Google DeepMindは、複数のAIエージェントが連携して科学的仮説を自動生成・評価・洗練させるシステム「Co-Scientist」を公開しました。肝臓線維症（肝臓に線維組織が異常に蓄積する疾患）の新規薬候補発見では実験で瘢痕関連反応を91%抑制するなど、6分野での具体的な成果が報告されています。研究者から「50人チームが1日で全作業を行う感覚」との評価もあり、科学的発見のサイクルを大幅に短縮する可能性に注目が集まっています。
背景と文脈
DeepMindはこれまでにAlphaFold（タンパク質の3D構造を予測するAI）・AlphaGo（囲碁AI）・AlphaEvolve（コード・アルゴリズム自動最適化）など、科学・ゲーム・エンジニアリングの各領域で専門特化型AIを発展させてきました。Co-Scientistはこの系譜の次のステップで、「科学的仮説の生成と評価」というこれまでAIが苦手としてきたタスクに挑んでいます。
科学研究における仮説生成は、膨大な論文を読み込み、分野をまたいだ関連性を見出し、実験可能な形で提案するという複雑な作業です。人間の研究者でも一人では限界があり、分野横断の知識不足や認知バイアスが発見のブレークスルーを妨げることがあります。Co-Scientistはこの問題を多エージェント（複数の専門エージェントが役割分担して協調する仕組み）による並列・反復探索で解決しようとしています。システムはGeminiを基盤に構築されており、AlphaGoの「トーナメント式強化」の設計思想を科学的仮説の選別に応用しています。
技術/ビジネス面
Co-Scientistの動作は「生成→討論→洗練」の3段階です。生成フェーズでは複数のエージェントが科学文献を参照しながら多様な仮説候補を提案します。討論フェーズでは評価エージェントが仮説を批判的に検討し、ペアワイズ比較と仮想的な科学討論による「アイデアトーナメント」で有力候補をランク付けします。洗練フェーズでは上位仮説を組み合わせて反復改良し、メタレビューエージェントが最終出力を統合します。
検証の面では、ChEMBL（医薬品化合物データベース）やUniProt（タンパク質情報データベース）との照合を通じて仮説の信頼性を高めます。計算リソースの大部分は「仮説の検証」に費やされており、生成して出しっぱなしではなく質の担保に重きを置いた設計です。具体的な成果としては、肝臓線維症での薬候補発見（91%抑制）のほか、ALS（筋萎縮性側索硬化症）研究での複数ラボの統合支援、細胞の老化に関わる遺伝子候補の発見（従来数ヶ月かかる分析を数日に短縮）などが報告されています。
これからどうなるか
個人研究者はlabs.google/scienceで利用登録が可能です。企業版はDaiichi Sankyo（製薬）・Bayer Crop Science（農業）・米国立研究所などとパートナーシップが結ばれており、製薬・農業・素材科学といった「仮説の検証コストが高い」分野で最初に大きな影響が出るでしょう。
DeepMindは「Co-Scientistはあくまで研究者のパートナーであり、科学的・臨床的判断の責任はユーザーにある」と明確に述べています。AIが提案した仮説を専門家なしに実験に進めることは推奨されておらず、化学・生物・放射線・核（CBRN）領域での安全評価も独立機関による検証が行われています。開発者の観点では、Co-ScientistはGemini APIのManaged Agents機能（複数エージェントを管理・調整するGoogleの開発者向けAPI）と同じ基盤上に構築されており、類似のマルチエージェント仮説探索システムを自社ドメインで設計する際の参照アーキテクチャとして活用できる可能性があります。
まとめ
DeepMindのCo-Scientistは多エージェント討論とアイデアトーナメントで科学仮説を自動生成・選別するシステムで、肝臓線維症やALSを含む6分野の実証成果が報告されています。製薬・農業を中心に企業展開が始まっており、科学研究の速度を変える存在として注目されます。
参考リンク
アイキャッチ画像: Photo by Ashraful Islam on Unsplash
