8,581 文字
Googleが新しいAIを開発しました。AI Co-scientistと呼ばれるこのAIは、すでにがんを治療できる正当な新薬を開発しています。これはすでに現実世界で検証済みです。さらに、肝臓病を治療する別の薬も開発し、これも検証されています。また、抗生物質耐性についても独自の発見をしました。これらはその breakthrough（画期的な成果）のほんの一例です。これは驚くべき強力なツールであり、まさにこれについて、このビデオでお話ししていきます。
このAI Co-scientistについて、その仕組み、機能、そしていくつかの印象的な成果について説明していきます。科学的または技術的なバックグラウンドがなくても心配いりません。簡単な言葉で説明しますので、簡単に理解できるはずです。
早速本題に入りましょう。GoogleはGemini 2.0を使用して構築された、マルチエージェントAIシステムであるAI Co-scientistをリリースしました。これは彼らの最も性能の高いAIモデルで、科学者が新しい仮説や研究提案を生み出し、科学的および生物医学的発見のスピードを加速するための仮想的な科学的協力者として機能します。
名前が示すように、Co-scientistは科学ができるAIですが、これは人間の科学者を置き換えるのではなく、補強し協力するように設計されています。非常に複雑な科学的問題に対して新しいアイデアやソリューションを考え出すのを手伝う、超スマートなアシスタントのようなものだと考えてください。
この仕組みについて詳しく説明していきますが、まず、すでに達成された驚くべきブレークスルーをいくつか見てみましょう。このAI Co-scientistをチャットボットアシスタントだと考えてください。まず、科学者からのプロンプトを受け取ります。これは自然言語を使用しているだけです。人間の科学者が「白血病を治療できる既存の薬を提案してください」とプロンプトを出すと、それに対してAI Co-scientistが対応します。
後ほど説明するように、エージェントのチームが協力して厳密なプロセスを経て、最終的に候補を出力するまで繰り返し作業を行います。これはデジタル上のことで、仮想的なものです。まだ誰もこれが正当なものかどうかを実際にテストしていません。
驚くべきことに、次に人間が実際にこれらの候補を現実世界でテストしました。青と緑の線で示されており、y軸は基本的に白血病細胞の活性を示しています。これらの薬の濃度を上げると、白血病細胞の活性が低下することが示されました。言い換えれば、AI Co-scientistが提案したこれらの新薬は、実際に白血病の活性を治療または少なくとも抑制する効果があるということです。
これがどれほど驚くべきことか想像してみてください。AIがいつか癌を治療できるようになるという夢を見ているのではなく、今日、このアナウンスで、私たちはすでに現実世界で正当に癌の活性を抑制できる可能性のある新薬を提案できるAIを手に入れたのです。
AI Co-scientistは白血病治療のための新しい候補を提案し、その後の実験でこれらの提案を検証し、提案された薬が臨床的に関連のある濃度で腫瘍の生存率を実際に抑制することを確認しました。
これは一例に過ぎません。別の例を見てみましょう。人間が肝線維症の新しいエピジェネティックターゲットを特定するように依頼した場合はどうでしょうか。基本的にこれは、肝臓の瘢痕化（肝線維症と呼ばれる）の治療のための潜在的な新しいターゲットを特定することを意味します。
これは非常に重要な問題です。なぜなら、肝線維症は肝不全や肝細胞癌（つまり肝臓癌）に進行する可能性のある重篤な疾患だからです。このAIに肝線維症の新しいターゲットを特定するようプロンプトを出すと、後ほど説明する魔法のような処理を行い、実際に新しいターゲットを特定します。
結果はこうです。y軸は基本的に肝臓のダメージの量を示しています。この値が高いほど、病気が進行していることを示します。最初のバーを見ると、これは線維症誘導因子を加えた後の状態です。これは肝臓に線維症を引き起こすものを加えたものです。2番目のバーは線維症阻害剤で、これは肝臓の線維症の量を減らすために加える既知の薬です。
予想通り、このバーは最初のバーよりも低くなるはずです。右側の4つのバーは、この新しいAI Co-scientistが提案した候補です。これらすべてのバーが最初のバーよりも低いことがわかります。つまり、AI Co-scientistが提案した4つの薬すべてが、線維芽細胞の活性の変化を減少させる効果があることを示しています。言い換えれば、AI Co-scientistが提案したすべての薬が肝線維症の量を減少させる効果があるということです。
なお、これは人間の肝臓でテストされました。実験はヒト肝臓（基本的に肝臓）オルガノイドシステムで実施されたと記載されています。これはマウスや他の動物ではなく、科学者たちはAI Co-scientistが提案したターゲットが実際に人間の肝臓の線維症を減少させる効果があることを証明しています。
