Google DeepMindは2024年、AIエージェントが科学研究に与える影響を分析した報告書を公開した。AIが仮説生成を大幅に加速させる一方、検証プロセスの滞后による新たな検証ボトルネックが生じている点を指摘する。 報告書では、帝国理科大学のJose Penades氏がAIエージェントCo-Scientistを用いた事例を紹介している。チームが長年研究していた細菌の耐性伝播メカニズムを、AIは非公開データを参照せず48時間で最優先仮説として提示した。しかし仮説の科学的確立には依然として人間の実験検証が不可欠である。 AIの科研能力向上は、基礎モデルの多段階推論力向上、ツール連携機能を持つ成熟したフレームワークの普及、実験手順をプロンプトで共有できるカスタマイズ性の進展による。これにより文献調査や候補案生成が効率化され、薬物再利用や半導体設計、数学証明等领域で実証されている。 一方、生命科学などにおける候補案の現実検証は物理的リソースを要する。AI出力の増加が検証キャパシティを上回る事態を防ぐため、報告書は4つの提言を打ち出す。AIツールの研究機関への普及と資金支援の強化。エージェントが直接利用可能な標準化データ基盤の整備。自動化ラボや公共施設の共有による検証能力の拡大。AI活用経緯の記録義務化と若手基礎訓練重視による评审・教育制度の見直しである。 AIは科学発見の役割を発明から調停へシフトしている。生成された仮説を検証インフラと评审体系で如何に受け止めるかが、次世代の科研生態系を左右する。