AI for Bioは「ファジーAPI」問題を抱えている

AI for Bioが再び注目を集めている。しかし、機械学習を生物学に適用することを難しくしているのは、単に生物学が複雑だからではない。より深い理由は、創薬にはソフトウェアのようなクリーンなフィードバックループやインターフェースが存在しないことにある。

ソフトウェア業界では、開発者はクリーンなAPIに慣れ親しんでいる。あるチームがバックエンドサービスを構築してエンドポイントを公開すれば、別のチームはその上に機能を構築できる。インターフェースは型付けされており、オブジェクトが契約を満たすかどうかは明確である。問題が発生すれば、通常はバグを追跡し、コードを修正し、テストを再実行して、再デプロイできる。このような仕組みが、Supabase（データベース）、Exa（検索）、NVIDIA（GPU計算）など、数十億ドル規模の企業を生み出している。

創薬も同じように考えたくなるかもしれない。つまり、疾患から標的を発見し、標的に対する薬剤を設計し、臨床試験を実施するという線形のプロセスだ。しかし現実はそうではない。生物学では、あらゆるステップに不確実性が伴う。試験管内で有効でも生体内で無効、動物モデルで成功してもヒトでは失敗する。フィードバックループは曖昧で遅く、ソフトウェアのように素早くモデルを改善することはできない。この「ファジーAPI」問題を理解することが、AIを生物学で活用する鍵である。