最新のAIシステムであるGoogle DeepMindのCo-Scientistと非営利団体のFuture Houseが開発したRobinは、科学者の協働支援ツールとしてNature誌に発表されました。これらは科学リポジトリからの情報を自然言語で処理し、仮説生成やデータ分析を自動化するマルチエージェントシステムですが、言語モデル単独では科学の複雑さを完全に再現できないことが改めて示されました。両システムは、研究プロセスの特定の段階を担当する複数の専門的エージェントと、それらを統率する監督エージェントで構成されています。Co-Scientistは仮説の質を評価するための「反省エージェント」や、複数の仮説を比較討論する「ランキングエージェント」を用い、人間の専門家による評価と高い一致を示しました。特に急性骨髄性白血病の再使用可能な薬剤候補として30件を選出し、実際の実験で3件の陽性反応と1件が有望であることが確認されました。一方、Robinは加齢黄斑変性症の薬剤候補30件を提案し、人間の科学者と協議の末に2件が有望とされ、実験に投入されました。しかし、これらの成果は特定の計算生物学的手法との比較が行われておらず、言語ベースの予測がより専門的なAI手法を上回るかは不明です。重要なのは、両システムとも仮説の検証や物理的な実験を直接行わず、人間の介入が不可欠である点です。科学の正確な定式化には数値データや構造化された知識の活用が必須であり、言葉だけで科学を記述するアプローチには曖昧さや限界が残ります。今後は、言語的な対話と構造化された定量的データを統合し、遺伝子配列やタンパク質構造などの生体データを直接モデル化できる次世代AIの開発が期待されます。AIは科学者のアイデア出しや文献整理を加速する強力な補助役となり得ますが、自然世界の複雑さを完全に理解し、自律的に科学を推進するためには、単なる言葉の結合を超えた、システムの全貌を捉える能力が不可欠です。