アメリカ大統領選挙はバイデン氏が勝利宣言し、新しい時代の幕開けとなった。選挙期間中はフェイクイメージが有権者を混乱させると警戒していたが、予想に反し目立った被害はなかった。一方、AIで構成されたテレビ番組が始まり、初回はトランプ大統領家族が“出演し”、AIがリアルに描いたフェイクイメージが注目を集めている。

出典: Sassy Justice

Deepfakeで作られた番組

この番組は「Sassy Justice」という名前で、登場人物の顔はすべてAIで描かれる。世の中の不正を暴くことを使命とする主人公Fred Sassyが、ワイオミング州の州都シャイアンで活躍するというパロディーで、多くの著名人が登場するが、その顔はDeepfakeで生成されている。Deepfakeとは顔を置き換えるAIで、演技する俳優の顔を著名人の顔で置き換える。

トランプ政権の風刺

この番組は大統領選挙前にYouTubeに公開され、トランプ政権を風刺した内容となっている。トランプ大統領とニュースキャスターのインタビューがDeepfakeで再現された。実際の場面が描かれ、回答に困窮するシーンがクローズアップされた(下の写真)。顔はDeepfakeで生成されたものであるが、映像からそれが偽物であるとは分からない。しかし、受け答えや演技はコミカルで、フェイクビデオであることが分かる。

出典: Sassy Justice

ロシア政策のパロディー

この番組はトランプ一家が登場し、イヴァンカ・トランプ(先頭の写真)は記者会見で、「米国でDeepfakeが拡散している理由はロシアによるもの」との見解を示した。トランプ大統領はロシアによる情報操作は無いと主張するが、この番組でイヴァンカがこれを認めた形となっている。一方、ジャレッド・クシュナーは子供として登場し(下の写真)、Deepfakeの取り締まりを強化しているが、その目的は「パパが選挙で勝つため」と答える。

出典: Sassy Justice

映画スターの登場

トランプ家族の他にも著名人が登場し、女優ジュリー・アンドリュースは若いころの姿で、Deepfakeの検知技術を開発している研究者として描かれている(下の写真)。社会にDeepfakeが溢れる中、コンピュータ技術を使い、これを見抜く技法を開発している。しかし、それを使ってビデオ画像を判定するが、どうも上手くいかない。。。

出典: Sassy Justice

番組制作者

この番組は米国の人気アニメ「South Park」の監督・声優であるTrey Parkerらにより制作された。米国のトップ・プロデューサーが手掛けるDeepfakeは完成度が高く、映像からフェイクであることを見抜くことはできない。一方、音声は声優によるものであり、また、前述の通り、コミカルな演技から、Deepfakeを使ったコメディであることが分かる。

Deepfakeで番組を制作する目的

Trey Parkerはメディアとのインタビューの中で、このビデオを制作した理由はDeepfakeの危険性を分かりやすく伝えるためとしている。フェイクイメージが社会に広がり、人々は戦々恐々としているが、このビデオはコミカルにDeepfakeとは何かを説いている。同時に、完成度の高いDeepfakeのインパクトは強く、映画やテレビ番組でAIで顔を生成する手法が広がる兆しを感じさせる。

[Deepfake技術概要]

Deepfakeとは

Deepfakeは顔を置き換える技法で、実在の人物の顔を著名人の顔に置き換えるツールとして使われている(下の写真)。ある人物の顔写真(左端)を著名人の顔(中央、トム・クルーズ)に置き換えると、その人物の顔の部分だけがトム・クルーズになる(右端)。例えば、ビデオ撮影した自分の顔をトム・クルーズの顔に置き換えると、映画スターが映っている偽のビデオができる。

DeepFaceLab

この番組では「DeepFaceLab」というタイプのDeepfakeが使われた。DeepFaceLabはオープンソースとして公開されており、誰でも自由に使うことができる。DeepFaceLabは演技者の顔が鮮明に映ってなくても、高精度なDeepfakeを生成できるという特徴を持つ。(下の写真：DeepFaceLabで生成したイメージで、サングラスで目が覆われていても高精度なDeepfakeを生成できる。)

出典: Ivan Perov et al.

