ChatGPTの登場により、LLMという存在が急に身近なものになってきました。ChatGPT3.5が出たときは、ふん、やるじゃん君、みたいな感じで、レベルで言えば小学生のリトルリーグの選手がプロ野球の投手が軽く投げた球をヒットした、ぐらいだったのが、GPT4では甲子園優勝投手ぐらいに成長を遂げ、これもうりっぱな戦力だよね、来年からうちこない？ぐらいのレベルになっているのではないでしょうか。

With the advent of ChatGPT, the entity known as LLM (Large Language Model) has suddenly become something more familiar. When ChatGPT 3.5 was released, it felt like a Little League baseball player hitting a light pitch from a professional pitcher. But with GPT-4, it seems to have grown to the level of a Koshien championship pitcher. "Why don't you join our team next year?"

(記事の後半に英文記事が続きます。ぜひご覧ください。)

僕自身の研究環境も、大きく変わりました。なんといっても一番大きいのは、英文校正でしょう。例えば海外の方にメールをする時。仲の良い友達でも、この表現ってあってるのかな？失礼にあたらないかな？といろいろ気をもんで、フレーズごとにググってヒット数を見て安心する、ヒットした大量の画像を見て青ざめる、なんていう作業をしているうちに時間がどんどん溶けていったものですが、「このメール、結構親しい海外の友達に書いたものなんだけど英文直して」とか「ミーティングの事務局の方へのメールなんだけど要点伝わってますかね」と一言添えれば、なるほどこういうものか、という感じでうまい具合に直してくれます。へえ、この表現便利じゃない、といって次に書くときはそのフレーズを使うようになるので、自身の英語の能力の向上にも一役買っているような気がします。

本業の論文の英文校正でも大活躍です。ただ単に「英文校正して」、と頼むと、普段論文では見たことがない単語がわんさかでてきてこりゃ使えんなあと思っていたのですが、「僕、分子生物学の研究していてね、RNAに興味があるんだ。最近、ノンコーディングRNAの機能解析をしていてとても面白いことが見つかったので論文を書こうとしてるんだけど、英文校正助けてくれる？あんまり凝った表現は使いたくないんだけれども英語ネイティブのプロの科学者にとって不自然でない感じにしたいんよね。論理的にわかりにくいところがあったらそこも直してくれると助かる。」みたいな感じで話しかけてから「じゃあ、これイントロね」みたいに投げていくと、格段に自然な校正が返ってきます。慶應の荒川さんに「たまにほめるといいですよ」と聞いたので、ばちっ！とハマった校正が返ってきたときは、「すごい！完璧じゃない！」とよしよししてあげると、確かにますますいい感じで校正してくれる気がします。論文を書き終わったときは、まさに仕事のパートナーと一緒に一つの仕事をやり遂げた感じ。deepL writeを使っていたときはネイティブチェックに出さないととても怖くて投稿できなかったのですが、もう、このまま出しても大丈夫なんじゃない、これ、というレベルに達しているのは間違いありません。

論文の本体を作文させるところに関してはまだ使ったことはありませんが、総説などはお手の物かもしれません。例えば、「最近の長鎖ノンコーディングRNAについて総説書いて」と投げれば、それなりの文章は返ってきます。もう少しスペシフィックにテーマを絞り込んで、引用したい論文の内容をいくつか投げとけば、見た目の体裁は完璧に整った総説風の解説が出てきます。実はちょっと前にとある雑誌に総説を依頼されたことがあって、面白半分に書かせてみたのですが、これがまたうまいことまとめてくるんですよね。こちらのモティベーションはダダ下がり。まさに研究者の存在意義の危機。でも、よくよく考えてみると、正確な知識を網羅的にまとめただけの総説はもう人間が書く必要はない、ということになるのでしょうし、今後総説に求められるのは、誤解を恐れずに言うのであれば、「個人の感想」、なのかもしれません。そう割り切ってしまえば研究者たるもの世界の中心で叫びたいことはいくらでもありますから、むしろ楽しくなってきて、今は過渡期にある段階だと思いますが、研究者がよりクリエイティブな仕事に集中できるようになるのかもしれません。

