ミシガン州立大学の新たな研究によると、人工知能は非生命を地球外生命と確信を持って識別し、その誤りを決して警告しない可能性があることが明らかになり、今後の宇宙生物学ミッションに深刻な影響を及ぼしている。
計算生物学者のクリストフ・アダミ氏と彼の学生アンキット・グプタ氏は、AI分類システムが未知の生命体を識別するよう求められた際に、誤検出に対して驚くほど脆弱であることを実証した。この研究はカナダのウォータールーで開催された2026年人工生命会議で発表され、CPU時間を競う自己複製デジタル生物を実行するAvidaと呼ばれるデジタル進化プラットフォームでAIをテストした。
結果は明白だった。分子配列の約15回の小さな変更で、開始配列に関係なく、AIは非生命サンプルが生きていると100%確信するようになった。
分布外問題
核心的な問題は、機械学習研究者が「分布外」データと呼ぶものである。AIはテストデータが学習データに類似している場合にうまく機能するが、まったく未知のものに直面すると機能しなくなる。地球外生命は定義上、このカテゴリーに該当する。地球外の生化学がどのようなものかをAIに学習させる方法はなく、これまで遭遇したこともない。
「私たちは以前から、AIが学習例と異なるものを分類しようとするときに大きなアキレス腱があることを見ていました」とアダミ氏は述べた。「これらを分布外サンプルと呼んでいますが、AIに誤分類させるのは信じられないほど簡単です。」
研究者らは3ヶ月間にわたって1,000台の並列マシンで分析を実行し、Avidaのデジタル生物を生命または非生命として分類するようAIを訓練した。AIが既知のデータで良好に機能するようになったところで、チームは分子配列を一度に一つずつ調整し始めた。約15回の変更で、AIは生命ではないものを生命として完全に確信するようになった。
「もしミッションで特定の質量分析サンプルを調査しているAIがあった場合、地上で多数の生物および非生物サンプルで訓練されていたとしても、生命とは全く関係のないものに対して陽性の判定を返す可能性が非常に高いということです」とアダミ氏は述べた。
実際のミッションへの影響
この脆弱性はすべての検出方法に均等に分布しているわけではない。火星探査車が岩石を切断して明確な生物学的構造を明らかにするような、微生物の生命の直接的な視覚的証拠は、AI分類に依存しない従来の方法で検証可能だろう。危険が最も大きいのは、質量分析、分光法、大気分析といった遠隔検出技術である。
これらはまさに、今後数十年で最もエキサイティングなターゲットに使用される方法である。金星の雲層、エウロパの地下海洋、そして2040年代に打ち上げが予定されているNASAの居住可能世界観測所が観測する太陽系外惑星の大気である。いずれの場合も、地球の生物および非生物サンプルで訓練されたAIは同じ誤りを犯し、非生物学的シグナルを生命として高い信頼度で判定するだろう。
アダミ氏とグプタ氏は、デジタル生物から実際の物理サンプルへと移行し、実世界のデータで実験を繰り返す予定である。次の段階では、同じ脆弱性が実際の生化学分析にも当てはまるかどうかをテストする。
ツールとしてのAI、判断者としてではない
アダミ氏はAIを宇宙生物学から排除するよう求めているわけではない。彼は、AIが大規模なデータセットの処理や人間の分析者が見逃す可能性のあるパターンの特定に有用であることを認めている。警告は過信についてである。AIシステムは幻覚を起こしやすく、誤った分類を自信を持って生成する。これは日常的なAI利用ではよく知られた問題だが、人類が地球外生命を発見したかどうかという問題になると、存在論的なものとなる。
「自分の訓練データを知る必要があります。テストデータが訓練データと同じ分布の一部であることがわかっていれば、問題はありません」とアダミ氏は述べた。「しかし、地球外生命ではそれを保証することはできません。」
この研究は、生命探査ミッションを設計する宇宙機関に根本的な問いを投げかけている。人類史上最も深遠な発見がかかっているときに、自動化をどこまで信頼すべきか？ 今のところ、その答えは次のようである。AI自身が信じるよりも、信頼を減らすべきである。
雅子 訳