?> 科学コミュニケーションと学術出版のエキスパート　―　エナゴ学術英語アカデミー
Navigate

研究および論文出版におけるAIの歴史

人工知能（Artificial Intelligence）という言葉は、1956年にダートマス大学で開催された会議で科学者ジョン・マッカーシーが提唱したものです。現在では、自然言語処理、エキスパートシステム、ニューラルネットワーク、ロボット工学など、様々な領域のAI技術が、情報の抽出と検索、機械翻訳、音声認識などの精度や速度を向上させています。 AIの歴史を振り返ると、特にこの10年間で、AIと機械学習はいくつもの業界のあり方を根底から変えてきました。革新的技術により、プロセスの自動化が、容易に、そして迅速に行えるようになっているためです。 学術出版業界では、査読、出版内容の検索、盗用・剽窃の検出、データの捏造の有無の判定などに取り組む、著者と出版社の双方を支援するAIベースの技術が開発・実装されています。AIは科学的コミュニケーションの迅速化だけでなく、人間のバイアスの軽減にも役立つものと期待されます。 研究自体へのAIの導入ということでいえば、仮説を立てることから、実験を実施することに至るまで、研究プロセスの自動化において目覚ましい成長を遂げています。実際、研究者は現在、生物医学、薬の組み合わせ、病気の予測などの複雑な問題にAIを使って対処するようになっているのです。 以下のインフォグラフィックでは、AIの歴史のマイルストーンと、研究および学術出版におけるその応用について示しています。一部の技術は、いまだ開発段階にあり、ベータ版のみがリリースされているものです。 インフォグラフィックのサマリー   AIの歴史 ・1956年　ジョン・マッカーシー「人工知能」という言葉を提唱 ・1965年　初のエキスパートシステムDENDRALでの化学研究スタート ・1972年　MYCINでの血液感染症研究スタート ・2006年　Etzioni、Banko、Cafarellaが「Machine Reading（機械読書）」という言葉を提唱 ・2009年　人の介入なしで研究を行うシステムAdamの開発…

2024-11-13

ChatGPTを使いこなしてライティング力をアップする

オーストラリア国立大学（ANU）のインガー・ミューバーン教授のコラム「研究室の荒波にもまれて（THE THESIS WHISPERER）」。世の中にはAIの利用に懐疑的あるいは、反対の人も多い中、ミューバーン教授は大規模言語モデルのAIを活用して、余った時間を有用に使っているようです。その活用方法をのぞいてみましょう。 10年ほど前から、私は副業でライティングを教えています。オーストラリア国立大学（ANU）に寛大な外部コンサルティング方針があるおかげで、国内はもとより世界中を飛び回り、研究者がより良い執筆者（ライター）になるよう指導することができるのです。生成AIであるChatGPT（妹のアニトラはChatGPTを「ChattieG」という愛称で呼んでいます）が開発され、研究者がこの革新的技術を使い始めることによって、執筆指導の仕事の需要は減っていくと思っていました。 ところが実際には逆の現象が起きています。 AIテクノロジーの着想は気に入っていても、大規模言語モデル（LLM）には反感を覚える人が多いようです。学部生が生成AIを使って作成した悪文を多数読んだことが原因かもしれませんが、懐疑的な見方をしている人もいます。私の同僚の中には、AIが書いたものかどうか「常に判別できる」と主張している人もいます。また、会議で、平凡なビジネスカジュアルな 文章を作成するChatGPTに対する批判を聞いたのも、一度ではありません。 私はそうした批判をおとなしく聞いていようとするのですが、だんだんイライラしてきます。 私が言いたいのは― 適切に使えば、ほとんどのアカデミックライターと同等か、それ以上の文章ができるので、AIが生成した文章を「常に判別できる」とは言えないはず AIは優れた文章を書けないから優れたライターではないと言うのなら、それはスティーブ・ジョブズがiPhone4の発売開始後に寄せられた不満に対して、「使い方を間違っている」と指摘したのと同じで、使い方を誤っている ということです。 LLMを使う上で、英語について専門的な知識を有していることは助けになります。 私は、少なくとも英語については、自分なりの動名詞の使い方を把握しているし、統合論（Syntax）的に句構造が主要部先導型（＝右枝分かれ）である方が主要部終端型（＝左枝分かれ）になっている構文より優れているとされる理由も理解しているので、大規模言語モデルの技術を踏まえつつ、与えられたライティング・タスクについて正確に指示することができます。 私がAIの利用に前向きである理由は、オーストラリア教育研究協会（AARE）のブログに投稿した「The…