Nvidiaは開発者会議「GTC20」で、ビデオ会議機能をAIで強化する技法を公開した。フェイクイメージを生成する技術GAN(Generative Adversarial Network)は重大な社会問題となっているが、この技術を使うとビデオ画像が格段に鮮明になる。在宅勤務でビデオ会議が多用され通信回線がひっ迫しているが、GANを使うことで、限られた帯域の中で鮮明な画像を送信できる。

出典: Nvidia

Nvidia Maxineとは

これは「Nvidia Maxine」と呼ばれ、AIをフルに活用したビデオ会議フレームワーク (上の写真)。この技術を使うと通信回線の状態が悪くても鮮明な画像を送ることができる。また、出席者の顔を常にカメラに正対するよう補正できる。会話型AIが発言者の言葉をリアルタイムで翻訳する。様々なAI機能が搭載され、ビデオ会議の機能が大幅にアップする。Nvidia Maxineはフレームワークで、企業は既存のテレビ会議システムにこれらAI機能を組み込み機能を強化する。

通信データの圧縮

ネットワークの状況が悪いと、ビデオ会議の映像がスムーズに伝わらない。例えば、相手の人物の映像が荒くなる(下の写真、左側)。これに対し、Nvidia MaxineはAIをデータ転送に適用することで、通信速度が遅い環境でも、高精度なイメージを送信できる(下の写真、右側)。Nvidia Maxineは、実際に顔のイメージを送信する代わりに、受信側でAIが顔のイメージを生成することで高解像度の画像を表示する。ストリーミングデータの送信ではH.264という画像圧縮規格が使われるが、Nvidia Maxineはこれに比べ10倍の精度で送信できる。

出典: Nvidia

顔を正面に向ける

この他に、「Face Alignment」という機能を使うと、AIが横を向いている顔を正面に向ける。PCのディスプレイを見ながら話すと顔が横に向くケースが多く(下の写真、左側)、この機能を使うとこれを補正し、正対して会議をすることができる(右側)。ここでも、GANが顔イメージを生成し、それを正面に向くよう補正する。

出典: Nvidia

同時通訳

また、「Translation」という機能を使うと、リアルタイムで話し言葉を翻訳し、それをディスプレイに表示する(下の写真)。ここでは対話型AIフレームワーク「Nvidia Jarvis」が使われている。Nvidia Jarvisが話し言葉を理解し、それを翻訳し、その結果をテキストとしてディスプレイに表示する。

出典: Nvidia

AIアバターとの対話

開発者会議では対話型AIアバター「Conversational AI Avatar」のデモが実施された。AIアバターは音声で会話できるだけでなく、表情を変えることができ、対話における表現が増す。エイリアンのAIアバターは宇宙に関するトピックスについて対話できる(下の写真)。

出典: Nvidia

在宅勤務とネットワーク環境

在宅勤務が続きビデオ会議が多用されるが、最大の問題点はネットワーク通信であることが分かってきた。コロナ以前は通信容量が問題になることはなかったが、在宅勤務で一斉にビデオ会議が使われると、ネットワーク環境がこれに追随できないことが明らかになった。今すぐにネットワークを補強することは難しいが、Nvidia Maxineを使うと鮮明な画像を送ることができる。

[技術概要：ストリーミングデータをGANで生成]

データ送信の仕組み

Nvidia Maxineは、顔イメージを送信するのではなく、GAN(Generative Adversarial Network)が顔のランドマークから顔のイメージを生成する手法を取る(下の写真)。送信者はカメラで撮影した写真(下の写真、Keyframeの部分)を参照データとして送り、それ以降は、顔のランドマーク (Keypointsの部分)だけを送る。受信側のPCは、GANで顔のランドマークから顔のイメージを描き出す。ここではGauGANという方式のGANが使われている。

出典: Nvidia

GauGANとは

GauGANとはNvidiaの研究チームが開発したGANで、セマンティック情報を写真に変換する機能を持つ(下の写真)。セマンティック情報とは色で区分けされたマップ(下の写真、最上段)で、色がオブジェクト種別を示す(青色が空で茶色が樹木など)。GauGANはこのセマンティック情報を写真のようなリアルのイメージ(二段目以降)に変換する。その際に、指定されたスタイル(左端の列、朝焼けや日没など)に沿って変換する。GauGANは他の手法に比べ入力された条件(セマンティック情報)に忠実に従い、写真のようにリアルなイメージを生成できる点に特徴がある。Nvidia Maxineはこの技法を使い、入力された顔の特徴(Keypoints)を顔の写真(Keyframe)にそって生成する。顔の特徴がセマンティック情報で顔の写真が指定されたスタイルとなる。

出典: Taesung Park et al.

