2024年8月8日
都市シミュレーションの画像は、生成型AIを用いて作成された。写真提供：Adobe Stock
最先端技術がシリコンバレーの研究所から生まれることが多い世界において、革新的な解決策の中には、より意外なところから生まれるものもある。研究者たちは、ビデオゲームやアリからヒントを得て、大規模な言語モデルを斬新な方法で応用し、複雑な現実世界の問題を解決しようとしている。
高層ビルが立ち並び、広大な公園があり、効率的な公共交通機関が整備された、活気あふれる大都市を想像してみてください。この都市のデザインは、専門の都市計画家だけでなく、都市建設ゲームを熱心にプレイする情熱的な市民たちの発想から生まれた可能性もあるのだろうか？
英国ランカスター大学の新たな研究は、都市の子どもたちの意見を設計に取り入れることで、都市計画に革命を起こすことを目指している。ゲームとデジタルゲームに関する議論を扱う査読付き科学誌「Acta Ludologica」に掲載されたこの研究は、現在の都市開発の実践における市民参加の欠如を明らかにし、 「Cities: Skylines」や「Sim City」のようなゲームプラットフォームを改良して住民に現実的なシミュレーションを提供することで、都市計画への住民の関与と意識を高めることを提案している。
この研究の中核となる技術は、「Cities: Skylines」を高度に改良したもので、プレイヤーが現実世界の建物やモデルをインポートして、リアルな都市環境を作り出すことを可能にする。参加者は、教育、公共サービス、税制など、都市生活の様々な側面を管理できる一方、ゲームのダッシュボードは市民の幸福度を追跡する。このインタラクティブなアプローチは、プレイヤーに都市計画の複雑さを理解させるだけでなく、現実世界への応用ツールとしても機能します。ランカスターにあるデザイン主導型研究ラボ「イマジネーションランカスター」の研究者、ポール・キュアトン氏とポール・コルトン氏は、ランカスター市議会とのワークショップを通じて、子どもたちを新しいガーデンビレッジの計画に参加させることで、この手法の有効性を実証した。
この研究が持つ意味は計り知れない。研究者たちは、ゲームデザインを都市計画に統合することで、計画プロセスにおける市民の参加を促進するための、費用対効果が高く、楽しく、拡張性のある方法を提案している。このアプローチは、王立都市計画協会が発表した、若年層の間で都市計画への関心が低いことを示すデータからも明らかなように、市民参加の変革という喫緊の必要性にも対応するものである。
本研究は、このような革新的なゲーム技術の活用は、計画立案者を支援し、スキル開発を促進し、人々が生活空間の変革にさらに深く関与するために必要なツールを提供できる可能性があると結論付けている。最終的に、この研究は都市開発におけるより協力的でダイナミックな未来への道を開くものである。
型破りなテクノロジーのインスピレーションを探る今回の旅の次の目的地は、DNAのミクロの世界です。ドイツのドレスデン工科大学の研究者たちは、人工知能を用いてDNAの隠された言語を解き明かし、遺伝学と疾病に関する新たな知見を得ようとしている。
DNAはしばしば生命の設計図と表現され、生物を構築し維持するためのすべての指示が含まれている。しかし、DNAに含まれるすべての情報を解読することは非常に複雑で、まだ完全には解明されておらず、従来のDNA分析方法は時間がかかり、労力も要する。そこで人工知能の出番となる。
ドレスデン工科大学の研究者たちは、自然言語処理で用いられるような技術を用いて、DNA配列を言語のように扱う新しいAIモデル「GROVER（抽出された表現によって得られたゲノム規則）」を開発した。DNAコード内のパターンや構造を分析することで、AIは配列を識別することができる。この方法は、外国語を解読することに似ており、研究者はGROVERを用いて遺伝子データをより迅速かつ正確に解釈することができる。
GROVERはヒトゲノム全体を用いて学習することで、DNA辞書を作成する。研究者たちは、この辞書によって遺伝子コードの解明が進み、ゲノミクスと個別化医療の発展につながることを期待している。『ネイチャー・マシン・インテリジェンス』誌に掲載されたこの研究は、DNAの複雑性を理解する上で、大きなブレークスルーをもたらす可能性を秘めている。
「言語に関して言えば、文法、構文、意味論について話しているのです」と、このプロジェクトを主導する研究者のメリッサ・サナブリア氏は大学のウェブサイトに語った。「DNAの場合、これは配列を支配する規則、ヌクレオチドと配列の順序、そして配列の意味を学ぶことを意味します。」GPTモデルが人間の言語を学習するのと同様に、GROVERは基本的にDNAを「話す」方法を学習したのだ。
デルフト工科大学MAVLabの研究者たちは、アリが周囲の環境をどのように移動するかからヒントを得て、ロボットのナビゲーションにおいて画期的な進歩を遂げた。アリは、視覚認識（スナップショットのようなもの）と歩数計測（オドメトリのようなもの）を組み合わせて、たとえ長距離を移動した後でも巣に戻ることができる。MAVLabはこの手法を模倣し、小型軽量ロボット向けに昆虫にヒントを得たナビゲーション戦略を開発した。
従来の自律航行システムは、小型ロボットには実用的ではないハードウェアに依存している場合が多い。MAVLabsの研究者たちは、自然からヒントを得て、ロボットが周囲の状況を撮影してナビゲーションを支援するシステムを設計した。この方法は、ヘンゼルとグレーテルのパンくずの道しるべに似ており、ロボットが一定間隔で視覚的なスナップショットを撮影し、それを使って帰路を誘導するというものです。これらのスナップショットをオドメトリと組み合わせることで、ロボットはより効率的に長距離を移動できるようになり、計算負荷を大幅に軽減できる。
この生物に着想を得たアプローチは、わずか1.16KBのメモリで最大100メートルまで飛行できる小型ドローン「CrazyFlie」で実証されている。この研究は、従来のナビゲーション方法が実現不可能な様々な現実世界のシナリオにおいて、小型ロボットを実用的に展開するための道を開くものである。このシステムは詳細な地図を生成するわけではありませんが、在庫追跡や温室作物の監視など、単純な基地への帰還機能で十分な特定のタスクに対しては、堅牢なソリューションを提供します。
ビデオゲームを都市計画の改善に活用したり、アリのナビゲーション能力をロボット工学の強化に利用したり、AIを用いてDNAの言語を解読したりするなど、これらの先進的な事例は、既成概念にとらわれない思考が目覚ましい進歩を推進する力を持っていることを示している。研究者たちが自然界やそれ以外の世界からインスピレーションを得ようと探求を続けるにつれ、こうした革新的な解決策がさらに多く生まれ、私たちの生活様式やテクノロジーとの関わり方を変革していくことが期待できるでしょう。