最近、ある実験デザインを共同で行い、別の湿式実験グループと協力して実施した。私の役割は、Diffusion Modelに類似した手法を用いて蛋白質を改変し、改変した蛋白質が性能の向上につながる可能性があるかを検証することだった。その後、10〜20の候補配列を予測し、湿式実験を行う同僚に表現と検証を依頼した。しかし、この予測は常に予測にとどまり、コンピューター上でうまく動いても、実際に表現すると問題が発生する可能性があるため、私は常にこの方法が怪しげだと感じていた。
その後、指導教官は「続けてみて、もしうまくいかないなら方向性を変えろ」と助言した。
AI と生物学・化学の融合は今や一般的になりつつあります。
遠い話ではないですが、現在の研究室では、先輩が生成モデルを用いて細胞進化や遺伝子発現の予測作業を行っています。化学分野（私の高校時代の同級生が PKU 化学院に在籍している）では、生成型モデルを使って小分子・大分子の生成や性質予測を行っているようです。正直、私はまだ信じきれません。以前高校時代の同級生と話した際、実際に化学や生物学の多くのメカニズムは人間がまだ十分理解していないため、大規模なデータセットを活用した AI が問題を解決できる可能性があるのではないか、と話していました。さらに現実的な観点から、AI4S は AI のトップ会議の中でも、論文発表が比較的活発な分野の一つであり、多モーダル生成やビデオ生成などは、研究室のリソースや計算資源、運用面でまだまだハードルが高いです。
個人的な見解では、現在の生成モデルが生物学・化学分野でどの程度の役割を果たせるかはまだ初期段階であり、5～10年後に技術的なブレークスルーが起こる可能性があります。Transformer が登場してから5年ほどで、LLM（大規模言語モデル）の波が押し寄せたのと同様です。
現在、手元にある興味深い課題で、単細胞レベルからダウンストリームのシグナル経路を予測する研究を進めています。Transformerをベースに、いくつかの層をカスタマイズして使用しています。
Transformerは、生物学のような長いコンテキストを扱う場面に非常に適しており、最新のAlphaFold3もTransformerを改良したもののようです（AF2でもすでに注意機構の改良が始まっており、Evoformerなどもあります）。
しかし、私は生物学とコンピュータ科学の分野が長らく切り離されており、コンピュータ科学界で古くなった技術を生物学の学生が再発見するような状況が続いていると感じています。
ん，組の先輩が以前書いた論文は single cell のもので、どうやらこの分野では flow matching を使った研究がたくさん行われているようです。
学術的な部分は置いておいて、
NSFWの大規模モデルを非常に高性能かつ実用的なものにすることができれば、莫大な利益を得られるはずです。
管理者の検閲用大規模モデルを逆手にとることもできるでしょう。
私の高校時代の非CS専攻の同級生が地元でStable Diffusionをローカルでデプロイして、セルフ（セルフポートレート）を生成しているよ：rofl:
セルフが第一の生産力！：rofl:
初めて Stable Diffusion に触れたのも、セーラー・ムーン（セーラー・ムーン）を描くためだった。2023年ごろのことです。
当時はGPUが手に入らなかったので、専用の計算カード（P4）を買って絵を描いていました。
LoRA や微調整などにも触れましたが、当時の効果はそれほど良くありませんでした。
脳波・BCI（脳-コンピュータインターフェース）の分野も同様で、2年前の脳信号処理にTransformerを用いた研究論文はすでに高度なものがありました。現在は脳波を用いた大規模モデルの開発という話も出てきています。
「この間、師兄と話していたんだけど、
もしみんなが脳コンピュータに接続されて、自分に詐欺対策センターが搭載されたら、
それはまさに『大兄は見ている』ってことになるよね。」
侵入式で現在は情報を正確に読み取ることも難しく、書き込みなどは現実的ではないでしょうか 