女性の服を“脱がせる”アプリ「DeepNude」で被害が拡大している。このアプリは写真の中の女性の服を取り去るもので、セレブが被害を受けてきたが、今では攻撃の対象が一般女性に移り、深刻な問題が報告されている。SNSに投稿している写真が悪用され、裸の写真が公開されている。DeepNudeは高度なAIを使い、生成されるヌード写真はリアルで、真偽の区別はつかない。

出典: layne@pinterest

調査レポート

これはセキュリティ会社Sensity.aiの分析によるもので、DeepNudeによる被害状況が明らかになった。DeepNudeはメッセージングサービス「Telegram」で使われ、一般女性が攻撃の対象となっている。2020年7月時点で、104,852人の女性の写真が使われ、被害者の数はここ三か月間で3倍になっている。

攻撃の仕組み

被害が拡大している理由はDeepNudeのユーザインターフェースの進化にあり、誰でも簡単に写真を加工できるようになったため。Telegramでボット(対話型AI)と対話しながら操作を進めるだけで服を脱がす (下の写真)。ボットの指示に従って、写真をアップロードすると、DeepNudeがそれを編集する。DeepNudeは写真に写っている女性のイメージを読み込み、それをベースに、服の部分を肌に変換する。つまり、アプリが女性の服を脱がしたイメージが生成される。

生成されたイメージを公開

生成した写真はスマホにダウンロードして閲覧できる。また、この写真をTelegramや他のサイトに公開すると、不特定多数がこれを閲覧することになる。簡単な操作でヌード写真を生成できるので、利用者が増え被害が拡大している。

出典: Sensity.ai

誰が攻撃を受けるのか

今まではセレブの写真が使われてきたが、今では攻撃の対象が一般女性となっている。利用者の63％が知人女性や一般女性を攻撃するとしている。SNSなどに掲載されている写真が本人の了解なく使われる。また、スマホで撮影した写真を使うケースもある。SNSには膨大な数の写真が掲載されており、誰もが被害にあう可能性がある。

攻撃の理由

生成した写真はTelegramの他に、他のメディアに掲載され、だれでも閲覧できる状態になっている。知人女性のヌード写真を生成する目的は、リベンジポルノや嫌がらせなどとされる。また、ランサムウェアのように、ヌード写真を消去するために、金銭を要求するケースもある。

攻撃から身を守る方法

DeepNudeは進化を続け、女性の写真から高解像度のヌード写真を生成する。生成されたイメージはリアルで真偽の判別はできない。このため、攻撃される危険性を認識し、写真の管理を厳格にすることが最初のステップとなる。SNSに全身がアップで写った写真を掲載すると悪用される可能性が高まる。また、水着など肌に密着し体形が分かる写真は特に危険で、高精度なヌードイメージに変換される。防衛技術は無く自分で身を守るしか手段が無い。

Telegramとは

Telegramはメッセージングサービスで、ロシアの実業家Pavel Durovにより開発された。2013年から運用を開始し、今では全世界で4億人の利用者がいる。利用料金は無料で、広告の掲載もなく、Durovが運用資金を拠出しているといわれている。Telegramはロシアで事業を開始したが、今は本社をロンドンに置き、開発拠点はドバイにある。DurovはロシアでSNS「VK」を運用しており、ロシアのZuckerbergとも呼ばれる。

出典: Telegram

Telegramのポジション

TelegramがDeepNudeをホスティングしていることは警察などに報告されているが、運用が続いている。Telegramは反社会的な団体の利用を容認しており批判を受けている。しかし、Telegramは表現の自由と利用者のプライバシー保護を理由に、一貫して、利用条件を設けないで運用している。

