カテゴリー別アーカイブ: Google

GoogleはAIで新型コロナウイルスの3D形状を解明、この情報が治療薬開発を加速する

新型コロナウイルスの感染者数が30万人を超え世界は危機的な状況となった。病気を防ぐワクチンや治療薬がないため、感染が拡大し病気が重篤化している。世界の研究機関はワクチンや治療薬の開発を急いでいる。Google系DeepMindはAIを使い新型コロナウイルスの3D形状を推定した。医薬品開発では病気を引き起こすたんぱく質の形状が決定的に重要で、AIがワクチンや治療薬の開発を加速するのか期待が寄せられている。

出典: DeepMind

AlphaFold

DeepMindはたんぱく質の形状をニューラルネットワークで推定する研究を早くから進めている。このAIは「AlphaFold」と呼ばれ、遺伝子情報を解析し、たんぱく質の3D形状を推定する。つまり、たんぱく質を生成する遺伝子配列を読み込むと、たんぱく質の形が分かるというもの。DeepMindはAlphaFoldを新型コロナウイルス(SARS-CoV-2)に適用し、その形状を推定した(上の写真)。これは新型コロナウイルスの「Membrane Protein」(下の写真、ウイルスの膜に付着しているたんぱく質)といわれる部分で、治療薬の開発には不可欠な情報となる。

たんぱく質の形状が持つ意味

たんぱく質の形状が注目されるのは、その形が機能を決めるからである。細胞内のたんぱく質の形状を見ることで、その役割が推定される。これにより、対象とするたんぱく質(例えばがん細胞)の形に作用する薬の開発に繋がる。新型コロナウイルスも同様で、ワクチンや治療薬を開発するにはウイルスの形状が決めてとなる。しかし、従来の手法(低温電子顕微鏡など)では形状を特定するまでに数か月かかり、この緊急事態に対応できない。このため、DeepMindは既に開発を進めていたAlphaFoldを新型コロナウイルスに適用し、その形状を推定した。

出典: Nature

Protein Folding Problem

たんぱく質はアミノ酸の配列で構成される(下の写真)。アミノ酸と別のアミノ酸が結合するとき、両者の距離や結合角度が決まる。これにより、アミノ酸結合は、らせん配列(Alpha Helix)とシート配列(Pleated Sheet)という構造を取る。更に、これらが絡み合い3D構造のたんぱく質ができる。たんぱく質がどのように折り畳まれているかを解明する研究を「Protein Folding Problem」と呼び、過去数十年にわたり研究が続いている。

出典: DeepMind

ニューラルネットワークの技法

AlphaFoldは三つのニューラルネットワークを使ってたんぱく質の形状を推定した(下の写真)。最初のネットワークはアミノ酸の配列から、それぞれのアミノ酸の間隔と結合角度を推定する。ここでは教育データとして実際のたんぱく質とその距離や角度のデータが使われた。二つ目のネットワークは推定されたたんぱく質の形状がどれだけ正確かを算定する。三つ目のネットワークは、これらの情報からたんぱく質の3D形状を描き出す。

出典: DeepMind

出力結果の検証

このプロセスを新型コロナウイルスに適用し、その形状を推定したのが先頭の写真となる。ただし、これはAlphaFoldによる推定で、実際にこの形状が正しいかどうかは検証されていない。実験で新型コロナウイルスの形状を決定するまでには時間を要し、DeepMindはこの確認を待たないで解析結果を公表した。未確認の情報であるがこれを研究開発に役立てほしいとしている。

体内で生成されるたんぱく質

AlphaFoldは新型コロナウイルスだけでなく、他の病気の治療薬を開発するために開発が続いている。医学分野では、人間の体内で生成されるたんぱく質の構造についての研究が進んでいる。既に、体内で生成されるたんぱく質の中で、その半分について構造が分かっている。これらの情報はProtein Data Bankに登録され一般に公開されている。世界の研究者はこれらたんぱく質の形状を理解し新薬の開発を進めている。