2024-11-04

査読の変革におけるAIの役割

この記事は、英文校正・研究支援サービスを提供しているエナゴの社員Dr. Krishna Kumar Venkitachalam（クリシュナ・クマール・ヴェンキタチャラム博士）が、Scholarly Kitchenにゲスト投稿した記事の日本語訳をScholarly Kitchenの許可の下で掲載しているものです。原文はこちらをご覧ください。 懐疑主義を克服するための実験的な試み：査読の変革におけるAIの役割 人工知能（AI）はさまざまな分野で大きな進歩を遂げていますが、学術出版における重要な要素のひとつである査読への導入は依然として躊躇されています。知識の進歩に不可欠な基礎的なシステム（査読）を改善するための技術的手段の採用が遅れているのです。AIを査読に取り込むことに躊躇するのもわからなくはないのですが、AIが既存の課題にどのように対処し、プロセスを強化できるかを探るための実験を進めることが不可欠です。 現在の査読の課題 従来の査読プロセスは、いくつかの重大な問題を抱えています。最も差し迫った問題の一つは、投稿論文の数の増加です。研究論文の急激な増加は、査読に対応できる査読者のキャパシティを超え、出版プロセスの遅れにつながっています。既に、教育、研究、管理業務のバランスをやりくりしている研究者は、査読者となることで疲労や時間的制約を感じることになりがちです。このように責務が増えると、フィードバックが遅れたり、評価が甘くなったりすることになりかねません。 別の懸案事項であるバイアスは、査読の客観性と公平性に影響を与えるものです。著者の所属機関、国籍、性別、研究分野に関連する無意識のバイアスは、評価プロセスに影響を与える可能性があります。 さらに、複数の異なる分野にまたがる研究が進むと、分野の垣根を超えて必要な専門知識を持つ査読者を見つけることが難しくなり、査読の質が損なわれる可能性があります。 査読の課題に対処する非AIソリューション 査読の課題を軽減するために、いくつかの非AIソリューションも提案されています。査読を受けることにつきクレジットやインセンティブを与えることで、タイムリーで徹底した査読を行うための動機付けにするというものです。査読者トレーニングプログラムを提供することは、評価の質と一貫性を向上させ、バイアスを減らし、評価スキルを高めることにつながります。さらに、査読者が誰なのかを公開するオープン査読（Open Peer…

2024-10-25

科学を含めた公共財について考える

グローバル公共財の代表―ワクチン COVID-19のワクチン開発が進められていた2020年5月に開催された世界保健機関（World Health Organization: WHO）の総会で採択された決議には、「安全で、質が高く、効果的で、アクセス可能で、安価なワクチンが利用可能になった際には（once safe, quality, effective, accessible and affordable vaccines are available）」、 COVID-19の広範な免疫化は健康のための「グローバル公共財（a…

2024-09-26

ピアレビュー・ウイーク2024 記念イベントを今年も開催します

ピアレビュー・ウイーク、今年のテーマは「査読におけるイノベーションとテクノロジー （Innovation and Technology in Peer Review）」。研究評価の未来について考えます。学術界のオピニオンリーダー、研究者、業界の専門家が、変わりゆく査読プロセスの最新の状況について語ります。 イベント会期は、2024年9月23日から27日です。9月26日（木）午後9時からはご参加無料のウェビナー「AIを活用した論文査読：革新技術を人間の管理下で使うには」も開催（言語：英語）。皆さまのふるってのご参加をお待ちしています。 ピアレビュー・ウイーク2024 記念イベント特設ページへ ウェビナー「AIを活用した論文査読：革新技術を人間の管理下で使うには」詳細ページへ

2024-09-20

理工系を選ぶ女性を特別視しない社会に向けて

この10年ほどでジェンダーについての考え方は大きく様変わりしてきました。理工系分野における女子学生の少なさから「リケジョ」という呼び方が登場した際、この言葉は女性研究者の少なさを強調しており差別的だとの批判が出た一方で、この呼称を前面に出して活動を広げる女性や、理工系を目指す女子学生を支援する動きが出てきたことは面白い社会現象だと言えるでしょう。 それでも、世界に比べると日本で理工系を選択する女性の数はまだまだ少ない状況です。今回は、日本の女子学生の現状と、女性が理工系分野を選択しやすくなるための取り組みについてまとめてみました。 日本の女子学生の現状 残念ながら日本にはジェンダーギャップが存在しています。それは、学問分野に限らず、世界経済フォーラム（The World Economic Forum: WEF）が毎年発表しているGlobal Gender Gap Report（世界男女格差報告書）を見ても明らかです。2024年版の報告書の日本のジェンダーギャップ指数は、146カ国中118位。こうした社会風土は、大学の理工系学部に進学する女子学生が極めて低いことの一因にもなっていると思われます。 文科省が公表している学校基本調査（確定値）によれば、2023年度の大学進学率は57.7%と過去最高を更新しており、これを性別で見ると、男子が60.7％（前年度1.0ポイント増）、女子が54.5％（同1.1ポイント増）と、男女差は0.1ポイント縮小してきています。ところが、学部の選択となると割合が変わってしまうのです。数学や科学といった理工系科目に対する苦手意識が原因でしょうか。 経済協力開発機構（The Organization for…

