東北大が長期的志願者数減少していることについて　地方人口の減少がもたらすもの　地方大学の将来

「ロボティクス技術による解釈可能なAIを組み合わせた自動実験」と仰りたいのでしょうか？


①　実際は、自動実験で得られたデータが本来持つ不完全性を機械学習側で考慮するしくみが無い分野も多い。
創薬に関わらずMIを使用している企業は多数あるのですが、多くはMIでスピードアップをはかり、この不完全な部分を埋めるために、実際は実験による実証という流れです。

②　ですが、一部の材料開発などは、物理・化学等の専門的な知見を持った開発者がAIの予測結果の背後にある不完全性や問題点を紐解きながら、MIに適用させ、今までになかった高機能・高特性な材料・素材の開発にこぎ着けた分野もあります（ポストモダンさんが仰る21世紀型？）


「さすが数弱」さんは、①と②のどちらのパターンもある、という視点

「ポストモダン」さんは、②のみ視点


この違いだと思いますが。

ちょっとMIという用語が出てこなかったのだけど、創薬に携わっている私の知人が、最近はAIが新薬の分子構造を導き出してしまうので、自分たちの仕事は治験くらいしか無くなった、と言っていたのを思い出したのです。
創薬の場合、治験という実験実証の手続きは、どうしても外せないだろうけど、分野によっては実験実証すらスキップしてしまうこともあるのでしょうね。
この事実は、実験実証中心の20世紀型科学の方法論とプログラミング（AI）中心の21世紀型科学の方法論の違いを際立たせていて、私の仮説を支持してくれていますね。
私は、科学の方法論に焦点を当てて議論を展開しているので、現場では二つの方法論を組み合わせて研究が進められているであろうことは想定の範囲内です。

＞私は、科学の方法論に焦点を当てて議論を展開しているので


モノマー分野の合成である創薬は、「ロボティクス技術による解釈可能なAIを組み合わせた自動実験」が比較的容易な分野ですね。

方法論のお話ならば、ポストモダンさんが仰る分野で今時、AI等を活躍せず研究を行っている大学研究室は、ないのではありませんか？


ここで、東北大学のお話が出ていたので、、

スピン熱電材料の熱電性能向上の実証

①　ロボティクス技術を駆使して大量の材料作製とその特性データ取得を自動で行う実験技術

②　①で得られたデータを基に自動で材料シミュレーションを実行し大量のデータを蓄積する計算技術

③　解釈可能な機械学習(異種混合学習)を組合せたシステムを活用し、スピン熱電材料の特性向上に関係する物性値などの要因探索


これらのステップを経て、スピン熱電材料の熱電性能向上の実証とありました。
（本研究成果は、2019年10月30日に英国の科学雑誌「Nature Partner Journal Computational Materials」にオンライン掲載）



ここでポイントとなるのは、「機械学習モデルを物理・化学等の専門的な知見を持つ開発者が考察することで熱電性能に関係する主な要因を絞りこみ、効率良く実験を進めることで性能向上を実証」です。

まず、第一に専門性が重要です。

その上で

・技術関連実験を効率化するアプリケーション開発
・技術関連実験データを管理するアプリケーション開発
・各種実験データやサンプルデータを管理するためのデータベース構築

等、プログラミングで効率化を図る


「さすが数弱」さんが前に投稿されていた、「プログラミングはツール」というのは、この様なことかと。

この投稿後に、「マーチテイ」や「旧帝大は、いまや日東駒専未満」などの書き込み一気に増えましたね。

エデュらしいというか〜

国立大学は、国家戦略で人材育成の柱


【東北大学主催 第6回 医学AIセミナー 特別レクチャーのお知らせ】

2022年11月17日（木） 18:00からハイブリットで、東北大学主催 医学AIセミナー特別レクチャーを開催致します。

開催概要

日時：2022年11月17日（木）18:00~19:30   ※入場開始時間(現地参加)：17:45
対象：
東北大学医学AIセミナー生
北海道大学医療AI開発者養成プログラム生、
岡山大学医療AI応用コース生

・医療AI人材育成拠点プログラム関連校
（東北大学、北海道大学、岡山大学、山形大学、福島県立医科大学、日本医科大学、北海道情報大学、北海道科学大学、徳島大学、 香川大学、山口大学、鳥取大学、川崎医科大学）の学生・教員



◆　府省横断型産学官連携プロジェクト

「新薬創出を加速する人工知能の開発」では、ヒト由来のデータを用いたデータ駆動的創薬標的探索技術の構築を目指して、
①臨床情報の収集とデータベースの構築
②医薬品開発において臨床情報の利活用を可能とする人工知能の開発
③事業成果が適切に管理・維持された上で公開される基盤の構築
の3点を目標に掲げて推進してきた。本講演では、当該プロジェクトの研究成果を紹介しつつ、それを支える技術である機械学習の基礎、診療情報の利活用における問題点などに触れる。

> 創薬に携わっている私の知人が、最近はAIが新薬の分子構造を導き出してしまうので、自分たちの仕事は治験くらいしか無くなった、

わかってないなあ。AIが新薬の分子構造を導き出してしまうといっても、何かしらの理論に基づく絞り込みの条件は人間が決めているんだよ。何ら条件もつけずに、ありとあらゆるパターンの中からAIが勝手に最適なものを導き出すなんてありえないね。AIを正しく動かすには規則や目標が必要になるんだよ。

科学技術が発展してメカニズムが高度になればなるほど、それを働かせる人間の責任は重くなり、人間に必要な学力は高くなるわな。

＞前にアルゴリズムは理論だって言ったのを理解してないんだね。

私はアルゴリズムが理論だなどとは一度も言っていない。
むしろ、アルゴリズム（プログラミング）は理論ではないと凡ゆる場面で示唆している。
科学理論は実験によって実証された演繹的な合理性の体系だが、アルゴリズム（プログラミング）はある目的に沿った作業手順の指令の体系だ。
この二つは方法論的にまったく異なると言っている。
20世紀型科学は前者に基づいているが、21世紀型科学は後者に基づいている。
みんな、この仮説を巡って議論しているのに、君だけがまだ議論に参加できていない。