AIを創薬に応用

しかし、遺伝子変異により人間のたんぱく質の構造が変わり、これが原因で病気を引き起こす。これらの病気を治療するためには、変異したたんぱく質の構造を理解する必要がある。この分野でAlphaFoldが活躍し、難病の治療に繋がると期待されている。また、新型コロナウイルスのように新しい種類のウイルスの形状を解析するためにも有益なツールとなる。

医療以外の応用分野

AlphaFoldは医療だけでなく環境問題を解決するツールとしても期待されている。いまプラスチックが海に流れ出て環境汚染が深刻化している。AlphaFoldはプラスチックを生物学的に分解する(Biodegradable)技法の開発を目指している。プラスチックを分解する酵素の発見がゴールとなりAIでその形状を推定する。

新型コロナウイルスのフェイクニュースで世界が混乱、Googleは偽情報を検知する技術を開発

新型コロナウイルス(Novel Coronavirus)が中国から各国に広がり、世界が危機的な状況にある中、新型ウイルスの虚情報がネットで拡散している。個人がフェイクニュースを発信するだけでなく、ロシアは米国を攻撃するために偽情報を拡散している。サイバースペースでは国家が偽情報を武器として使っている。ソーシャルメディアの危険性が改めて認識されるなか、Googleは偽情報を検知する技術を公開した。(下の写真:武漢の市街地を除菌する車両)

出典: China Daily

ロシアの攻撃

今週、主要メディアは、米国政府関係者筋の情報として、ロシアが新型ウイルスに関する偽情報を大量に発信し、米国を攻撃していると報じた。ロシアはソーシャルメディアで多数の偽アカウントを開設し、ここからフェイクニュースを大量に発信している。その内容は、「新型ウイルスは米国により開発されたもので、これを生物兵器として中国で拡散させている」というもので、フェイクニュースが攻撃手段として使われている。

偽情報を拡散する目的

ロシアが偽情報を発信する目的は、米国の国際的な信用度を落とし、米国社会の不安を増長させることにある。情報操作は冷戦時代に始まり、ソビエト連邦のKGBはエイズを発症させるHIVについて偽情報を発信したという経緯がある。米国の科学者がHIVを開発し、それが世界に蔓延したというもので、フェイクニュースの原型となる。このような経緯もあり米国諜報部門は新型ウイルスに関しロシアの情報操作を警戒していた。

米国は中国を攻撃

偽情報を発信しているのはロシアだけでなく、米国で新型ウイルスの陰謀説が流布している。右派系ニュースサイト「G News」は、武漢(Wuhan)にある研究施設(Wuhan Center of Disease Control and Prevention)から新型ウイルスが流出したことを中国政府が認めた、という記事を公開した(下の写真、ファクトチェックサイトはこれを偽情報と判定)。その後、共和党議員(Tom Cotton)がテレビ番組(Fox News)で、この問題を取り上げ、この陰謀説が全米に広がった。これに対して、米国の科学者団体は、偽情報を拡散することは新型ウイルス対策を遅らせることになるとして、警告メッセージを発信した。

出典: PolitiFact

ロシアが再び大統領選挙に

今年は米国大統領選挙の年だが、米国諜報部門はロシアが既に選挙戦に介入していることを議会委員会に報告した。ロシアはソーシャルメディアを使い、偽情報を流布し、米国有権者の世論を操作している。2016年に続き今回も、ロシアはトランプ氏を支援し、再選できるための情報戦を展開している。同時に、民主党の候補者サンダース氏を後押ししていることも明らかになった。ロシアがどのような手口でこれを進めているかは公開されていないが、偽情報で国民世論を分断する手法が取られると予測されている。

Googleの偽情報対策

社会にフェイクニュースが拡散しているが、これらはDisinformation(偽情報)と呼ばれ、世論を二分し社会を不安定にすることを目的としている。Google配下の「Jigsaw」は偽情報を検知する技術を開発しており、この内容を発表した。この技術は「Assembler」と呼ばれ、フェイクイメージを検知する機能を持つ。Assemblerは報道機関向けに公開され、各社はこの技術を使い、写真が加工されているかどうかを把握する。AssemblerはDeepFakes(高度なAIで生成されたフェイクイメージ)も検知することができる。