[技術情報：DeepNudeとGAN]

開発経緯

DeepNudeは匿名の技術者により開発され、2019年6月、ウェブサイト(下の写真)に公開された。このサイトからアプリをダウンロードしてWindowsとLinuxで実行することができた。しかし、社会の反響が甚大で、その危険性が指摘され、五日後にはサイトが閉鎖された。その後、この技術は別の人物に売却され、今では、オープンソースとして公開されている。Telegramで使われているDeepNudeはオープンソースを改良したものとみられている。

出典: DeepNude

技術概要

DeepNudeは改良が進み、最新版は「pix2pixHD」という技法を使っている。これはNvidiaにより開発されたGAN(Generative Adversarial Networks)で、入力されたイメージをベースに別のイメージを高解像度で生成する。下の写真：pix2pixHDの構造。pix2pixHDは二つのGAN(G1とG2)で構成される。G1はGlobal Generatorと呼ばれ低解像度のイメージを生成し、これをＧ２で高解像度(2048 × 1024)のイメージにエンハンスする。pix2pixHDは、Berkeley AI Research (BAIR) Laboratoryが開発した「pix2pix」を改良し、解像度を向上させ、安定性を強化した。

出典: Ting-Chun Wang et al.

利用方法

Pix2pixHDは、市街地のタグイメージ(下の写真、左側、Semantic Label Map)を、写真イメージ (下の写真、右側) に変換する。写真イメージはGANが生成したものであるが、本当の写真のようにリアルで、細部まで詳細に描かれている。どこかの街並みのように見えるが、このような場所は存在せず、生成された写真はGANが描き出した仮想社会。pix2pixHDで生成した市街地のイメージは自動運転車の教育データとして使われている。

出典: Ting-Chun Wang et al.

合成生物学の国際会議「SynBioBeta」が開催され、最新の研究成果が発表された。合成生物学とは生物学と情報工学が融合した分野の研究で、遺伝子解析とAIが結び付きブレークスルーが生まれている。その一つがアンチエイジングの研究で、老化を抑止する医療品や製品が生まれている。

出典: One Skin

One Skinという新興企業

SynBioBetaでOne Skin創業者のCarolina Reis Oliveiraがアンチエイジング研究の成果を説明した。One Skinとはサンフランシスコに拠点を置く新興企業で、合成生物学の手法でアンチエイジングの研究を進めている。最初の成果がスキンケアサプリメント「OS-01」(上の写真)で、今日から販売が開始された。これを顔や手の肌につけると、皮膚の寿命(Skinspan)を延ばすことができる。多くのアンチエイジング製品が販売されているが、One Skinは老化した細胞を取り除くことで皮膚を若返らせるアプローチを取る。

老化とは

人は年を取ると、肌にしわができ、関節が痛み、白髪が増える。老化することは自然の摂理で、避けることはできないと考えられてきた。しかし、老化の研究が進み、そのメカニズムが分かり始め、今では老化は病気であると認識されている。このため、シリコンバレーを中心に、老化という病気を治療する研究が進んでいる。

老化のメカニズム

しかし、老化は極めて複雑な生理現象で、その詳細は分かっていない。アメリカ国立衛生研究所によると、老化の原因は九つあり、その一つが「Cellular Senescence」と呼ばれる現象である。これは「細胞の老化」という意味で、細胞が老化し、活性化が止まった状態を指す。この状態の細胞は老化細胞「Senescent Cells」と呼ばれる。人間の細胞は、生まれてから分裂を繰り返し成長するが、年を取るとこの細胞分裂が停止し、これ以上細胞分裂が起こらない状態となる。(下の写真、皮膚の細胞を示したもので、透明な部分が正常な細胞で、青色の部分が老化細胞)。

出典: One Skin

老化の役割

細胞の老化は体を守るための現象で、老化細胞や傷ついた細胞は、免疫系(Immune System)により取り除かれる。免疫系は体内の病原体や遺物を殺滅するほかに、老化細胞を取り除く役割を担っている。老化は古くなった細胞の分裂を停止させる機能で、これらが取り除かれ新たな細胞が生まれ、組織が若返る。