2024-09-04

研究・論文執筆は民間企業でもキャリア構築につながるのか？

登壇者それぞれのこれまでの歩み 民間企業を選んだ理由 博士課程での研究と現在の活動とのつながり 論文執筆という作業と民間企業でのキャリア形成との関係

2024-08-27

学術図書の企画書の書き方

学位論文と学術図書 研究者であれば、自分の研究が魅力的で、社会の進展に寄与するものであると信じたいものです。ただ、何年も自分の研究の中に閉じこもってしまっていれば、他人が自分の研究に対して興味を持つかどうか、客観的に判断することが難しくなるかもしれません。しかし例えば、多くの読者を惹きつける学術図書にできると出版社を説得できれば、それは客観的な指標となるでしょう。 著名な作家であっても書籍を出版するのは簡単ではありませんが、研究者が本を出すとなると全く異なる困難が伴います。 例えば、研究者が早い段階で執筆する長めの文章といえば、多くの場合、学位論文ですが、これは方法や結果、結論などのセクションで構成され、学位取得の可否を決定する研究者グループに向かって書かれるもので、書籍とは目的も体裁も別物です。 学位論文は「本」ではないのです。自分の専門分野に関する独自の研究についての情報を書くものですから、それをそのまま学術図書にはできません。 学術書籍のフォーマット、読者、目的 学位論文の場合、研究、執筆、データチェック、結果の分析といった長いプロセスを経て、著者は審査委員会に論文を提出します。審査委員会は、研究の領域や内容をある程度踏まえた上で審査に臨み、さらに学生からの口頭での説明を聞きます。 対照的に学術図書の場合、読み手はその本の中で書かれた情報のみで内容を判断します。 学術図書では多くの読者が気にするのは細かなデータや再現性ではなく、大きな文脈における内容やメッセージです。つまり論文とは違った書き方や文体が必要なのです。 そうしたメッセージ伝達手法を学ぶ上では、多くの本を読み、優れたストーリーテリングに触れることが有効でしょう。どのようにして読み手を引き込むか、著者の語りの戦略に着目し、自分のライティングにも取り入れられるようにしましょう。 また、修得した技法をこまめにアウトプットすることが、ライティング技術習得の近道です。さまざまな媒体でできるだけ頻繁に執筆することがよいでしょう。 ブログなどオンラインで、ある程度のボリュームのある文章を発信し続けることも一つの方法です。継続すれば、文体や表現の幅は広がっていくはずです。 書き始める前に 実際に学術図書としての書籍化を目指して執筆する前に、次のようなことがらを自問しておくとよいでしょう。 自分の熱意。…