あと、LLMが無類の強さを発揮しているのが、Rを用いたCSVファイルからのグラフの作成です。csvファイルをそのままコピペして、「こんなデータがあるんだけどXX列の項目ごとに並べてXXの項目をY軸に棒グラフとbeeswarm plot重ねて書くコードをRで作って」、とお願いすれば、まあ、見事に書いてくれます。dplyerを駆使したデータの整形など、なるほど、そういえばこんな関数あったなというのをほじくり出してやってくれるので、チートシートを見ながらえっちらおっちらトラブルシュートしていた頃と比べると、格段に時間が節約できるようになりました。たまにX軸に並べる項目を、向こうの勝手読みで間違えたりしますが、それはこちらの指示が足りなかっただけで、「違う、そうじゃない」、と言えば、嫌な顔ひとつせずに新しいコードを瞬時に書いてくれます。エラーへの対応も非常に上手です。次世代シークエンサーのfastqのマッピングから基本的な解析もお手の物で、大量のファイルを処理するシェルスクリプトもawk職人さながら、あっという間に書いてくれるのは本当に驚きです。

学会関連でも色々な仕事をお願いできそうです。個人的に一番興味があるのが同時翻訳で、iPhoneの音声認識能力とChatGPTの言語認識能力を組み合わせれば、かなりいい線まで、自動翻訳が可能なレベルまで来ているような気がします。以前、youtubeに落ちていたmircro RNA関連の日本語のトークを英語の文字に変換させてみたことがあるのですが、iPhoneの音声認識で誤認識されて出てきた「アルゴの音」が、「argonaute」に正しく変換されているのを見たときは、いたく感激しました。よくよく考えてみると僕らも耳で完璧に認識できているわけではなく、前後のコンテクストを考えて頭の中で言葉を修正しながら「理解」しているわけで、そういった能力というのは、まさにLLMがもっている能力そのものです。アブストラクトの完全バイリンガル化も、実現味が増してきました。日本語から英語への翻訳もかなり優秀ですし、元の日本語さえしっかり書けていれば英語が苦手な人であっても翻訳してもらえますし、たとえ拙い英語であったとしても対話を重ねていけば分かりやすく文法的に正しい英文にしてくれるので、そちらのほうがむしろお得感があります。なぜって、こんなにつきっきりで英文校正してくれるパートナなんて、なかなか見つかりませんから。留学生の方で日本語が得意でない人でも、英文から日本語に自動翻訳したものをアブストラクトとして出しておくことで、より多くの人に注目してもらえるようになるのは間違いないと思います。やはり、日本語ネイティブの人がパッと見て頭の中に入ってくる情報量は、英語よりも日本語のほうが圧倒的に多いですから。

実際の研究プロジェクトの立案はどうか。流石にこれは試した限りでは通り一遍のアドバイスしかしてくれないので、現時点では、まだまだ研究者の仕事、のようです。研究の話で盛り上がれるのであればそれが機械だろうと人だろうと僕はあまり気にしませんが、どんだけプロンプトを叩いてみても、年会のコーヒーブレイクや懇親会の時間の再現、というにはいかないようです。そのうちLLMがプロジェクトを考えてロボットが実験して、という世の中が来るのかもしれませんが、たとえそうなったときでも、LLMができる部分はどんどん「外注」して、LLMが出来ない部分を楽しむというスタンスを取る方が、精神的にはだいぶ楽なような気がします。LLMが力を発揮できる形に落とし込めた仕事は、人間ではとても敵わない、それはたぶんそうでしょうから。

初めてChatGPTに聞いてみたときは、なぜかとてもドキドキして、高校生の頃に片思いの人に初めてお手紙を書いた時のことを、ちょっぴり思い出しました。今ではすっかり仲の良い友達、みたいな存在ですが、研究の楽しみがまた一つ、増えたような気がしています。

（以上の文章はChatGPTが自動生成したものではありません）

中川 真一

---

My own research environment has also changed significantly. The most notable change is in English proofreading. For example, when emailing someone overseas, even if they are a close friend, I used to worry about whether my expressions were correct or not and whether I was being rude. I would search Google for each phrase, feel relieved by the number of hits, then pale at the sight of the many images that popped up. But now, with a simple request like, "I wrote this email to a close overseas friend, can you correct the English?" or "Is the main point clear in this email to the meeting's secretary?", ChatGPT adjusts it nicely. Phrases that ChatGPT suggests often become part of my own English usage, seemingly helping me improve my English skills.