老化が問題となるのは

しかし、老化が問題となるのは、老化細胞が取り除かれないまま体内に蓄積されるためである。加齢とともに免疫系の機能が低下し(Immunosenescent)、老化した細胞が取り除かれないまま体内に蓄積される。古い細胞が増えることで新たな細胞が生まれないだけでなく、周囲の正常な細胞にダメージを与え、これらを老化細胞に変えていく。これにより、ガンや心臓疾患や認知症などを発症する。また、関節炎や骨粗しょう症の原因となる。これが老化の問題点で、老化細胞が取り除かれないまま蓄積することで起こる。

One Skinの手法

One Skinはこの老化細胞を取り除く技術を開発している。肌のアンチエイジングに焦点を当て、肌に蓄積する老化細胞を取り除くことで、皮膚を若返らせる技術を開発した。膨大な数のペプチド(Peptide、アミノ酸で構成された短い分子)を調べ、OS-01というペプチドが老化細胞を取り除く効果があることを発見。研究室での実験でOS-01は皮膚の老化細胞を25％から50％取り除くことができその効果を実証した。また、人体に適用しその効果を確認した。(下の写真、老化した肌(左側)にOS-01を12週間適用すると張りのある肌(右側)となった。)

出典: One Skin

人の老化を止める薬

SynBioBetaでOliveiraは、この研究の最終ゴールは人の老化を抑止する医薬品を開発することであると述べ、そのロードマップを説明した。研究は進行中で、アンチエイジングに効果のあるペプチドOS-01を線虫の一種であるC elegansに適用すると寿命が12％伸びたと、その成果を説明した。次のステップはこれを人間に適用し、老化に起因する病気の治療を目指す。具体的には、皮膚角化疾患(psoriasis)や関節リウマチ(rheumatoid arthritis)の治療薬を開発する計画である。

100歳まで健康に暮らす

シリコンバレーの識者の間で健康寿命の捉え方が変わりつつある。老化の研究が急速に進化しており、100歳まで健康で活躍できると考える人が増えてきた。革新的なアンチエイジング医療の研究が盛んで、健康管理を怠らなければ、我々は新技術の波に乗り、余命が大きく伸びそうだ。「100 is the new 60」という言葉をよく耳にする。これは、これからの100歳は従来の60歳という意味で、100歳まで元気に働ける時代は目の前に迫っている。

[OS-01の開発手法]

遺伝子と細胞年齢

One Skinは生物学と機械学習を駆使しOS-01の開発に成功した。One Skinは、研究室でヒトの肌を培養し、このプラットフォームの上でアンチエイジングの研究を展開。また、機械学習の手法で細胞の年齢を推定するアルゴリズムを開発。遺伝子のマーカーを細胞年齢の指標として使った。このアルゴリズムを使い、開発したペプチドで細胞がどれだけ若返ったかを推定した。(下の写真、アルゴリズムの結果を示し、縦軸が細胞の年齢で横軸がその推定年齢。)

出典: One Skin

ペプチドの生成

ペプチドのライブラリーから微生物を殺す機能を持つペプチドを検索。そこから、有望なペプチドを絞り込み、それを参照して、老化細胞を殺滅する機能を持つペプチドを人工的に生成した。生成したペプチドは、通常の細胞には影響はなく、老化細胞だけを殺滅する機能を持つ。このペプチドが「OS-01」で、アンチエイジングに効果があることを実験室で(In Vitro)確認した。更に、実際に人体に適用して(In Vivo)、その効果を確認した。(下の写真、左側が老化した皮膚で、右側はOS-01を適用して若返った皮膚、細胞が密になりカラム状の構造を取る)

出典: One Skin

米国でヒトの受精卵の遺伝子解析が静かに広がっている。体外で受精した卵子の遺伝子を解析し、病気発症を予測する。複数の受精卵の中から、病気を発症する確率が低いものを選び、健康な赤ちゃんを出産する。更に、遺伝子解析でIQの高い受精卵を特定でき、賢い赤ちゃんを産むことができる。しかし、スーパーベイビーを生むことに対しては、深刻な倫理問題を内包し、社会的な批判が大きい。

