Gemini for Science発表、論文合成・仮説生成を自動化

GoogleがGoogle I/O 2026で「Gemini for Science」を発表しました。科学研究者向けのAIツール群で、数百万本の論文から仮説を生成する「Co-Scientist」、並列コード実行で計算発見を加速する「AlphaEvolve」、文献をテーブル形式に整理する「NotebookLM」の3つのプロトタイプをGoogle Labsで公開しています。Stanford大学・Imperial College Londonを含む100以上の機関が検証に参加し、Co-ScientistとAlphaEvolveの研究論文はNature誌に同時掲載されました。科学の進歩を「人間の独創性の何倍にもなる力」として増幅させると位置づけており、BASFやKlarnaがすでにプライベートプレビューで活用しています。

背景と文脈
技術/ビジネス面
これからどうなるか
まとめ
参考リンク

背景と文脈

現代の科学研究は「知識の爆発的成長」というパラドックスに直面しています。毎日発表される論文数があまりに多く、研究者が関連分野の最新知見をすべて把握することは現実的に不可能です。Googleはこの問題を「知識はかつてないスピードで蓄積されているが、個々の研究者が活用できる量には限界がある」と表現しており、AIが橋渡し役になれると判断しました。

GoogleはAIを科学研究に活用する取り組みをここ数年で加速させています。タンパク質構造予測モデルのAlphaFold（2021年から研究利用可能）は生命科学の研究手法を根本から変えた実績を持ちます。Gemini for Scienceはこの流れを引き継ぎ、言語モデルの能力を生命科学・数学・気候モデリングなど幅広い分野に展開するものです。

「Gemini for Science」は単一のモデルやAPIではなく、用途別に設計された複数のツールとプラットフォームの総称です。Google Antigravityという名の新プラットフォームを中核に、30以上のライフサイエンスデータベース（UniProt：タンパク質情報、AlphaFold：タンパク質構造予測、AlphaGenome：ゲノム変異解析など）との統合機能を備えています。

技術/ビジネス面

man and woman standing near laser light — Photo by Matthieu Joannon on Unsplash

Gemini for Scienceの主要ツールはそれぞれ明確な役割を担っています。Co-Scientistは「マルチエージェントアイデアトーナメント」という仕組みで複数のAIエージェントが仮説を提案・評価・洗練させ合い、最も有望な仮説を研究者に提示します。引用可能な一次資料も付随するため、「AIがでっち上げた仮説」を排除しやすくなっています。

AlphaEvolveおよびERA（Evolutionary Research Accelerator）は、数千通りのコードバリエーションを並列実行し、太陽光発電予測・疫学モデリングなど計算量が膨大な分野の探索を加速します。従来なら数か月かかる実験的探索を大幅に短縮できます。NotebookLMは、科学文献をAIが読み込んでテーブル形式に構造化し、研究者が知識のギャップを見つけやすくする機能です。

ビジネス面では、BASFやKlarnaといった企業がプライベートプレビューで活用しており、素材科学・金融リスク分析など応用領域が広がっています。Googleはこれらのツールをエンタープライズ向けに提供することで、Vertex AIなどの既存クラウドサービスと連携した研究支援プラットフォームとしての地位を狙っています。

これからどうなるか

Gemini for Scienceが示す方向性は、AIが科学的発見の「実行者」ではなく「触媒」として機能する将来像です。研究者が問いを立て、AIが膨大な文献と実験結果から関連情報を圧縮・整理し、研究者が判断するという協調モデルが想定されています。この分野ではOpenAIのo3を活用した科学向けエージェントや、独立系スタートアップも参入しており、競争は激化しています。

課題もあります。AIが生成した仮説の誤りを研究者が気づけない「ハルシネーション（Hallucination：AIが事実と異なる情報を自信満々に生成する現象）」リスクや、特定の論文や言語への偏りがバイアスを生む可能性が指摘されています。引用可能なソースを提示する設計はこの問題を緩和しますが、完全な解決策ではありません。

開発者の観点では、Gemini for ScienceのAPIやプラグインが公開されれば、既存の研究管理ツール・データパイプラインに組み込める可能性があります。ライフサイエンス系・気候モデリング系のアプリケーション開発において、30以上のデータベースへの統合アクセスが提供されれば、データ収集・前処理のコストを大幅に削減できます。