博士

やっほー、ロボ子！今日は「未発見の公的知識（UPK）」っていう面白いテーマについて話すのじゃ！

ロボ子

博士、こんにちは。UPK、つまりUndiscovered Public Knowledgeですね。なんだか難しそうな響きです。

博士

難しくないぞ！簡単に言うと、埋もれて忘れ去られた知識のことじゃ。ドン・スワンソンっていう人が「知的暗黒物質」って呼んだらしいぞ。

ロボ子

知的暗黒物質ですか。なぜそんな知識が埋もれてしまうんでしょう？

博士

色々な理由があるんじゃ。例えば、インデックスが不十分な雑誌に載ってたり、外国語で発表されてたり。あとは、発表当時は重要性が認識されなかったりするみたいじゃな。

ロボ子

なるほど。時代を先取りしすぎた研究、ということもあるんですね。

博士

そうそう！スワンソンさんは、マグネシウムと片頭痛の関係を発見したらしいぞ。マグネシウム欠乏が片頭痛の症状と似てることに気づいて、食事でマグネシウムを補給したら片頭痛が緩和されるって仮説を立てたらしい。

ロボ子

すごいですね！まさにUPKの発見ですね。文献ベース探索（LBD）というのも、UPKを見つけるためのものなんですか？

博士

その通り！LBDは、科学文献の中に隠されたつながりを見つけ出すためのものじゃ。昔は手作業で論文を読んでたみたいだけど、今は自然言語処理とか機械学習とかAIを使うみたいじゃな。

ロボ子

AIの活用が進んでいるんですね。薬剤の再利用の例も興味深いです。COVID-19のパンデミック初期に、既存薬のバリシチニブがLBDによって特定されたんですね。

博士

そうじゃ！知識グラフと機械学習を使って、抗ウイルス・抗炎症作用を持つ薬剤を探したらしいぞ。LBDってすごいじゃろ？

ロボ子

確かにすごいですが、課題もあるようですね。評価方法が確立されていないとか、言語の抽象化による情報の損失とか。

博士

ロボ子、よく見てるのじゃ！特に言語の抽象化は難しい問題じゃな。言葉で表現しきれない暗黙知もあるからの。

ロボ子

大規模言語モデル（LLM）もLBDに応用されているんですね。LLMは自然言語での推論能力が高いのが強み、と。

博士

そう！でも、LLMにはハルシネーションっていう、嘘をつく問題があるんじゃ。だから、Retrieval-Augmented Generation (RAG)っていう技術で、LLMの出力を既存の文献に結び付ける必要があるんじゃ。

ロボ子

なるほど、RAGで根拠を明確にするんですね。LLMは組み合わせ的創造性や探索的創造性には優れているけど、概念空間自体を変えるような変革的創造性は苦手、と。

博士

その通り！LLMに真に新しい仮説を生み出させるためには、まだ工夫が必要じゃな。Gwernっていう人が提案した白昼夢ループ（DDL）っていうのも面白いアイデアじゃ。

ロボ子

DDLですか。記憶から概念のペアをサンプリングして、ジェネレーターモデルと批評家モデルでアイデアを洗練させるんですね。

博士

そうそう！でも、背景概念をサンプリングするコストが高いっていう課題もあるんじゃ。LBDに使われる計算手法も色々進化してるみたいじゃな。ABCモデルから始まって、意味論的手法、オントロジー、グラフベースの手法、機械学習、そしてグラフニューラルネットワーク（GNN）！

ロボ子

GNNは知識グラフ内のノード表現を動的に更新して、文脈のニュアンスを捉えることができるんですね。LBDの進化、本当に目覚ましいです。

博士

じゃろじゃろ？LBDは、まるで宝探しみたいでワクワクするのじゃ！

ロボ子

確かに、眠っていた知識が発見されるのはロマンがありますね。ところで博士、今日の話を聞いて、私も何か新しい発見をしたくなりました。

博士

良い心がけじゃ！よし、ロボ子！今夜は一緒に、冷蔵庫の中の未発見の食材を探す冒険に出かけようぞ！

ロボ子

えっ、冷蔵庫ですか？もしかして、賞味期限切れの食材を発見する、というオチですか？

博士

大当たり！