出典: Genomic Prediction

受精卵の遺伝子解析技術

この技術を開発したのはGenomic Predictionという新興企業で、受精卵の遺伝子を解析し、生まれてくる子供の特性を把握する。受精した卵子から細胞を取り出し、その遺伝子配列を把握し、生まれてくる子供が罹りやすい病気を予測する。更に、子供の将来の身長やIQなど、身体特性を予測することもできる。

成人向けの遺伝子解析との相違

ヒトの遺伝子解析は幅広く普及しており、米国では23andMeなどが個人向けに解析サービスを提供している。唾液などの検体を送れば、発症する可能性が高い病気や身体の特性について知ることができる。これに対し、受精卵の遺伝子解析では、複数個(例えば5個)の受精卵を準備し、これらの遺伝子を解析し、その中で最も優れている受精卵を選んで出産する。23andMeは将来の健康状態を把握するために利用するが、Genomic Predictionは健康で優秀な子孫を残すために使われる。

受精卵の遺伝子解析のプロセス

この検査は体外受精(In Vitro Fertilization) のプロセスの中で実施される。体外で卵子と精子を受精させ、受精卵は細胞分裂を開始し胚(Embryo)となる。胚から細胞を取り出し、遺伝子の配列を解析する。体外受精は不妊治療として実施されるが、この際に受精卵の遺伝子検査を受ける。また、家系に重大な遺伝子病がある場合は、体外受精を実施し、病気発症の遺伝子を持っていない受精卵を選び出産する。

出典: UC San Francisco

体外受精の件数が増加

受精卵の遺伝子解析が広がっているが、この背景には体外受精で出産する件数が増えていることがある。世界的に女性の出産年齢が上昇する傾向にあり、体外受精で子供を授かるケースが増えている。特に、デンマークやベルギーでこの傾向が高く、出生する子供の10%が体外受精といわれている。これに対して、日本は5%で、米国は3%であるが、先進国で体外受精の割合が増加している。

病気発症のリスク

Genomic Predictionは受精卵の遺伝子解析「Pre-Implantation Genomic Testing」により、生まれてくる子供が一生のうちに病気を発症するリスクを査定する。対象となる病気は、糖尿病、乳がん、心臓疾患など10を超え、発症する確率を予測する。(下の写真、病気の種類と発症の確率)。このケースでは糖尿病を発症するリスクが平均より高いと査定された。被験者はこの受精卵を避け、病気発症のリスクが低いと判定された受精卵を選び出産する。生まれてくる赤ちゃんは糖尿病を発症する確率がぐんと低くなり、健康な生活を送ることができる。

出典: Genomic Prediction

病院で検査を受ける

Genomic Predictionの遺伝子解析サービスは医療機関を通じて提供される。提携している医療機関の数は少ないが、米国ではスタンフォード大学大学病院(Stanford Medicine Fertility and Reproductive Health、下の写真)経由でサービスを提供している。被験者は病院で診察を受け、必要に応じて受精卵の遺伝子検査を受ける。議論を呼ぶ治療法であるため、受精卵の遺伝子解析は慎重に進められている。

出典: Stanford Medicine

IQを予測する

Genomic Predictionの遺伝子検査で生まれてくる赤ちゃんの将来の身長やIQを推定することができる。身長やIQなど身体特性は受精卵の遺伝子配列から決まり、身長のケースでは予測誤差は３センチメートルとしている。また、IQについても、知能の高さと遺伝子配列の間で強い相関関係が認められ、高い精度で予測できる。ただし、IQの予測は重大な倫理問題を含んでおり、Genomic Predictionはこの解析サービスを中止した。

遺伝子解析と倫理問題

受精卵の遺伝子を解析することで、健康状態や身体特性を予測し、ベストな受精卵を選び出産することに関し、社会の意見は割れている。病気発症を予測するなど医療目的で使うことに対しては、一定の理解が得られている。しかし、この技術をIQなど身体特性の予測に適用し、優秀な赤ちゃんを生むことに対しては厳しい批判が相次いでいる。このため、米国においてGenomic Predictionの予測技術は健康状態を把握することに限定して使われている。