これも大きなブレークスルーです。私たちは今、単にプロンプトを出すだけで薬の候補やアイデアを考え出すことができるAIを手に入れました。システムに十分なコンピューティングパワーを投入すれば、これらの候補は実際に人間に対して現実世界で効果があることが証明されているのです。
次の発見はさらに素晴らしいかもしれません。このAI Co-scientistは、抗生物質耐性の理解を助ける画期的な発見も提案しました。この用語に馴染みがない方のために、抗生物質耐性とは何か、なぜそれが重要なのかを見ていきましょう。
もちろん、抗生物質は細菌感染症の治療に使用されます。これは毎年何百万人もの命を奪う大きな世界的な健康問題です。問題は、細菌は時間とともに進化することができるということです。抗生物質で治療し続けると、最終的に多くの世代を経て、これらの細菌は抗生物質に耐性を持つように進化する可能性があります。
言い換えれば、これらの細菌感染症を治療するために使用している方法が、もはや効果を発揮しなくなる可能性があるということです。これは大きな問題です。私たちは細菌がどのように抗生物質に耐性を持つようになるのか、そしてどのようにしてより効果的な治療法を開発できるのかを理解する必要があります。
これは、CFPIIsと呼ばれる特殊な遺伝的要素について考えることにつながります。これらは基本的に、細菌種間を移動できる特殊な遺伝的要素で、私たちが知る限り、これらは細菌が抗生物質に耐性を持ち、病気を引き起こすのを助ける遺伝子を運びます。
これらの要素は、多くの種類の細菌で見つけることができ、ある細菌から別の細菌に伝達できるという点でユニークです。これらがどのように機能するのか、どのように細菌間を移動するのか、そしてどのように抗生物質耐性の拡散を助けるのかを理解できれば、感染症との戦いに大きく役立つことができます。
2013年から科学者たちはこの問題を研究してきました。2015年には、なぜこれらのCFPIが多くの細菌種に見られるのかという疑問が投げかけられました。約10年の研究の後、私たち人間はようやく、これらのCFPの役割と重要性を示す強力な証拠を得ました。これらの発見は非常に最近のもので、まだ公開されていません。
驚くべきことに、研究者たちは2015年に提起されたのと同じ質問をこの新しいAIに投げかけました。わずか2日間で、このAIも最近の発見と同じ結論に達することができました。このAIはこのデータにアクセスできませんでした。これは未公開のデータですが、2日間かけてこのトピックに関するすべての科学的知識を収集し理解した後、同じ結論に達することができました。
AI Co-scientistは独立して、そして正確に画期的な仮説を最上位の提案として提案しました。この発見は、仮説生成中にCo-scientistが知らなかった独立した研究によって実験的に検証されました。これがどれほど驚くべきことか想像してみてください。このAI科学者は、人間が到達したのと同じ仮説、同じ結論に独立して到達しましたが、人間は10年近くかかったのに対し、AI科学者はわずか2日間で達成したのです。
これまでの画期的な成果をいくつか見てきました。これがどれほどインパクトのあるものか理解していただけたと思います。次に、これが実際にどのように機能するのか、そしてなぜこれほど有用なのかを見ていきましょう。
まず、科学者たちが直面している主な問題は何か、そもそもなぜこのAI科学者が必要なのかを考えてみましょう。科学者たちは新しいアイデアを考え出そうとする際に、大きな課題に直面しています。あまりにも多くの情報があり、どこから始めればよいのかさえ分かりにくい状況です。膨大な量の論文を読み、複雑な概念を理解し、そしてすでに知られていることに基づきながらも、まだ存在していない新しいアイデアを考え出す必要があります。
あなたが科学者で、白血病を研究したい、白血病の治療法を見つけたいと考えているとします。Google Scholarで「白血病」を検索すると、科学文献に260万以上の結果が出てきます。人間として、これらすべての論文を読み、それぞれからのブレークスルーやキーアイデアをすべて統合し、そしてすでに知られていることに基づきながらも、まだ行われていない新しいアイデアを考え出すことは、どうやって可能なのでしょうか。これは非常に煩雑なプロセスです。
幸いなことに、OpenAIの最近のDeep Researchのような既存のAIツールがあり、必要なすべての情報を統合するのに役立ちます。科学文献を手動で検索し、白血病に関するこれらすべての記事を読む代わりに、Deep Researchを使用して、このAIに白血病について知っているすべての情報を統合するように依頼することができます。このDeep Researchは基本的に、自律的にウェブをスクレイピングして必要な関連データをすべて見つけ、それをきれいにフォーマットされた技術レポートにまとめるAIエージェントです。
