AIは古生物学者を置き換えるのか？

51%。あなたが化石を研究して生計を立てているなら、AIに関する会話はたいてい二つのパターンに分かれる。機械学習があなたの分野に革命をもたらすと言う人か、ChatGPTがすでに文献レビューをこなせると言う人かだ。どちらも部分的には正しいが、ほとんど的外れだ。古生物学者が直面するAIリスクスコアは51%——これは興味深い中間地点に位置する。変化が確実に到来するほど高いが、コアとなる仕事が本質的に安全だと言えるほど低い。

労働統計局（BLS）は古生物学者を地球科学者に分類しており、2034年までの雇用成長率として+5.4%を予測している——全職種の平均より速い成長だ。[事実] その成長は偶然ではない。自然史博物館、大学研究、石油・ガス貯留層の特性評価、気候古生態学、政府調査からの需要を反映している。古生物学者の雇用市場は小さいが安定しており、崩壊しつつあるわけではない。

興味深い問いはAIが古生物学者に取って代わるかどうかではない。それは起きない。本当に興味深い問いは、仕事のどの部分が変化し、2020年の人に2030年の日常業務が奇妙に見えるようになるかだ。この記事が本当に伝えたいことはそこにある。

51%リスクスコアが測定するもの

古生物学は大きく5つの活動クラスターに分けられる。野外調査（標本収集）、標本処理（クリーニングと安定化）、記述（正式な分類学的作業）、分析（系統発生学、生体力学、古生態学）、そしてコミュニケーション（論文、講演、一般向け活動）だ。51%のリスクスコアはこれらの活動を加重平均したものであり、その重み付けが非常に重要だ。

野外調査はAIリスクがほぼゼロだ。露頭を歩き、層序を読み、正しい場所にハンマーを入れるのは依然として人間がやらなければならない。ドローン画像やLiDARは役立つが、どこを見るかを決めるのを助けるだけで、何を掘り出すかには関係しない。標本処理も同様に安全だ。化石を露出させるためのマイクロエアブレイシブ作業は、梱包作業と同じ理由でロボットにはできない——小さなスケールで脆い材料を扱う際に必要な空間推論と触覚フィードバックは、現在のシステムの能力をはるかに超えている。

記述、分析、コミュニケーションこそがリスクスコアの源泉だ。これらはデスクとスクリーンで行う仕事であり、急速に変化している部分だ。

すでにワークフローに入り込んでいるAI

幾何学的モーフォメトリクス——形状の定量的記述——は、約10年間、自動ランドマーク検出の精度向上が続いている。SAM（Segment Anything Model）や特殊化したたたみ込みネットワークなどのツールは、CTスキャンスライスや写真測量における解剖学的特徴を、2018年にはSFに過ぎなかったスピードで識別できる。2015年に3ヶ月の手動ランドマークデジタル化が必要だった論文が、今日では半自動化ツールで約3週間で完成し、ボトルネックのほとんどは機械の識別ではなく人間による検証だ。

微化石同定は別の活発な領域だ。有孔虫、コノドント、花粉、ケイ藻類はすべて、十分にキュレーションされたトレーニングセットで85〜95%の精度に達する自動分類パイプラインが成功を収めている。[推定] 商業的な微古生物学の仕事——石油・ガス産業向けのバイオストラティグラフィーなど——では、これらのシステムはすでに実用化されている。大手サービス会社の上級微古生物学者は、顕微鏡でフォラムを数えるよりも、モデルの出力を検証し例外ケースを処理することに多くの時間を費やすようになった。仕事は変化したが消えてはいない。

新しい波は、古生物学文献への大規模言語モデルの統合だ。地質学・古生物学の文献にある約200万本の論文を横断して統合できるツールが、文献レビュー、分類学的背景セクション、さらには仮説の提案の有用な初稿を生成し始めている。[推定] スミソニアン博物館や複数の主要大学の研究者が、系統発生的キャラクター行列の構築にLLMを使用した概念実証研究を発表している。初期結果は狭いタスクでは有望だが、広範なタスクでは恥ずかしいほど出来が悪い——これはあらゆる研究分野でのLLMの話と大体同じだ。研究者が最も評価しているのは、特定の質問に対する正確な答えを提供する能力ではなく、膨大な文献の中から関連する先行研究を素早く特定する能力だ。

変わらないもの

ここではっきりと理解しておく価値がある。AIが触れない古生物学の部分は、単に安全なだけでなく、相対的に重要性が増している。

野外標本収集は常にこの分野のボトルネックだった。発見されていない化石を研究することはできない。自動化された分析が速くなるにつれて、新しい標本への需要が高まり、生産的な野外調査プログラムを運営できる人の価値が上がる。野外経験はこの分野では値上がりし続ける資産だ。

分類学的判断——標本が新種を表すか、形態的変異を持つ既知種か、病理的なものかの判断——は依然として深い専門知識を必要とする。自動化システムは分類学的レビューの候補を挙げることができるが、何かが分類学的に意味を持つかノイズに過ぎないかの判断には、保存様式、個体発生、性的二型、地理的変異の理解と、生物が化石になる過程の複雑な現実の把握が必要だ。寄生生物の分類学は混沌としており、暗号種、複雑な生活環、頻繁な再分類が存在する。その文脈理解を持つモデルは現在存在せず、そこへの道筋も見えない。

重要な科学的文章——論文の中で議論を展開し、解釈を擁護し、新しいフレームワークを提案する部分——は、査読者が時間を費やし、編集者が決断を下す場所だ。LLMは下書きを書けるが、知的内容は依然として完全にあなたのものだ。古生物学論文を読む誰もが、丁寧に考えられた論文とそうでない論文の違いがわかる——その違いこそが、NatureやScience、PNAS、トップ専門誌に論文が掲載されるかどうかを左右する。

