大いなる選別：なぜ科学は異端児を育むのに苦労するのか
画期的な発見が鈍化するにつれて、ある示唆に富む理論が浮上している。システムそのものが、すべてを変えうる人々を排除しているのかもしれない、というものだ。
ニュートンはどこへ行ってしまったのか？アインシュタイン、クリック、そして一枚の論文や奇抜なアイデアで現実を塗り替えた異端児たちは？
物理学が量子飛躍のようなもので世界を揺るがして以来、数十年が経過した。生物学はヒトゲノム計画で大きな話題を呼んだが、人々が期待した奇跡の治療法の波は、ほとんど立ち消えになってしまった。21世紀は科学の時代になると言われていた。しかし、私たちが目の当たりにしているのは、無数の漸進的な論文の終わりのないコンベヤーベルトだ。そのほとんどは読まれず、多くは無関係で、ほぼすべてが忘れ去られている。
よく聞かれる説明はこうだ。簡単に手に入る成果はもう取り尽くした、問題はより難しくなった、設備はより高価になった、と。しかし、学会でのひそひそ話や、研究室のカフェテリアでの深夜の議論では、別の理論が勢いを増している。もし問題が科学そのものではないとしたら？もしそれが、システムが生み出す科学者そのものだとしたら？
もし私たちが、あまりにも効率的で専門化された学術的な機械を作り上げてしまい、それが世界を変えるかもしれない異端児たちを押しつぶしているとしたら？
35年間の修行時代
現代の研究者のキャリアパスを見てみよう。学部で4年。修士課程でさらに2年ほど。博士課程で5〜7年。そして悪名高いポスドクのたらい回しだ。2〜3回、時には4回の任期があり、それぞれ数年間続く。研究者がようやく念願の独立したポストを獲得する頃には、35歳に差し掛かっていることが多い。
これは歴史上の偉人たちとは大きく異なる。ニュートンは20代半ばで微積分を発明し、古典力学の基礎を築いた。アインシュタインはわずか26歳で奇跡の年の論文を発表した。ワトソンは25歳でクリックとともにDNAの構造を解明した。
現代の仕組みは、人々を遅らせるだけでなく、誰が生き残るかを形作る。学術界で15年間生き残るには、何よりも忍耐と従順さという二つの特性が必要だ。あなたは慎重に実験を繰り返し、承認された形式で研究助成金の申請書を磨き上げ、適切なジャーナルに論文を発表しなければならない。指導者の下で円滑に仕事を進めなければならない。ゲームのルールに従う必要があるのだ。
しかし、科学の革命児たちはめったにルールに従わなかった。彼らは執念深く、頑固だった。指導者が嫌うアイデアを追い求めた。議論し、気が散り、ルールを破った。今日のシステムでは、そのような人々は排除される。才能はあるが扱いにくい学生は、決して輝かしい推薦状を得られない。リスクの高い賭けに3年間を費やしたいと望む博士課程の学生は、思いとどまるよう警告される。ドグマに疑問を投げかけるポスドクは、問題児の烙印を押される。
選別が終わる頃には、残るのは勤勉で、従順なプロフェッショナル集団だ。まさに画期的な科学に必要な人材像とは正反対だ。
指標の専制
長い修行時代が最初の選別だとすれば、数字への執着は二番目の選別だ。
現代の研究者のキャリアは、年間の論文数、インパクトファクター、引用数、獲得した研究費といった指標によって左右される。これらは評価に公平性をもたらすことを意図していた。しかし、その代わりに文化全体を歪めてしまった。
昇進が出版実績に左右されると、研究者は実績の最大化を図るようになる。それは、地味だが重要な問題ではなく、流行のトピックを追いかけることを意味する。一つの発見を複数の「最小出版単位」に細分化することだ。大胆でリスクのある飛躍よりも、安全で漸進的な研究を選ぶということだ。
その結果、生まれるのは「論文職人」の産業だ。彼らは高度な技術を持ち、際限なく生産的だが、ほとんど忘れ去られてしまう。
専門化の罠
問題にはさらに別の側面がある。現代科学はますます細分化されたニッチな分野に分裂している。
