0 / 5 節読了

古い科学文献が抱える問題

地質学の分野には、過去の貴重な研究成果が数多く残されています。これらは、古い専門書や歴史的な文献の中に眠っています。しかし、これらの資料は、コンピューターでの利用を想定していません。そのため、文章が整理されていなかったり、図や表の配置が複雑だったりします。このため、現代のデジタル技術を使ってこれらの知識を取り出すのは、非常に手間がかかる作業でした。結果として、過去の優れた発見が、新しい研究に十分に活かされない状況が続いていました。

HERMESの多機能な抽出プロセス

この課題を解決するために開発されたのが、多機能なAIの枠組み「HERMES」です。これは、複数のAIが協調して動く仕組みです。中心となるのは、大規模言語モデル（LLM。人間が使う言葉を理解し、生成できるAIのことです）です。このLLMが全体の処理を調整し、指示を出します。HERMESは、専門分野特有の制約条件（守るべきルール）や、情報の正確さを確認するルールを取り込みます。さらに、抽出した情報がどの部分から来たのか、その根拠をたどる機能も備えています。文書全体から、解析された文章、表、図、そしてそれらの説明文をまとめて処理します。これにより、超長文の科学資料からでも、必要な情報を効率よく、正確に取り出せます。

大規模な実証実験とその成果

HERMESの能力を試すため、55巻からなる「無脊椎動物古生物学論文集」という膨大な資料に適用されました。この論文集は、化石に関する詳細な情報が詰まった重要な文献です。HERMESは、この大量の資料から、32,277件の化石分類項目と、451,878件の属性情報（その項目が持つ特徴や詳細な内容）を含むデータベースを作り上げました。このデータベースは、現在オンラインで一般に公開されています。抽出の正確さを示すF1スコア（AIの性能を評価する指標の一つです）は、化石のグループによらず安定していました。項目抽出で約90%、属性抽出で約91%という高い水準を達成しています。これは、同じ作業を手作業で行う場合に比べて、約6倍もの効率向上に相当します。

専門分野を超えた応用力

この仕組みの優れた点は、その汎用性の高さにもあります。HERMESは、追加のAI学習をすることなく、古地磁気学（地球の過去の磁場を研究する学問）や地球化学（地球の化学的な組成や変化を研究する学問）といった、全く異なる地質学の専門分野にも応用できることが示されました。このことは、HERMESが特定の分野に特化せず、幅広い科学文献から知識を抽出できる可能性を示唆しています。つまり、一度開発されたこの仕組みが、様々な学問分野で活用できることを意味します。

知識の未来を切り拓く

私は、HERMESのような技術が、科学研究の未来を大きく変えると確信しています。歴史的な科学文献に埋もれていた貴重な知識を、誰もが探しやすく、利用しやすいFAIR原則（Findable, Accessible, Interoperable, Reusableの頭文字。情報が見つけやすく、アクセスしやすく、相互運用でき、再利用可能であるべきという国際的な原則です）に沿った構造化された情報へと変換する道筋を提供します。これは、情報量が非常に多い学問分野にとって、持続可能な情報基盤を築く上で不可欠です。この取り組みは、過去の知見を現代の技術で蘇らせ、新しい発見やイノベーションへとつなげるための重要な一歩となるでしょう。

PR

ElevenLabs →
柴亮太
柴亮太の視点

超長文から知識を引っ張り出すのは、人間でも骨が折れます。AIに任せるべき作業の最たる例です。ただし、抽出された情報の質は、指示の出し方で決まります。自分なら、まず過去の失敗事例集を読ませて、その教訓を抽出させます。