近年、Googleは、生成AIをあらゆる製品や取り組みに統合することを目指しています。これには、検索結果を要約し、アプリケーションと対話し、あなたの電話から収集したデータを分析するロボットが含まれます。これらのAIシステムが生成する出力は、真の理解が欠けていても、思いがけず感銘を与えることがよくあります。しかし、彼らは本当に科学研究を行うことができるのでしょうか？ Google Researchは現在、AIを「共著者」として機能させる開発に注力しています。彼らの最新のマルチエージェントAIシステムは、Gemini 2. 0フレームワークに基づいて構築されており、生物医学研究者を対象にして新しい仮説や研究分野を提案することで支援することを目的としています。しかし、このいわゆるAI共著者は、実質的には高度なチャットボットのように機能しています。 実際の科学者は、研究目的、概念、以前の研究の引用を入力することでGoogleの共著者を利用でき、これによりAIが新しい研究の方向性を提案します。このシステムは、入力データを処理し、提案を改善するためにオンラインリソースにアクセスするさまざまな相互接続されたモデルで構成されています。このフレームワーク内では、異なるエージェントが互いに挑戦し合い、「自己改善ループ」を生み出しています。これは、他の推論AIモデルであるGemini Flash ThinkingやOpenAIのo3に似ています。 Geminiのような生成AIシステムであるにもかかわらず、真に新しい知識やアイデアを持っているわけではありません。代わりに、既存のデータから合理的な推測を行うことができます。最終的に、AI共著者は研究提案や仮説を生成し、人間の研究者はチャットボットインターフェースを介してこれらのアイデアを議論できます。 AI共著者は、洗練されたブレインストーミングツールとして捉えることができます。個人が消費者向けAIとパーティープランのアイデアを共有できるように、科学者も科学的調査のために特別に設計されたAIを使って新しい研究概念を生み出すことができます。 科学におけるAIのテスト 現在、広く使用されているAIシステムは、正確性に関する悪名高い問題を抱えています。生成AIは、正しいトレーニングデータやモデルの重みがあるかどうかに関係なく応答を生成する傾向があり、追加のAIモデルを使用して事実を検証しても正確性は保証されません。推論能力を持つAI共著者は、出力を向上させるために内部評価を実施し、Googleはこれらの自己評価スコアが科学的正確性の向上に関連していると主張しています。 ただし、内部メトリクスは有益ですが、実際の科学者はどう考えているのでしょうか？Googleは人間の生物医学研究者にロボットが作成した提案を評価するよう依頼し、彼らはAI共著者を他の専門性の低いAIシステムよりも高く評価したと報告されています。専門家はまた、AI共著者からの出力が標準的なAIモデルと比較して革新的な影響を与える可能性が高いと指摘しました。 とはいえ、すべてのAIの提案が必ずしも正当なものではないとされています。それでも、Googleは複数の大学と協力して、一部のAI生成研究提案をラボ環境で試験することを行っています。例えば、AIは急性骨髄性白血病の治療のために特定の薬剤の再利用を推奨し、初期のラボテストではこのアプローチが実行可能であることが示されました。スタンフォード大学で行われた研究でも、AI共著者の肝臓線維症に対する治療提案がさらなる調査を必要とすることが分かりました。 この研究は確かに興味深いですが、このシステムを「共著者」と呼ぶのはやや誇張されているかもしれません。AIリーダーたちが自律的な思考を持つ機械の出現に近づいていると主張しているにもかかわらず、AIが独立して科学研究を行う能力にはほど遠いのです。しかし、このAI共著者は、真の理解や深い洞察を提供する能力が欠けていても、大規模なデータセットや研究文献を解釈し、文脈を理解するのに人間を助ける上で依然として重要な役割を果たすことができるかもしれません。