Assemblerの機能概要

Assemblerは入力された写真を解析し、イメージの中で改造された部分を特定する。Assemblerのスライドを左右に動かすと、写真の中で加工された場所を赤色のドットで示す(下の写真、星条旗の部分)。AssemblerはUC Berkeleyなどと共同で開発され、改造イメージの検知にはこれら研究機関の技術が使われている。具体的には、コピーされた部分、追加または消去された痕跡、異なるカメラで撮影された部分を検知する技術が組み込まれている。

出典: Jigsaw

Assemblerの特徴

これに加え、JigsawはDeepFakesを検知する技術を開発した。具体的には、StyleGAN(スタイルを変換してイメージを生成する技法)という手法で生成されたフェイクイメージを検知するAIを開発した。リアルとフェイクのイメージでアルゴリズムを教育し、AIはGANが生成したシグナルを検知する。また、Jigsawは、上述の研究機関が開発した検知技術を統合する技法を開発した。これはEnsemble Modelと呼ばれ、個々に検知したシグナルを統合し、モデルが複数の改造を同時に高精度で把握する構造とした。

記事の真偽を判定するツール

新型ウイルスの発生源は特定されていないが、ウイルスはコウモリに由来するとの科学レポートもある。ソーシャルメディアには、武漢のレストランでコウモリのスープが出されているとの記事が写真とともに掲載されている(下の写真)。また、それを女性が食べている写真もネットで拡散している。一見してフェイクニュースと思われるが、100%確信を持てるわけではない。

出典: China Daily

これ以外にも、ネット上にはショッキングな写真が数多く掲載されており、明らかにフェイクと分かるものもあるが、真偽の判定が難しい写真も少なくない。やはり、Assemblerのように真偽を判定するツールが必要となる。また、記事を掲載するソーシャルメディアは、その内容をツールで解析し、偽情報であればその旨を読者に知らせる仕組みも求められる。

GoogleはAIの品質保証書「Model Cards」を公開、アルゴリズムの機能と性能と限界を明確にする

社会にAIが幅広く浸透し日々の生活で利用されているが、消費者はAIの機能を理解しないまま使っている。AIは万全ではなく、顔認識で誤認したり、クレジットカード審査で女性が不利になることが報告されている。GoogleはAIの概要を明示する必要があるとして、アルゴリズムの中身を消費者に開示するシステムを開発した。

出典: Google

AIの品質証明書

これは「Model Cards」と呼ばれ、ここにアルゴリズムの機能や性能や限界が記載される。Model CardsはAIの品質保証書とも解釈でき、ここにAIの成績と欠点が書かれ、これを利用者や開発者に公開する。消費者はこれを読み、アルゴリズムの機能と限界を知り、AIを安全に利用する。

犬の種別を見分ける

例えば、ある企業が犬の種別を見分けるAIを開発し、それを販売したとする。Model CardsにはAIに関する基本情報が記載される(上のグラフィックス、イメージ)。これがAIの使用説明書となり、AIの特性を理解し適切に利用する。犬のどんな写真を使うとAIが正しく判定できるのかが分かる。大写しの写真や小さな写真ではAIが正しく判定できないことも理解できる。

Model Card:機能概要の説明

Googleは実際に、顔認識(Face Detection) AIのModel Cardsを公開した(下の写真)。ここには基本機能(Model Description)として、AIの概要が記述される(左側)。AIは認識した顔を四角の枠で囲って示すとの説明がある。また、顔の中で最大34のポイント(Landmark)を認識できるとしている。更に、ニューラルネットワークは「MobileNet」という種類で、軽量のイメージ判定AIであることが分かる。

出典: Google

Model Card:アルゴリズムの限界

Model CardsはAI機能の限界についても記載している。顔の向き(Facial Orientation)の限界を表示し、これを超えると検知できないとしている。また、顔の大きさ(Face Size)が小さすぎると検知できないとしている。具体的には、瞳孔間の距離(Pupillary distance)が10ピクセル以下だと検知できない。他に、暗い場所、顔が隠れている場合、顔が動いている場合は検知できないと注意を喚起している。

