閲覧することで氏名などの個人情報を得ることができる。

出典: CBS News

顔写真データセット

Clearviewは顔写真データセットを制作するために、サイトに公開されている顔写真をスクレイピングした。スクレイピングとはウェブページに掲載されている顔写真ファイルをダウンロードすることで、YouTube、Facebook、Twitter、Venmoなど、ソーシャルネットワークを中心に顔写真が収集された。収集した顔写真の数は30億枚に上り、世界最大規模の顔写真データセットが誕生した。登録されている顔写真の数が多いほど、顔認証システムの判定精度が高くなる。

シカゴ市警察で犯罪捜査に利用

Clearviewの判定精度は極めて高く、それが口コミで広がり、全米の警察関係者がその存在を知ることになった。今では600を超える警察で使われている。シカゴ市警察は専任スタッフが犯罪捜査で容疑者を特定するためにClearviewを使っている。具体的には、犯罪者データベースに格納されている被疑者の顔写真をClearviewに入力し身元を特定する。また、犯罪現場では、被疑者の顔写真を撮影し、これをClearviewで解析してIDを特定する。

フロリダ州では迷宮入りの事件を解決

フロリダ州ゲインズビル市警察は「FACES」と呼ばれる顔認識ツールを使ってきた。FACESはFBIが開発した顔認識技術で、全米の警察が犯罪捜査ツールとして使っている。しかし、Clearviewを使うとFACESで特定できなかった容疑者の身元が次々と判明した。Clearviewの顔写真データセットは世界最大規模で、カバーする人物の数が多いため、迷宮入りになった事件が解決されている。

ニュージャージー州はClearviewの使用を禁止

しかし、ニュージャージー州の司法長官はClearviewの使用を禁止する通達を出した。ニュージャージー州警察はClearviewを利用しており、顔認識技術を犯罪捜査に使うことで、事件を早く解決できる。このため、司法長官はこの顔認識技術を使うことに関しては肯定的な評価をしている。一方、Clearviewのケースでは、顔という生体情報が消費者の許諾なく収集されていることに問題があると指摘する。この問題が解決されるまではClearviewの使用は禁止される。

顔写真を収集する手法

Clearviewが顔写真を収集する手法が議論となっているが、この事例は個人データを利用する事業者に本質的な問題を提起する。Clearviewは、YouTubeやFacebookやTwitterなどに掲載されている顔写真ファイルをスクレイピングするが、これらは消費者が投稿したもので、写真は公開情報であり、それを収集することは違法ではない。事実、米国には公開情報を収集することを禁止する法令は無い。また、セレブのデータセット「CelebA」(下の写真)は、サイトから20万枚の顔写真をスクレイピングして生成されたが問題とはなっていない。

出典: Multimedia Laboratory, The Chinese University of Hong Kong

YouTubeやTwitterは写真消去を要求

Clearviewの存在が明らかになり、顔写真がスクレイピングされている事実が判明し、これらのサイトは一斉に写真の収集を停止するよう求めている。YouTubeやTwitterやVenmoは、Clearviewにサイトから顔写真をスクレイピングしないよう書簡を送った。また、収集したデータを消去することも求めている。掲載されている情報をスクレイピングすることはサイトの利用規約に反すると説明している。特に、YouTubeは使用規約で、本人を特定するためにデータを使うことを禁止している。

スクレイピングは憲法で保障された権利

これに対して、ClearviewのCEOであるHoan Ton-Thatは、企業が公共のデータにアクセスする権利は、アメリカ合衆国憲法修正第1条(First Amendment)で保障されていると主張する。修正第1条は「表現の自由」や「報道の自由」などの権利を定めており、公開されている情報を収集することは、憲法でその権利が保障されているとのロジックを展開している。

顔認識システムについての議論

Clearviewは警察だけに提供されており、一般には公開されていない。警察がテロリストや犯罪者を特定し、社会の治安が保たれるとの期待から、これを容認する意見もある。しかし、警察が使用範囲を広げ、デモ参加者を特定する使い方が始まると、この限りではない。更に、企業や個人がこの技術を手にすると、その危険性がぐんと広がる。街中で我々の写真が撮られると、即座に氏名や住所や所得などの個人情報が判明し、プライバシーは消滅する。恐れていた事態が現実となり、米国で顔認識システムについて国民的議論が始まった。

2020年1月、サンフランシスコでAIのカンファレンス「RE•WORK」(#reworkAI)が開催された。「Deep Learning Summit」(#reworkDL)という分科会でロボティックスの最新技法が議論された。ピッキングロボ(商品仕分け作業ロボ)に焦点をあて、技術開発の歴史を振り替えり、ロボットの頭脳を構成するAI技法の進化について講義された。AIの進化がロボットの機能や性能を押し上げ、ピッキングロボが人間の技能を凌駕する日が見えてきた。

