Google、「Gemini for Science」発表　AIエージェントで仮説生成や文献分析を支援

科学研究において最大のボトルネックは、毎年膨大に出版される論文の消化と、仮説を検証するための泥臭いコーディング作業にありました。

Google は I/O において、科学探求のプロセスそのものを加速させる実験ツール群「Gemini for Science」を Google Labs 上で公開しました。あわせて、基盤となる研究論文 2 本が学術誌『Nature』に同時掲載されています。

特化型モデルを単発で出すのではなく、汎用的な AI エージェントを束ねて研究者のワークフロー全体を代行させる狙いです。

AI 同士が論文を巡って討論し、コードを数千通り検証する

今回の目玉となるのが、Co-Scientist をベースにしたプロトタイプ「Hypothesis Generation（仮説生成）」です。

単にアイデアを出力させるのではなく、Gemini をベースにした複数のエージェントが「アイデア・トーナメント」と呼ばれる議論を繰り広げます。生成役、多様性を担保するクラスタリング役、仮想査読者として批判する役に分かれ、アイデア同士を戦わせて洗練させていきます。文献や UniProt などのデータベースと照合する検証処理に計算リソースの大半を割いており、提示される主張にはクリック可能な引用が付与されます。

2 つ目のツール「Computational Discovery（計算的発見）」は、ERA と AlphaEvolve を基盤にしています。

ツリー探索技術を用いて数千通りのコードバリエーションを並列生成・評価し、疫学予測や太陽光発電予測といった複雑なモデル構築を自動化します。Nature 論文によると、専門家レベルのコーディング精度を達成しているとのことです。

さらに、NotebookLM を応用した「Literature Insights」も用意され、大量の論文を比較表に整理し、レポートや音声・動画サマリーへと変換できます。

加えて、30 以上の主要生命科学データベースを統合した「Science Skills」も提供されます。Google Antigravity などの環境で利用でき、すでに AK2 遺伝子変異に起因する希少遺伝性疾患のメカニズムに関する新たな知見を得るなどの成果を挙げています。すでに BASF やバイエル、第一三共、米国国立研究所などがプライベートプレビューで活用を進めています。

なぜ重要か

Google のアプローチが極めて巧みなのは、AlphaFold のような「単機能の特化型ツール」から一歩進め、科学的思考のプロセス全体をエージェント群に委ねる基盤を作り始めた点です。

論文の読み込み、仮説の構築、シミュレーション用コードの記述という、研究者が最も時間を取られていた一連の作業がひとつのパイプラインに繋がります。研究者にとっては、これまでポスドク数人を動員して数ヶ月かかっていた初期スクリーニングをわずか数日で回せる可能性があり、Google Labs で試す価値は十分にあります。

一方で懸念も残ります。AI 同士のディベートで仮説をふるいにかける仕組みは、一見論理的ですが、過去の文献との整合性を重視しすぎるあまり、常識外れだが正しいパラダイムシフト的なアイデアを「低スコア」として切り捨ててしまうリスクを孕んでいます。

とはいえ、エンタープライズでの実証と Nature 論文による裏付けを同時に揃えてきた動きは手堅く、他社の単なる対話型 AI とは一線を画す強力な研究インフラになりそうです。