グーグルがAIを活用した新機能「Scholar Labs」を限定公開している。このツールは、研究者向けに詳細な科学的質問に応じて関連論文を自動検索するもので、従来のGoogle Scholarとは異なるアプローチを取る。AIはユーザーの質問から主要なトピックや概念の関係性を読み取り、論文の全文や著者、発表誌、引用履歴などを総合的に分析して結果を提示する。しかし、従来の研究評価指標である「被引用回数」や「学術誌のインパクトファクター」を結果のフィルタリングに用いない点が特徴だ。グーグルのスポークスパーソン、リサ・オギケ氏は、「これらの指標は研究分野によって大きく異なるため、ユーザーが適切な基準を判断するのは難しい」と説明している。また、特に新しい研究や横断的分野の論文を漏らさないためにも、こうした制限は意図的だと述べた。 実際に脳-コンピュータインターフェース（BCI）に関する質問を試したところ、2024年に発表された「Applied Sciences」誌のレビュー論文が上位に表示された。この論文は非侵襲的信号である脳波（EEG）と主要なアルゴリズムについて取り上げており、AIによる関連性の分析が妥当であることが確認された。ただし、この論文のインパクトファクターは2.5と低く、Natureのようなトップジャーナル（48.5）と比べて学術的影響力は低い。この点で、AIが「信頼性」よりも「関連性」を重視する姿勢が浮き彫りになる。 専門家からは賛否が分かれている。 Vanderbilt大学の神経内科准教授マシュー・シュラッグ氏は、「被引用回数やインパクトファクターは論文の質よりも社会的影響を反映している」と指摘。一方で、多くの研究者がこれらの指標に頼る現状も認め、「新しい分野に入る際には、どうしても『人気のある論文』に頼ってしまう」と述べ、人間の判断の限界を語った。 Tufts大学のリハビリテーション科学教授ジェームズ・スモリガ氏も、高被引用論文をより信頼すると述べつつ、「自分自身がその方法論を批判した論文を、高被引用だからと無批判に受け入れた経験がある」と自覚している。 Scholar Labsは、論文の全文を解析することで、従来のフィルタリングでは見過ごされがちな新規・横断的研究を発掘できる可能性を秘める。しかし、最終的な評価は研究者の責任である。AIは補助ツールにすぎず、科学の質と意義を判断するのは人間の読解力と批判的思考にかかっている。グーグルは今後、ユーザーからのフィードバックを反映して機能を改善していくとしている。