Model Card:精度の説明

Model CardsはAIの判定精度についても説明している。精度は「Precision-Recall Values」をプロットしたグラフで示される(上の写真右側)。また、グラフはベンチマークで使用したデータ種類ごとに示され、ここでは三種類のデータセットを使った結果が示されている。Precisionとは顔と認識したケースの精度で、Recallとは写真の顔をどれだけ漏れなく認識できたかを示す指標となる。つまり、Recallを見ると特定グループ(肌の色や性別の集団)の精度が分かり、これにより性別や人種によるバイアスがあるかどうかを検証できる。

出典: Margaret Mitchell et al.

業界で規格化を目指す

医薬品を買うと薬の効能や副作用や注意点が記載された説明書が添付されている。消費者はこれを読んで薬を安全に服用する。同様に、AIを使うときも消費者は説明書(上の写真、笑顔を検知するAIの説明書の事例)を読んで安全に利用する必要がある。これはGoogleが開発したAIだけでなく、他社が開発したAIにも適用することが求められる。このため、GoogleはModel Cardsを第一歩として、業界や開発者団体と共同で、この方式を規格化し普及させることを計画している。アルゴリズムの説明責任が求められる中、この活動がどこに向かうのか注視していく必要がある。

Alphabetは解体されムーンショットは終了か、Googleは激変の年を迎える

Alphabetは2019年12月、創業者のLarry PageとSergey Brinが役職を退き、Sundar Pichaiがこれを引き継ぐことを発表した。PichaiがAlphabetのCEOとなり、Googleを含むすべての経営を掌握する。これまで、PageはAlphabetのCEOとしてムーンショット「Other Bets」を育成してきた。今回の発表でPichaiがAlphabetの経営を担い、ムーンショットを継続するのか、その判断に関心が集まっている。

出典: VentureClef

Alphabetの設立

そもそもAlphabetとは、コア事業体「Google」と新規事業「Other Bets」を統括する親会社で、Other Betsの財政状況をクリアにするため、2015年10月に設立された。PageがCEOに就任し、同時に、PichaiがGoogleのCEOとなった。これにより、PageがAlphabetで次世代ビジネスを育成し、Pichaiが検索などのコア事業を運営する構造となった。

ムーンショットの概要

今回の発表でPageはAlphabetのCEOを退き、Pichaiがその後を引き継ぎ、ムーショットを運営する。Alphabetが設立されてから4年余りで大きな節目を迎えた。Alphabetで野心的な研究開発が進んでいるがこのプロジェクトをムーンショットと呼ぶ。「Waymo」は自動運転車を開発する会社で、既に、無人タクシーの営業運行を始めている。「Calico」は老化のメカニズムの研究を進め、老化を止める医療技術の開発を目指している。「Verily」はヘルスケア企業で、人体をデジタルに把握し健康を定義する。「Sidewalk Labs」はスマートシティを開発する企業でカナダで大規模な事業を進めている。「X」はMoonshot Factoryとも呼ばれ、文字通り革新的な技術を生み出す(下の写真、Xのオフィスビル。Xの他にWaymoやロボット開発チームが入居している)。

出典: VentureClef

組織見直しの理由は

なぜこのタイミングでAlphabet責任者がPageからPichaiに代わるのか、シリコンバレーで様々な憶測が流れている。CNBCはPageの健康問題が要因との見方を示している。Pageは声帯に異常があり大きな声が出ないという障害があり、ビジネスの一線から退いたと説明している。New York Timeは、Pageは会社経営には関心がなく、革新技術を探求するために会社を去ったとの見解を示している。Recodeは、公開されていな重大な出来事が起こり、Pageがこの職をPichaiに移譲したと推測している。どのメディアも真相を把握できておらず、謎に満ちた交代となった。

実質的に引退した状態

この発表とは別に、既に、Googleの顔はPichaiとなっている。PageはGoogle I/Oなどの公の場に姿を見せることはなく、その存在感は薄くなっている。最近では、Alphabet社内にも姿を見せなくなったといわれ、Pageの経営への関与も縮んでいる。事実、連邦議会委員会に出席を求められたが、Pageは出向くことはなく、空席のまま公聴会が進んだ。Pageは事実上、引退している状態であった。

