10 年前に AlphaGo が将棋や囲碁の対局で人間を破って以来、AI 研究はゲームから科学分野へと大きな転換を遂げました。AlphaGo は膨大な可能性を持つ囲碁の盤面を解析するため、深層ニューラルネットワークと強化学習を組み合わせた革新的な手法を開発しました。これは単なるゲームの勝利ではなく、現実世界の複雑な課題を解くための技術的証拠となりました。その後に開発された AlphaGo Zero や AlphaZero は、事前の知識なしにゲームを自学習し、チェスや将棋においても世界最高峰のプログラムや人類のプレイヤーを凌駕する新たな戦略を生み出しました。これらの成果は、AI が科学の飛躍的発展に寄与できることを示唆しました。特に、50 年にわたる難問とされたタンパク質の立体構造予測問題において、2020 年に AlphaFold 2 が成功を収めました。現在では世界中の 300 万人以上の研究者が、このデータベースを利用してマラリアワクチン開発から生分解性プラスチックの発見まで、多岐にわたる研究を加速させています。この功績により、ジョン・ジャプナー氏と執筆陣が 2024 年にノーベル化学賞を受賞しました。さらに、AlphaGo のアーキテクチャは数学的推論やアルゴリズム発見、科学協力など他の分野にも応用されています。例えば、AlphaProof と AlphaGeometry 2 は国際数学オリンピックでメダル級の実績を収め、Gemini の最新モデルは金メダル級の成績を達成しました。また、コードを探索してより効率的なアルゴリズムを見つける AlphaEvolve や、科学者が仮説を検証するための AI コサイエンティストの導入も進んでいます。しかし、現在の AI は特定の分野に特化しているため、クリーンエネルギーの創出や未知の病気の治療といった根本的な解決には、一般化された知能、つまり汎用人工知能（AGI）が必要です。AGI には、言語だけでなく音声や画像、コードを理解する多様なモダリティと、専門的なツールの使用能力が求められます。AlphaGo で見られた「37 手」という独創的な一手のように、単に既存の知識を適用するだけでなく、全く新しい理論やゲームそのものを発明するような真の創造性が、AGI には不可欠です。10 年後、この創造性が科学発見の新たな黄金時代を築き上げ、AGI の実現へとつながると確信しています。