Googleが「AI co-scientist」発表：仮説立案を加速するマルチエージェント基盤

科学論文の要約や検索にAIを使う動きは一般的になりましたが、人間が思いつかないような全く新しい研究仮説を組み立て、それを実験プロトコルに落とし込むとなると話は別です。

Googleは2月19日、Gemini 2.0を基盤にした自律型マルチエージェントシステムであるAI co-scientistを発表しました。単なる文献検索ツールではなく、科学者の仮想的な共同研究者として、新規の仮説生成から研究計画の立案までを支援するシステムです。

6つの特化AIが戦わすディベートとEloレーティング

科学研究の難しさは、膨大な文献を追うだけでなく、異なる分野の知見を組み合わせて未知の仮説を導く点にあります。Googleはこの課題に対し、科学的手法そのものをAIの構造に落とし込みました。

システム内には生成、反省、ランキング、進化、近接性分析、メタレビューを担当する6つの特化エージェントが配置され、スーパーバイザーが計算資源とワークフローを統括します。

最大の特徴は、推論時計算量をスケールさせ、エージェント同士が仮説をぶつけ合うセルフプレイ討論を行う点です。仮説同士をトーナメント形式で競わせ、チェスなどで使われるEloレーティングで評価と淘汰を繰り返します。

7人の専門家が選定した15の難関課題において、このEloスコアは難問ベンチマークGPQAの正答率と強く相関しました。さらに推論時間を増やすほど出力の質が向上し、専門家が単独で出したアイデアを上回る評価を得る場面も見られました。

急性骨髄性白血病から肝線維症まで、湿式実験で実証

机上の空論で終わらせないため、Googleはパートナー機関とともに実際の実験室で仮説の検証を行いました。

まず急性骨髄性白血病に対する既存薬の転用では、AIが提案した薬剤候補が、臨床的に意味のある濃度で腫瘍細胞の増殖を有意に抑制することが細胞実験で確認されました。

次に肝線維症の治療標的探索では、AIがエピジェネティックな標的を特定しました。スタンフォード大学のチームがヒトの肝オルガノイドを用いて検証したところ、実際に抗線維化活性が確認されました。

さらに帝国ロンドン大学との共同検証では、抗生物質耐性遺伝子の伝播メカニズムについて、未公開の実験結果と同じ結論をAIが過去の公開論文の知見のみから自力で導き出すことに成功しました。

ただしGoogleは、事実関係の検証精度や外部ツールとの連携、専門家による厳密な監視体制など、実用化に向けた課題も残されていると認めています。

なぜ重要か

AI co-scientistは、生成AIの役割を既存情報の要約から未知の知識の探索へと一段階押し上げた点で大きな価値があります。

研究者にとって、数カ月かかる文献渉猟や仮説検証の準備期間を大幅に短縮できる強力なパートナーになり得ます。特に専門領域をまたぐ分野横断的なブレークスルーにおいて、人間が見落としがちな盲点を突く仮説を提示してくれる点は魅力的です。

Googleが採用した、推論時計算量とEloトーナメントによる仮説淘汰のアプローチは極めて論理的です。単に確率的にそれらしい文章を出力するのではなく、自己批判と議論を通じて論理の穴を塞ぐ仕組みは、科学分野でのハルシネーション抑制に有効な手立てといえます。

一方で、バイオ研究の湿式実験には莫大な費用と時間がかかります。AIがどれほど尤もらしい仮説を出しても、偽陽性を掴まされれば研究リソースが浪費されるリスクは消えません。当面は目利きの利くトップ研究者が手綱を握る前提で使うべき道具だと考えられます。