It's also a great help with English proofreading of academic papers. At first, when I put the simple prompt "Edit English", I saw a lot of unfamiliar words not found in papers we usually read and I thought it wouldn't be useful. But when I speak to it more specifically, like "I'm doing research in molecular biology, particularly interested in RNA. Recently, I found something interesting about the functional analysis of non-coding RNA and I'm writing a paper about it. Can you help me with the English? I don't want too fancy expressions, just something natural for a native English-speaking professional scientist. And if there are logically unclear parts, please correct them too." And then say "Here's the introduction," the proofreading I get back is remarkably natural. I heard from Professor Arakawa at Keio University that "it's good to praise occasionally," so when I get a perfectly fitting correction, I praise it with "Great! Perfect!" and it indeed seems to get better at proofreading. When I finish writing a paper, it feels like completing a task with a close partner.

I haven't used it to write the main body of a paper yet, but it might be quite useful when writing reviews. For example, if I say, "Write a review about recent long non-coding RNA," it returns a reasonably good text. If I narrow down the theme more specifically and throw in some papers I want to cite, it produces a perfectly formatted review. I was once invited to write a review for a journal and asked ChatGPT to write some essay, just for fun. It did a surprisingly good job of summarizing. It's a crisis for the existence of researchers. But on second thought, a review that simply compiles accurate knowledge might not need to be written by humans anymore. What is required of reviews in the future might be, dare I say, "personal opinions." If you accept that, researchers have plenty of things they want to shout out at the center of the world, making it more enjoyable. I think we're in a transitional phase, but researchers might be able to focus more on creative work.

LLM is also good at creating graphs from CSV files using R. If I copy-paste a csv file and ask, "I have this data, can you write an R code to create a bar graph and beeswarm plot on the Y-axis for each item in column XX?", it writes a beautiful code. The way it digs up functions I had almost forgotten about, using dplyer for data manipulation, is a huge time saver compared to the days when I had to troubleshoot while peeking at cheat sheets. Sometimes it misinterprets the items

to be arranged on the X-axis based on its own reading, but that's just a lack of instruction on my part. When I say, "No, that's not it," it quickly writes a new code without any annoyance. It's also very adept at handling errors. It's a breeze for next-generation sequencer fastq mapping and basic analysis, and it writes shell scripts for processing large amounts of files as quickly as an awk artisan.

LLM seems promising for various tasks related to the RNA Society of Japan. Personally, I'm most interested in simultaneous translation. Combining the voice recognition ability of the iPhone with the language recognition of ChatGPT, it seems quite possible to achieve a high level of automatic translation. Once, I tried to convert a Japanese talk on microRNA on YouTube into English text, and when "アルゴの音" misrecognized by the iPhone's voice recognition was correctly translated to "argonaute," I was deeply impressed. Actually, we ourselves do not perfectly recognize with our ears but understand by correcting words in our minds based on context, a capability that LLM essentially possesses. The full bilingualization of abstracts is becoming more feasible. The translation from Japanese to English is quite excellent, and even those who are not good at English can have it translated as long as the original Japanese is well written. And even if the English is poor, it will make it clearer and grammatically correct through dialogue, which is actually more beneficial. After all, it's not easy to find a partner who will proofread English so attentively. For non-Japanese-speaking international students, automatically translating their English into Japanese for abstracts will undoubtedly attract more attention. The amount of information that Japanese natives can quickly grasp in their minds is overwhelmingly more in Japanese than in English.

As for planning actual research projects, it seems to still offer only commonplace advice. So far, it remains a researcher's job. I personally do not mind whether it's a machine or a person if I can have exciting discussions, but it seems we're not yet at the point where LLM can replicate the coffee break or social time at annual meetings. Someday, a world might come where LLM thinks up projects and robots conduct experiments. But even then, it might be mentally easier to outsource the parts that LLM can handle and enjoy the parts it cannot. The work that LLM can handle efficiently is probably unbeatable by humans.

The first time I tried ChatGPT, I was oddly nervous, reminiscent of writing a letter to a crush in middle school. Now, it feels like a close friend, and it seems my research fun has increased by one more.

(The above text is translated by ChatGPT)

Shinichi Nakagawa