出典: Ken Goldberg

ピッキングロボ

このセッションではカリフォルニア大学バークレー校のKen Goldberg教授(上のグラフィックス、中央の人物)が「The New Wave in Robot Grasping」と題して講演した。講義ではピッキングロボがオブジェクトを掴む技法について、それを制御するAIにフォーカスし、技術進化の過程や開発思想が示された。ピッキングロボとは商品を仕分けするロボットで、アームの先端に装着されたグリッパーで商品を掴み、これを別のトレイに移す作業をする(下の写真)。この際、グリッパーは異なる形状のオブジェクトをいかに正確に速く掴むことができるかがカギになる。

ロボット開発の流れ

ピッキングロボの性能や機能はロボットの頭脳であるAI技法により決まる。AIの進化によりロボットがインテリジェントになり、オブジェクトを上手く掴むことができるようになる。第一世代は「数値解析」というアプローチで、数学的にピッキングの問題を解いてきた。第二世代は「経験則」で、ロボットが繰り返し掴み方を学習し技量をあげてきた。現在は第三世代で、両者を組み合わせた「複合型」の開発思想を取っている。

出典: AUTOLAB

第一世代：Robotics 1.0

第一世代は「数値解析」でオブジェクトの形状や重心などを把握し、ロボットがこれを掴んだ時の成功確率を計算するアプローチを取る(下の写真)。計算して成功確率が高い個所をロボットが掴む(下の写真では右端)。しかし、オブジェクトの形状は複雑で、掴み方は沢山ある。このため、この手法では計算量が膨大になり精度が上がらない。(このネットワークは「Dex-Net 1.0」と呼ばれ、Goldberg教授らにより開発され、GitHubに公開されている。)

出典: Jeffrey Mahler et al.

第二世代：Robotics 2.0

このため、第二世代ではロボットがオブジェクトの掴み方を繰り返し学習し技量をあげるアプローチ「経験則」が取られた。ここでは深層強化学習(Deep Reinforcement Learning)が使われ、ロボットは膨大な数のピッキングを繰り返す。この手法の代表がGoogleの「Arm Farm」で、複数のロボットを並列に稼働させ学習効率を上げた(下の写真)。しかし、この手法ではAIが技量を学習する速度が遅く、業務で使えるようになるには長い年月を要す。

出典: Google

第三世代：Robotics 3.0

第三世代では両者の技術を統合して技量をあげるアプローチ「複合型」が取られた。ここではコンピュータビジョン(CNN)が重要な役割を果たし、３Dカメラが捉えたオブジェクトを立体的に把握し、掴む場所を特定する(下の写真)。具体的には、オブジェクトの形状を把握して、数値解析の手法で掴む場所の候補を把握する。次に、コンピュータビジョンはこれらの候補を解析し、掴むことに成功する確率を計算する。ロボットは成功確率の高い場所を掴む。このAIは数多くの３Dモデルで掴み方を学習しており、経験から最適な場所を特定できる。(このネットワークは「Dex-Net 2.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

吸引方式のグリッパーにも対応

通常のグリッパーに加え、吸着パッド型のグリッパー(Suction Cup Gripper)についてもAIが開発されている。このモデルはネットワークが吸引するために最適な場所を特定する。モデルはオブジェクトの表面に吸引する場所を示す(下の写真)。緑色が安定して掴めるポイントで、赤色が不安定なポイント示す。吸着パッド型のグリッパーは緑色のポイントに当てられ、ここを吸引してオブジェクトを持ち上げる。(このネットワークは「Dex-Net 3.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

最新モデルは二種類のグリッパー対応

最新モデルは異なるグリッパーで構成されたロボットハンドを制御することができる。ピッキングロボは通常のグリッパー(Parallel-Jaw Gripper)と吸着パッド型グリッパー(Suction Cup Gripper)から構成され(下の写真)、AIはこれらグリッパーがオブジェクトを掴む場所を算定する。ロボットは最適なグリッパーを使ってオブジェクトを掴むことができ精度と速度が向上する。このネットワークはオブジェクトを掴む精度は95%以上で、毎時300個のピッキングができる。(このネットワークは「Dex-Net 4.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

応用分野　

ピッキングロボはEコマースの配送センター(下の写真)に適用されることを想定している。ここでは人間がトレイから商品を取り出し、別のトレイに移す作業を繰り返す。この作業をピッキングロボが代行する。特に、アマゾンなどがこの技術に注目しており、ピッキングロボを導入し処理効率を向上させることを計画している。ただ、ロボットが人間の仕事を奪うという問題が発生するため、導入には雇用対策も求められる。一方、商品を移し替えるような単純作業は人気がなく、常に人手不足の状態で、これをピッキングロボが解消すると期待している。

出典: Seattle Times

ロードマップ

ピッキング技術はこれで完成ではなく、ピッキングロボは奇妙な形状をしたオブジェクトや初めてみるオブジェクトを正しく掴めるかが今後の課題となる。異なる形状のオブジェクトを正しく掴むことがロボット技術のグランドチャレンジで、各社がピッキング技術開発でしのぎを削っている。AIの進化でロボットのピッキング精度と速度が大きく向上し、Dex-Net 4.0のケースではロボットが毎時300個のオブジェクトを掴むことができる。人間の能力は毎時400-600個で、近いうちにピッキングロボがこれを上回るといわれている。ピッキングロボをEコマースの配送センターに適用することが視界に入ってきた。