Pichaiの評価

一方、PichaiはGoogleの顔となり、実質的に会社運営を担ってきた。Pichaiの評判は良好で、物静かで控えめなキャラクターと評価されている。Pichaiは本当のギークと評され、技術者の立場から企業運営を担っている。PichaiはしばしばMicrosoft CEOのSatya Nadellaと比較される。両者ともインド出身のアメリカ人で、カリスマ創業者の後を継ぎ、企業文化を保ちながら、うまく事業を拡大している。

ムーンショットの評価

Alphabetが設立され四年余りが経過するが、ムーンショットの成果が問われている。ムーンショットは毎年、大規模な赤字を計上しており、2018年度は34億ドルの損失となった。投資家やウォールストリートはAlphabetが大きな損失を出していることに厳しい見方を示している。Alphabetを閉じコア事業である検索にリソースを集約すべきとの意見が多い。これに対し、PageはGoogleの成長を維持するには新規事業を起こすことが必須であると主張しOther Betsの盾となってきた。

ムーンショットの行方は

PichaiはAlphabetの経営を任され、ムーンショットの運営についてどのような判断を下すのか、市場の関心が集まっている。このままプロジェクトを継続するのか、それとも、中止するのか、重大な決断が下されることになる。ただ、PageとBrinは役職を退いても、両者で株主総会の議決権の56%を有しており、今度は株主として会社経営に関与する。そのため、Pichaiの経営判断はPageの承認を仰ぐことになり、ムーンショットの路線が大きく変わることはないとの見方もある。事実、Waymoは事業開始直前で、ムーンショットの成功事例となる。投資家の視点は短いが、Googleの業績は好調で、その利益をどれだけムーンショットに投入するのか、このバランスが問われることになる。

出典: VentureClef

Googleは新本社を建設中

Googleは本社キャンパスに隣接して新社屋を建設している(上の写真)。外観は今にも飛び立とうとする宇宙船のようにも見え、人目を惹くデザインとなっている。この社屋のテーマは次世代ビルで、この巨大なドームの中に柔軟構造のオフィスビルが建設される。ドームの透明の天蓋で外光や外気を取り入れ、周囲には歩道や緑地が整備される。今年は本社ビルも変わることになる。

Googleは家事や介護ができる汎用学習ロボットを開発中、高度なAIでブレークスルーを狙う

Googleの持ち株会社Alphabetはロボット開発を進めているが、2019年11月、最新状況を公開した。ロボットは「Everyday Robots」と呼ばれ、家庭やオフィスで日々のタスクを実行する。ロボットは自分で学習する機能を備え、煩雑な環境の中を自律的に動き、ごみの分別などをこなす。最終的には家庭に入り、家事をこなし、高齢者の介護を手掛ける。Everyday Robotsは高度なAIが求められ、Google BrainやWaymoと密接に開発研究を進める。

出典: Alphabet X

ロボットの概要

ロボットはGoogleのムーンショット工場「Alphabet X」で開発されている。ロボットは駆動機構に円柱状の本体が乗り、ここにアームが接続されている(上の写真)。頭部にカメラなどのセンサーを搭載し、AIがイメージを解析し周囲の環境を理解する。煩雑なオフィスの中を社員に交じって安全に移動する。

ロボットの視覚とアーム操作

ロボットはアーム先端のグリッパーで日常のオブジェクトを掴んだり動かしたりする(下の写真)。ロボットは搭載されたセンサーで収集したデータを解析し、何を見ているのか、また、何を聞いているのかを理解する。更に、ロボットは世界の中でどこにいるのかを把握し、日常生活の中で人間に交じり、タスクを安全に実行する。つまり、ロボットは常識を持ち人間の同僚のように振る舞う。

出典: Alphabet X

ロボットの位置付け

いまのロボット(下のグラフ、Industrial Robotics)は管理された環境で厳密に定義されたタスクを実行する。自動車工場の製造ロボットがこれに該当し、規定されたパーツを定義された動作とタイミングでシャシに搭載する。このために、操作を逐一プログラミングする構成で、ロボットはそれに沿って正確に稼働する。この結果、ロボットはオフィスや家庭のように予定外の事象が発生する環境では動くことはできない。

