モデルに合わせて研究作業を設計
物理学者マシュー・シュワルツ氏は、現在の言語モデルの強みに合う科学的課題は何か、という実践的な問いを軸にしたオープンソースのツールキット兼研究手法「BootLoops」を紹介した。同氏の答えは、プログラミング、数学、幅広い文献読解を組み合わせた、厳密さと大量の計算を要する問題に焦点を当て、科学的判断と方向付けは人間の研究者に委ねるというものだ。
シュワルツ氏は、対象とする課題を「Claudeの得意分野に合った」問題と表現する。モデルに独立した科学者のように振る舞うことを求めるのではなく、高速なコーディング、分野横断的な知識の想起、技術文献を読み解く能力が役立つ作業を与える。そのうえで専門家が、技術的には妥当な関連性が自分の分野で重要かどうかを判断し、科学的価値のある問いへと作業を導く。
このプロジェクトは、数理物理学での実験から生まれた。シュワルツ氏は当初、粒子衝突型加速器の観測と、その背後にある相互作用の理論的記述とを結ぶ散乱振幅に関する手法の実装や改良にClaudeを使った。現代の振幅計算の一部では、ブートストラップ法を用いる。研究者は物理的な制約を適用して可能な解の広大な集合を絞り込み、極めて精密な数値を使って残る係数を特定する。
形式的な数学、ソフトウェア開発、数値による検算という組み合わせは、AIコーディングシステムに適した環境となった。BootLoopsは、こうした計算のためのツールと手順をまとめたもので、新しいモデルそのものではなく、言語モデルを取り巻く実行・支援基盤として機能する。シュワルツ氏によると、このツールキットはClaude以外のモデルでも利用できる。
専門家の監督の下で分野を横断
同じ数学的パターンは、高エネルギー物理学だけでなく、生態学、集団遺伝学、地質学、経済学、言語学にも現れた。ただし、数学的に正しい関連性でも、科学的には自明だったり、意味がなかったり、問いの立て方が不適切だったりする可能性がある。そのためシュワルツ氏は、有意義な問いを見極め、結果を評価できる各分野の専門家に協力を求めた。
この役割分担がプロジェクトの中心にある。現在のシステムは素早くコードを生成し、複数の分野に散らばる手法を探ることができる一方で、実りのない方向を追いかけ、細かな修正を必要とすることもある。シュワルツ氏は、ツールの知識の広さと速度を、深い概念的な問いを独力で選ぶ能力の限界と対比している。
したがってBootLoopsは、AIシステムが単独で科学研究を行える証拠というより、研究の進め方を探る実験と捉えるのが適切だ。研究者がよく求めることと、言語モデルが確実にできることとのずれを小さくしようとしている。提案されている利点は、課題を絞り、計算を検証可能にし、単に妥当なだけの結果と興味深い結果を区別できるよう、早い段階から専門家に関与してもらうことから生まれる。
この取り組みはまた、AIを活用した発見について、より慎重な見方を示している。進展はモデル自体の能力だけでなく、ツールの設計、検証、そして科学的な背景を理解する人々との協力にも左右される。