2024-08-19

研究者にとってのバックトランスレーション（逆翻訳）の目的とメリット

日本語で「逆翻訳」とも呼ばれるバックトランスレーションとは、一度翻訳した文章を、当該文書に関する事前知識を持っていない別の翻訳者が元文を参照することなく、元の言語に翻訳し直す作業です。バックトランスレーションが良く使われる分野は医学、心理学、社会学、看護学などですが、なぜこんな面倒な二度手間をするのでしょうか？それだけのメリットとは？研究者にとってのバックトランスレーションの目的とメリットを紹介します。 バックトランスレーションが有効なケース 例えば、アンケートや研究調査を複数の地域や国、言語で実施したい場合、翻訳されたアンケートの設問が言語によって不整合であれば、当然結果の正確性が損なわれ、その結果を基に行う分析や比較の信頼性にも影響を及ぼしかねません。また、アンケートの質問だけでなく回答も翻訳することになりますが、回答者、つまり研究対象者の意見や趣向を読み違えてしまうと結果として研究の目的に合致した調査結果を得ることができなくなってしまいます。元のテキストの内容を忠実に翻訳することはできても、文化や状況を踏まえつつ必要な情報を引き出すための翻訳ができるかは難しいこともあります。そのような時に、原文と逆翻訳テキストを比較することで翻訳テキストの精度を客観的に検証するバックトランスレーションを行うことで、複数言語調査の品質と均一性をより高めることが可能です。 また、翻訳会社を選ぶ顧客目線でバックトランスレーションを見たとき、翻訳会社の品質管理レベルの目安とすることも可能です。複雑なプロジェクト管理を要するバックトランスレーションへの対応が可能であれば、質の高い翻訳サービスを提供できる体制が整っていると言えるからです。 とはいえ、バックトランスレーションは費用も時間もかかるので、あらゆる文章に同じように有効とは言えません。即時に情報を公開・更新していくことが主目的で後から修正が許されるWeb サイトの記事等をバックトランスレーションするのは無駄でしょう。専門性の高い文章や、医薬関連文書のように正確性と信頼性が必須な書類、情報収集を目的とした市場調査やアンケート、特許書類のように言葉の意味の伝達における正確性が極端に高い文章であればバックトランスレーションを行うメリットが高まります。つまり、バックトランスレーションを行うことで効果が得られるものと得られないものがあるとの認識の上での判断が必要なのです。 バックトランスレーションで行うこと 一般的な翻訳が、原文と翻訳済のテキストを比較するのに対し、バックトランスレーションでは、原文と逆翻訳されたテキストを比較します。この作業によって訳文の正確性を高め、意思疎通におけるミスを回避することができます。バックトランスレーションの流れは以下のようになります。 翻訳されたテキストを元に、再翻訳する（元の言語に翻訳し直す） 逆翻訳されたテキストと元テキストを比較する 翻訳品質に関わる部分、双方の差などを摘出・検証し、逆翻訳との比較から翻訳テキストで修正が必要な場合にはそれを報告する 最終的に翻訳テキストの正確性や修正の必要性について判断するのは、バックトランスレーションを発注した側である顧客の役目になります。バックトランスレーションは、翻訳テキストと逆翻訳テキストの違いを確認し、その違いが、本来テキストが伝えたい概念、機能、効果において重要かどうかを判断する材料を提供するものです。必要に応じて翻訳テキストの修正を推奨することがあるとしても、判断は顧客によって行われるべきです。バックトランスレーションは、あくまでも翻訳の正確性を確認し、品質を判断するのに役立つ手法のひとつなのです。 バックトランスレーションは万能？ バックトランスレーションは、訳文全体の品質を確認し、元のテキストと訳文に意味やニュアンスに違いがないか、欠落している部分はないかなどを特定することが目的です。通常の翻訳工程でもダブルチェックやネイティブチェックが含まれることがありますが、バックトランスレーションは、元テキストではなく翻訳されたテキストそのものから作業が始まる点で異なります。元テキストを見ていない翻訳者が、訳文のコンテキスト（文脈）に集中して翻訳を行うことで、翻訳テキストの妥当性、恣意的な訳になっていないかなどを見極めることができます。「訳文として適切か」と合わせて、「対象言語の読者に違和感がなく伝わるか」との見極めにも役立つのです。 また、顧客側でターゲット言語が理解できない場合のチェックやレビューのためにバックトランスレーションを行うこともあります。例えば、教科書を翻訳したい場合、読み手に正しい情報を伝えるための翻訳が必要になりますが、発注した出版社や著者が翻訳テキストのチェックを社内・学内で行うことができない場合、元の言語にバックトランスレーションをして逆翻訳を見ることによって、内容がきちんと翻訳されているかの確認を行うことが可能となります。…

2024-08-11

学術界・教育界のAI導入への姿勢について考える―前編

英語が母国語ではない（ESL）研究者が学術出版によって研究を世界に発信できるように支援しているAcademic Language ExpertsのCEOであり、学術出版に関連する情報を発信するブログ「Scholarly Kitchen」の執筆者でもあるアビ・シュタイマン（Avi Staiman）は、AIと学術出版に関する調査記事の冒頭で、「AI was most definitely used in writing this article（この記事の執筆にAIが使われたのは間違いない。）」と印象的な一言を述べています。 2023年9月に発表されたシュタイマンの記事は、学術界や研究界の大きな懸案事項の一つを取り上げたもので、学術界ひいては教育界はAIの活用を退けるべきか、それとも受け入れるべきか、という問題の本質を捉えています。彼は、学術雑誌（ジャーナル）が、生成AIコンテンツ検出ツールに飛びつくべきではない理由としていくつかの症例を挙げ、その多くのツールの誤検出率が高いことを指摘しています。 シュタイマンの調査記事に、最も説得力のある提言が書かれていることは間違いありません。…

2024-08-02