GoogleのマルチエージェントAI共同科学者システムは、研究者が通常数年かけて発見するような本物の科学的発見を成し遂げる強力な研究アシスタントとして、その価値を証明しつつあります。
現代の科学的発見プロセスにおける課題を背景に、GoogleはGemini 2.0を基盤としたマルチエージェントAIシステムとしてAI共同科学者を開発しました。このシステムは、科学的方法論に基づく推論プロセスを模倣し、科学者の協働ツールとして機能するよう設計されています。
従来の文献レビューや要約ツールを超え、AI共同科学者は新たな知識の発見や、既存の証拠に基づき特定の研究目的に合わせた独創的な研究仮説の構築を目指しています。研究者が自然言語で研究目標を指定すると、システムは新規仮説、詳細な研究概要、実験プロトコルを生成します。
このシステムの能力は、インペリアル・カレッジ・ロンドンのJosé Penadés教授とTiago Costa教授が、細菌進化に関する複雑な問いを投げかけたことで劇的に示されました。Penadés教授の研究室は、カプシド形成性ファージ誘導性染色体アイランド（cf-PICI）がどのように尾部を交換して異なる細菌種に感染できるかを10年かけて解明してきました。彼らは研究成果を発表する前に、未発表データをAI共同科学者に提示し、同じ結論に到達できるかを試すことにしました。
その結果は驚くべきものでした。AIは、cf-PICIが自身のカプシドを生成しDNAをパッケージ化し、転送にはファージの尾部のみを利用していることを正しく特定しました。さらに、cf-PICIが感染性を持たない尾部のないカプシドにDNAを封入して環境中に放出し、それがさまざまな種のファージ尾部と相互作用してキメラ粒子を形成し、尾部の種類によって異なる細菌種にDNAを注入できることを発見しました。
Penadés教授は、自身のチームがバイアスにとらわれていたことを認めています。「私たちはバイアスがかかっていました。長年、私もファージ生物学者も、感染後にはカプシドと尾部を持つ感染性粒子ができるものだと考えていました。なぜ誘導できるPICIが転送されないのか理解できなかったのです……私たちはあまりにもバイアスが強く、実際に起きていることが見えていませんでした。」
AI共同科学者のパフォーマンスはこの一例にとどまりません。11の研究目標のサブセットにおいて、専門家が他の関連モデルと比較してシステムのアウトプットを評価しました。サンプル数は少ないものの、専門家はAI共同科学者の方が新規性やインパクトの可能性が高く、他のモデルよりも好ましいと判断しました。
AI共同科学者の可能性を責任ある形で探求できるよう、Googleは研究機関向けにTrusted Tester Programを通じてシステムへのアクセスを提供しています。 科学的課題がますます複雑かつ学際的になる中、AI共同科学者のようなツールは、研究者が自身のバイアスを乗り越え、有望な新たな研究方向を見出すことで、発見のスピードを大きく加速させる可能性があります。