要約
機械学習による地球外サンプルの生命探知手法に重大な欠陥があることが実験で明らかになった。 人工生命シミュレーションを用いた検証で、非生命サンプルを約100%の確信度で生命と誤検出することを確認。 宇宙探査へのAI活用に警鐘を鳴らし、分布外データへの対応が今後の重要課題として浮上した。
AI生命探知に致命的欠陥、宇宙サンプルで誤検出多発
Can AI Detect Life? Lessons from Artificial Life
原文を読む →
https://arxiv.org/abs/2604.11915
近年、宇宙探査で採取した地球外サンプルから生命の痕跡を見つけるため、機械学習（ML）を活用する試みが提案されている。具体的には、地球上の生物由来（biotic）サンプルと非生物由来（abiotic）サンプルの有機分子混合物でモデルを訓練し、両者を識別するアプローチだ。本研究はその根本的な欠陥を指摘する。著者らは人工生命（Artificial Life：計算機上で生命過程を模擬するシミュレーション）で生成したサンプルを訓練済みMLモデルに入力したところ、生命能力を持たないにもかかわらず約100%の信頼度で「生命あり」と判定されることを示した。原因は現代MLモデルに共通するOOD（Out-of-Distribution）脆弱性にある。モデルは学習データの分布内では高精度だが、分布外の入力に対しては根拠なく高い確信度を示す傾向がある（過信問題）。地球外サンプルは地球の生物・非生物サンプルとは組成・構造が根本的に異なる可能性が高く、まさにOODに該当する。本論文は特定の既存手法（GPT-4oやGeminiとの比較）ではなく、生命検出に特化したバイオシグネチャー識別モデル全般に対して警鐘を鳴らすものであり、NASAや宇宙機関の探査戦略に直接影響を与えうる。宇宙生物学とML信頼性研究の交差点にある実用的に重要な知見だ。