しかし、Deep Researchでは既存の情報を統合するだけで、知識のギャップを特定したり、完全に新しいオリジナルのアイデアを考え出したりすることはできないかもしれません。そこでGoogleのCo-scientistの出番です。
このAIは、標準的な文献レビューの要約やDeep Research、つまり特定の主題に関して私たちが持っているすべての情報を統合するだけでなく、新しいオリジナルの知識を発見し、証明可能な新しい研究仮説と提案を、先行する証拠に基づいて、特定の研究目的に合わせて形成することを目的としています。これはまた、特定の問題を解決するために取ることができる新しいアイデアや道筋を提案するように設計されています。
さらに、多くの現代の科学的発見は、科学の異なる領域や分野からの知識を組み合わせることから生まれています。これは学際的なものです。問題は、科学者たちが馴染みのない領域や分野からの洞察を結びつけることが非常に難しいということです。例えば、あなたが微生物学者であれば、微生物学のすべてについてとてもよく知っているでしょうが、量子物理学や生態学についてはあまり知らないかもしれません。
科学者たちは自分の知識の泡の中に閉じ込められているので、分野を横断して特定の問題を解決するための新しいアプローチを考えることは非常に難しいのです。それにもかかわらず、これは科学における多くの素晴らしい現代のブレークスルーにつながっています。
これらが科学者たちが直面している主な問題であり、Googleの研究者たちはこれらの問題に対処するためにAI Co-scientistを特別に設計しました。
次に、これが実際にどのように機能するのかを見ていきましょう。まず、科学者からのプロンプトを受け取ります。これは自然言語を使用しているだけです。例えば、「肝臓病の治療法を見つけてください」と言うと、文献をスクレイピングし、すべての情報を統合して、新しい仮説、詳細な研究概要、実験プロトコルを生成します。
このAI Co-scientistは専門化されたエージェントのチームで構成されています。科学者のプロンプトはこのAIに送られ、まず生成エージェントを通過します。名前が示すように、このエージェントは科学文献を探索し、新しいアイデアを考え出し、新しい仮説を生成する責任があります。
次に反省エージェントがあります。これは生成エージェントが生成した各アイデアについて批判的に考え、完全な文献レビューを行い、この新しいアイデアが価値があるかどうかを確認します。すべてのレビューを行い、深い検証を行って、基本的に生成エージェントからのアイデアを評価します。
反省し、これらすべてのアイデアを評価した後、ランキングエージェントを通過して、品質と確率に基づいてこれらのアイデアをランク付けします。このランキングエージェントは生成エージェントにフィードバックを与えることができます。例えば、「これらのアイデアは良くない、新しいアイデアを考え出してください」や「これらのアイデアは良いが、まだ改善の余地があります、さらに改訂してください」などと言うことができます。
これは常にフィードバックループになっています。このフィードバックループに加えて、時間とともにアイデアを改善する進化エージェントもあります。これは上位にランク付けされた仮説を継続的に改良し、明確さのために概念を単純化し、さらに文献から追加のデータを取り込んでアイデアを拡張することもあります。
次に近接性チェックエージェントがあります。これは基本的に、生成されたすべてのアイデアの近接性グラフを作成し、類似したアイデアをクラスター化して重複を避けます。これは基本的に、これまでに提案されたすべてのアイデアの効率的な探索マップを提供します。つまり、新しいアイデアがすべて異なり、ユニークで、冗長でないことを確認します。
このクラスターマップはメタレビューエージェントに渡されます。このエージェントは基本的にデータのパターンを探す責任があります。このCo-scientistが収集したすべてのデータを統合し、繰り返しパターンを特定しようとします。そしてこれらの発見を使用して、生成されたアイデアの品質を向上させます。
また、ここにはランキングエージェントとのフィードバックループがあることに注意してください。このシステム全体が反復的に改善されることに注目してください。これらの自己改善ループがあり、毎ラウンドを通じて、高品質な最適な出力が得られるまで、新しいアイデアやより良いアイデアを改善し生成し続けます。
また、Co-scientistは追加のツールを使用してデータ収集を補完していることにも注意してください。これには、生成された研究仮説の根拠と品質を向上させるためのウェブ検索と専門化されたAIモデルが含まれます。根拠付けとは、AIの出力を実際の事実と比較して、幻覚を起こしていないこと、つまり作り話をしていないことを確認することを意味します。
なお、人間の科学者はプロセスの各ステップでフィードバックを与えることもできます。基本的にチャットインターフェースを通じてこのAI Co-scientistとやり取りしているのです。ユーザーインターフェースを通じて、人間はCo-scientistと会話し、制約を提供し、フィードバックを与え、探索の新しい方向を提案することができます。