出典: Genomic Prediction

スーパーベイビーの誕生

人間の欲望は貪欲で、重大な倫理問題を抱える手法であるが、優秀な赤ちゃんを産むことに対し根強い願望がある。これからは、多くの赤ちゃんが体外受精で生まれてくることになり、優秀な受精卵を選択する機会が増える。また、iPS細胞(Induced pluripotent stem cell)を使えば、体細胞(例えば皮膚の細胞)から卵細胞を生成できる。これにより、数個ではなく数多くの受精卵を生成でき、スーパーベイビーの誕生に繋がる。倫理的にも科学的にも許容されるものではないが、世界のどこかで研究が進んでいるのは間違いない。

[技術情報：遺伝子解析とAI]

Predictor

遺伝子変異から病気発症や身体特性を予測するために高度なAIが使われている。Genomic Predictionは遺伝子特性(Genotype)から身体特性(Phenotype)を推定するAI「Predictor」を開発した。このAIは受精卵の遺伝子配列から、生まれてくる赤ちゃんの特性を算定する。遺伝子特性では一塩基多型(Single-nucleotide polymorphism、SNP)をシグナルとして使っている。対象としたSNPの数は80万で、遺伝子特性の99%をカバーする。

UK Biobank

AI開発では教育データがカギを握るが、Genomic Predictionは遺伝子バンク「UK Biobank」のデータを利用した。UK Biobankとは英国の非営利団体が構築した遺伝子データセットで、ここに50万の遺伝子と、4000億を超えるSNPが格納されている。これらのデータを使ってアルゴリズムを教育し、完成したアルゴリズムの精度が検証された。

Polygenic Prediction

Genomic Predictionは「Polygenic Prediction」という手法を使って病気発症を予測する。病気を引き起こす遺伝子は一つではなく、複数の遺伝子が関与している(下の写真右側、乳がんのケース)。AIはこれら複数の遺伝子変異から病気発症の確立を算出する。これに対し、「Monogenic Prediction」という手法は一つの遺伝子から病気発症の確立を算定する(下の写真左側)。Genomic PredictionはMonogenic Predictionに比べ予測精度が高い。

出典: Genomic Prediction

病気発症リスクの低下

この試験(Preimplantation Genetic Testing)により病気発症のリスクを下げることができる。体外受精で受精卵をランダムに選択した場合と、この試験によりリスクの低い受精卵を選択した場合を比較すると、生まれてくる子供が将来病気を発症する確率が大きく下がる(上のグラフ)。11の病気で発症リスクが下がり、心臓発作は46.9%、糖尿病(タイプI)は33%低下する。

出典: Nathan Treff et al.

IQの予測精度

Genomic PredictionはSNPとIQの間に強い相関関係(Correlation coefficientが0.7)があるとしている。また、アルゴリズムを教育するデータ数を増やせば、高い精度でIQを予測することができる。IQは遺伝するのか、それとも生活環境に依存するのか議論が続いているが、Genomic PredictionはIQを決定する要因の80%が遺伝子であるとしている。

研究課題

AIはUK Biobankに登録されている人の遺伝子情報で教育された。UK Biobankには英国を中心に欧州の人々の遺伝子情報が登録されている。このため、このアルゴリズムを他の人種に適用すると予測精度が低下する。このため、人種ごとの遺伝子情報でアルゴリズムを教育する必要がある。その際に、Transfer Learning(アルゴリズムを手直しすることなく他のデータで教育)の手法を用いることができるかがこれからの研究課題となる。

遺伝子解析とデータ

遺伝子解析による予測精度はアルゴリズムを教育するデータの量と質に依存する。このため、国や企業が大規模な遺伝子データセットを構築することが遺伝子工学の進歩に繋がる。米国ではNIHや23andMeなどが遺伝子データセットの整備を進めている。23andMeはGoogleが出資している新興会社で、消費者の個人データを収集し、これを解析することで収益を上げる構造となっている。検索や広告事業と同様に、遺伝子解析事業では消費者の個人データを大規模に収集することが成功に繋がる。