ある生物学者は、単一のタンパク質ファミリーにキャリアを費やすかもしれない。ある材料科学者は、特定の合金クラスに数十年を捧げるかもしれない。この深さは必要不可欠だ。分野は複雑で、技術の習得には何年もかかるからだ。しかし、その代償は創造性だ。物理学、化学、哲学の間を飛び回った昔の博識家たちは、ほとんど知られていない分野の片隅で作業する専門家たちに取って代わられた。
あなたのライフワークが、ほとんどの同僚が認識すらしない分野の脚注を明確にすることに帰結するなら、リスクを取ることは無意味に感じられる。ますます多くの研究者が、知的な生産ライン上での自分の役割を受け入れ、静かに壮大な夢を諦めている。
AIのパラドックス
そして今、この状況に人工知能が足を踏み入れる。
楽観主義者は救いを見出す。AIは骨の折れる作業を引き受けることができる。データ分析、実験設計、文献調査、さらには仮説の草案作成までもだ。AlphaFoldは、かつて何年もかかったタンパク質の構造を数秒で解明した。AIとロボット工学によって動く自律型ラボは、発見を加速させつつ、人間の思考を大胆な発想のために解放すると約束している。
しかし、悲観主義者はより暗い可能性を指摘する。もしシステムが真の発見よりも論文量産を評価するなら、AIは単にその量産を加速させるだけではないか？言語モデルはすでに論文をより速く大量生産するために使われており、ジャーナルをその検出を巡る軍拡競争に追い込んでいる。既存の文献で訓練されているため、これらのシステムはコンセンサスを反映しがちで、奇妙で高変動なアイデアを推奨しない傾向がある。彼らが推奨するのは「賢明な」次の実験であり、革命を起こすかもしれない「クレイジーな」実験ではない。
さらに悪いことに、研究によるとAIは時にニュアンスを軽視したり、発見を誤って述べたり、根拠のない自信を見せたりすることがある。正確さを伴わないスピードは進歩ではない。
打開策
この罠から抜け出すには、新しいツール以上のものが必要だ。それは、今日の科学を方向付けているインセンティブを再考することだ。
想像してみてほしい。大学が昇進に考慮する論文数を制限し、量よりも質を優先したらどうだろう。あるいは、資金提供者が、失敗の可能性も承知の上で、リスクが高く、大きな見返りが期待できるプロジェクトに潤沢な資金を割り当てたらどうか。ジャーナルが、肯定的な結果と同じくらい積極的に否定的な結果を掲載したらどうだろう？引用数による集計が、ストーリー性のある履歴書に置き換わったらどうか？
いくつかの機関は試みている。少数の機関は「リスクのある研究」のための資金を設立した。ごく一部のジャーナルは、現在、無効結果のためのセクションを設けている。しかし、これらは依然として、安全で安定した成果に依存している文化の中では例外にとどまっている。
AIは賢く使えば助けになるだろう。骨の折れる作業はAIに任せ、しかし奇妙で思索的なアイデアのための時間を確保するのだ。AIによる主張には透明性を求めるべきだ。情報源、モデルのバージョン、プロンプトのログなどだ。機械が生成した提案には、人間の懐疑心を組み合わせる。そして何よりも、強力な新しいツールを未踏の、流行に乗らない、野心的な分野に向けるべきだ。
問われるもの
これを誤れば、キャリアや大学を傷つけるだけではない。人類が最大の問題に取り組む能力を停滞させる可能性がある。
クリーンエネルギーのための新素材が必要だ。まだ完全には理解されていない病気の治療法が必要だ。地球を破壊することなく、数十億人を養い、維持する方法が必要だ。漸進的な進歩では、到底追いつかないだろう。
私たちが必要としているのは、現在のシステムが密かに排除している人々、すなわち執念深く、反抗的で、奇妙な人々からしか生まれない種類の発見なのだ。
ニュートンたちはまだそこにいる。私たちは彼らをふるいにかけるのをやめなければならないだけなのだ。