このように、非常に強力でありながら直感的で使いやすいツールです。この設計とこれらのフィードバックループにより、AIは時間とともに学習し改善します。これらのエージェントは基本的に自分たちで議論し、どのアイデアが最良かについて議論することができます。また、人間の科学者からフィードバックを得て、AIに対してアイデアについての考えを伝えることもできます。
さらに、必要に応じてウェブで追加情報を検索するツールや、この情報が実際に正確であることを確認するためのグラウンディングツールも使用します。クールなのは、このシステムがスケーラブルだということです。より多くの計算能力を与えると、実際に推論と新しいアイデアの考案が上手くなります。
これはこのシステムがテストタイム計算を使用するためで、これは最新の思考モデルであるOpenAI o1やo3、Deep Seek R1で見られるものです。これがどのように機能するかというと、少なくとも以前の非思考モデル（GPT-4やClaudeなど）では、何かをプロンプトした直後に答えを吐き出すだけで、実際に考える時間を取りませんでした。これらは通常または従来のLLMsです。
しかし、o1、o3、Deep Seekのような新しい推論LLMsファミリーは、何かをプロンプトした直後に答えを出すのではなく、実際に時間を取り、もちろん計算も行って、最終的な回答を出す前に実際に答えについて考えます。このパフォーマンスは、これらの従来の非思考モデルよりもはるかに優れています。
理論的には、これらの推論モデルにより多くの計算能力を与える、つまり基本的により長く考えさせると、より質の高い答えを得ることができます。このコンポーネントはスケーラブルなので、より多くの計算能力があれば、より長く考えさせることができ、したがってより良い答えを得ることができます。
これはまさにここで説明されていることです。これも柔軟な計算スケーリングを持っています。三角形のある線は、この新しいAI Co-scientistのパフォーマンスを示しています。考える時間を与えれば与えるほど、その答えが良くなることに注目してください。y軸は基本的にパフォーマンスの指標です。
これが彼らの最新かつ最高のモデルであるGemini 2.0 ProやGemini 2.0 Flash Thinkingよりもはるかに優れていることに注目してください。さらに、はるかに下にある人間の専門家よりもはるかに優れています。科学的発見に関しては、少なくともAIが人間の専門家よりも優れている段階にすでに到達していると言えるかもしれません。
これは、アイデアの新規性（基本的にどれだけユニークで新しいか、創造的か）とアイデアのインパクト（どれだけゲームチェンジングか）を示す別のチャートです。ここでも、AI Co-scientistをGoogleの主要なAIモデルやOpenAI o1と比較すると、GoogleのAI Co-scientistが最高のパフォーマンスを示しています。
興味深いことに、彼らは彼らの最高のモデルであるOpenAI o3を含めていません。しかし、OpenAIはo3をリリースしていないため、ここには含まれていません。GoogleはOpenAIのo3を使用してスコアを実際に計算することができませんでした。
とにかく、これがGoogleリサーチの新しいAI Scientistについてのレビューをまとめたものです。これはかなり技術的な科学的なビデオでしたが、理解しやすかったと思います。そしてこれがどれほど画期的なものかを理解していただけたと思います。
すでに述べたように、私たちはすでに、がん治療や肝臓病の治療のための新しいアイデアを生み出すのを助けてくれるAIを手に入れた段階にいます。他にも何を依頼できるかわかりませんが、これらのアイデアはすでに現実世界で機能することが検証され確認されています。
これは非常にエキサイティングな時代です。しっかりと身構えて、死なないように気をつけてください。なぜなら、私は今後5年間で大きなブレークスルーが見られ、がん、糖尿病、認知症を完全に治療し、さらには長寿についても解明できるかもしれないと考えているからです。
とにかく、これらすべてについてどう思うか、コメントで教えてください。いつものように、私はトップAIニュースとツールを探して、皆さんと共有していきます。このビデオを楽しんでいただけたなら、いいね、シェア、購読をお忘れなく、そして今後のコンテンツもお楽しみに。
また、AIの世界では毎週とても多くのことが起こっているので、私のYouTubeチャンネルですべてをカバーすることは不可能です。AIで起こっているすべてのことを本当に最新の状態に保つために、私の無料の週刊ニュースレターを購読することを忘れないでください。そのリンクは説明欄にあります。
ご視聴ありがとうございました。また次回お会いしましょう。
コメント