具体的に変わるタスク

5年後の日常がどう変わるかを具体的に述べよう。

文献レビューは大きくAIの助けを借りるようになる。 背景セクションの草案作成は、数千本の論文を横断して要約し、特定の過去の観察を見つけ、現在の理解のギャップを特定できるツールへの問い合わせを伴うようになる。重要なスキルは何を求めるべきかを知ること、そして得た内容を検証する方法だ。実際の文章は依然としてあなたのものだ——これらのツールが生成する統合は有能だが印象に残らず、論文はそのどちらでもあってはならないからだ。

標本文書化は部分的に自動化される。 スマートフォンの写真から出版品質の3Dモデルを生成するフォトグラメトリーワークフローは、すでに野外条件で展開可能だ。十分に研究されたグループの形態計測データ収集の大部分を自動ランドマーク検出が担うようになる。残る手作業は、希少な標本、複雑な分類群、自動パイプラインが失敗するエッジケースに集中するだろう。

系統発生的分析は新しいツールを見るが、方法論的議論は消えないだろう。 ベイズ法と節約法、モデル選択、形質コーディングの決断——これらはヒトの判断と方法論的選択が科学を動かす領域であり、AIは代替というよりむしろ加速器としての役割を担う。どのモデルを選ぶか、どこで仮定を設けるかという判断は、依然として研究者の責任だ。

一般向けコミュニケーションは、現役古生物学者にとってAIが最も多くのメリットをもたらす部分だ。 出版した研究から図解、アニメーション、インタラクティブなWebコンテンツを制作するのを助けるツールは、グラフィックデザイナーを必要とせずにリーチを大幅に拡大できる。博物館や大学はますます研究者にこの種のコミュニケーションを期待しており、それが得意な人は補助金獲得、公演、学術的な可視性において優位性を持つ。

次の10年のキャリアマップ

大学院生や初期キャリアの古生物学者への実践的なアドバイスは単純だ。

深い野外経験を積め。 これは分野の中で最も守りやすい部分であり、後から習得するのが最も難しい部分でもある。参加できるすべての野外シーズンに参加し、学べるすべての産地を学ぼう。

ツールに精通するが、ツールにはなるな。 形態計測パイプラインを実行し、データベースを照会し、分析をカスタマイズするのに十分なPythonを学ぼう。LLMを効果的に使い、それに騙されない程度のリテラシーを身につけよう。目標は、これらのツールを使ってより良い古生物学を行う人になることであり、それらと競争する人ではない。

隣接する定量的分野にクロストレーニングせよ。 系統発生的比較法、古生態学的モデリング、深時代の気候復元——これらはすべて、計算スキルと古生物学的知識が組み合わさることで、どちら単独ではできない仕事を行う領域だ。これらの交差点での雇用市場は古典的な記述的古生物学よりはるかに良く、両種類の専門知識を必要とするため自動化が難しい。

仕事の一般向け発信を維持せよ。 博物館、大学のアウトリーチ、科学コミュニケーションチャンネルはますます研究費決定を動かすようになっている。強い一般向けコミュニケーション能力を持つ研究者は10年前よりも価値があり、そのギャップは今後さらに広がるだろう。公衆向けの発信を研究の余興と捉えるのではなく、キャリア戦略の中核に位置づけることが重要だ。

雇用の実態

純粋な古生物学の研究職——大学のテニュアトラックのポジション——は以前から競争が激しく、それは変わっていない。伝統的なアカデミックルートは、テニュアトラックのポジションをはるかに上回る数のPhDを生み出し続けており、この不均衡はAIの登場によっても変わるものではない。

成長している雇用は隣接した応用分野にある。エネルギー会社（特に地熱、炭素貯留、残余石油・ガス）向けの貯留層特性評価は、バイオストラティグラフィーと古環境研究のために相当数の古生物学者を雇用している。過去の気候類似物の理解への緊急性が高まるにつれて、気候古生態学は実質的な資金成長を経験した。政府調査（USGS、州地質調査所、その他国外の同等機関）は、特に炭化水素と重要鉱物関連の仕事で採用を続けている。

博物館のポジションは競争が激しいが安定している。自然史博物館はますます、デジタルコレクション作業、一般向け活動、展示開発も担える研究者を評価している。コレクション経験と一般向けコミュニケーションスキルを持つ古生物学者は、研究のみの資格を持つ者より雇用可能性が高い。博物館は今日、研究者に過去よりも幅広い役割を期待しており、その要求に応えられる人材が求められている。

まとめ

2035年の古生物学は2025年とは大きく違って見えるだろうが、その違いは誰が仕事をするかというよりも、ワークフローそのものの変化によるものだ。デスクでの仕事は速くなる。野外での仕事は変わらない。判断が必要な部分の仕事は重要性を増す。コミュニケーションの仕事は新しいメディアへと拡大する。

51%のリスクスコアは本物であり、その変化に真剣に向き合う必要がある。[事実] しかしそれはタスクのスコアであり、仕事そのもののスコアではない。そしてこの仕事をしている人々は、人類が自分たちの前に何があったかを知りたいと思う限り、それをし続けるだろう。その需要はどこにも行かない。

---

_方法論注記: リスクスコアはEloundou et al.（2023）のGPT影響評価フレームワークに従い、O\*NETのタスクレベル分析と脊椎古生物学会のワークフロー調査を使用して科学的職業に適用している。雇用成長率はBLS雇用予測2024-2034（地球科学者カテゴリー、19-2042）から。微化石自動化精度は2021-2024年の査読済み臨床検証研究から。[推定]タグは統合された数値を示す。[事実]タグは一次資料データを示す。[主張]タグは独立して確認されていない公表された主張を示す。_