出典: Alphabet X

汎用学習ロボット

これに対して、Everyday Robotsは人間に交じり、想定外の事象が起きる環境で、日々のタスクを安全に実行する(上のグラフ、Everyday Robots)。自動運転車より難易度が高いというポジショニングとなる。また、Everyday Robotsは人間のしぐさを見てタスクの実行方法を学び、また、他のロボットから学習する機能もある。そして、ロボットはクラウドのシミュレーション環境の中でタスクを学んでいく(下の写真、Lidarで周囲のオブジェクトを把握している様子)。

出典: Alphabet X

ごみの分別を学習

Everyday Robotはごみを分別するタスクを学習している(下の写真)。箱に入っているごみを、ボトルはリサイクルのトレイに、また、紙コップはランドフィルのトレイに移し替える。ロボットはごみの種類を把握して、それをグリップで掴み、指定された場所に移す。学習を重ね、今では95%の精度でごみの分別ができる。数多くのロボットが並列してごみ分別タスクを実行することで学習速度を上げる。

出典: Alphabet X

Googleのロボット開発の歴史

Googleのロボット開発は紆余曲折を経て今の形に収束した。Googleがロボット開発に着手したのは2013年12月で、Android生みの親Andy Rubinが指揮を取った。GoogleはBoston Dynamicsなどのロボットベンチャーを相次いで買収した。しかし、ロボット開発は難航し、プロジェクトは中止となり、GoogleはBoston DynamicsをSoftBankに売却した。更に、Rubinは人事問題で2014年末に会社を離れ、Googleのロボット開発は失敗の象徴として語られる。

ロボット開発再開

しかし、2016年ころ、Googleのロボット開発はAlphabet Xに集約され、ここで再出発することとなった。今度は最新のAIをロボットに適用することでインテリジェントなロボットを目指した。Googleのアプローチはコモディティ・ハードウェアに最新のAI技法を取り込み高度なロボットを開発するというもの。研究施設にはロボットアームが40台並び、オブジェクトのピッキングなどのタスクが実施された。多数のロボットアームが稼働することから、この施設は「Arm Farm」と呼ばれた。ロボットが多重でタスクを実施することでアルゴリズムを教育する速度が向上した。

深層強化学習

この頃、DeepMindは深層強化学習(Deep Reinforcement Learning)という手法で囲碁システム「AlphaGo」を開発し、人間の囲碁のチャンピオンを破った。Googleはこの手法をロボットに応用し、学習速度をあげるアプローチを取った。AlphaGoがシミュレーション環境で囲碁の技を磨いてきたように、ロボットもシミュレーション環境でピッキングを繰り返しスキルを上げた。

出典: Google

Alphabet Xキャンパス

Everyday Robotはこの延長線上にあり、ロボットは、昼間は研究所の中でごみ分別作業を繰り返し、夜間はシミュレーション環境でこのタスクを実行する。ちょうど、自動運転車Waymoが市街地を走行し、同時に、シミュレーション環境で試験走行を繰り返すモデルに似ている。WaymoとEveryday RobotはAlphabet Xの同じキャンパスで開発されている(下の写真)。また、ロボットはWaymoが開発したLidarを搭載しており、これで周囲のオブジェクトを把握し、自動で走行する。

出典: VentureClef

ブレークスルーはあるか

Everyday Robotsは深層強化学習など高度なAIを搭載し、自分でごみの分別方法を学んでいく。ごみの分別ができると次のタスクに進むが、既に基礎教育ができているので、研究チームは新しいスキルを短時間で習得できると見込んでいる。ロボットは異なるタスクでも学習速度をあげ、Everyday Robotは汎用学習ロボットに到達するというシナリオを描いている。しかし、この仮説が実証された事例はなく、本当に汎用学習ロボットに到達できるのか、大きな挑戦となる。Googleの高度なAIでこの壁を破れるのか、世界が注目している。