AI

研究支援AI、仮説を討論で順位付けして改良

この記事のポイント

  1. 実現したこと

    研究支援AIのCo-Scientistは、科学文献とデータから研究仮説を提案する。

  2. 実現の仕組み

    仮説を一対一で比較し、AI同士の科学討論を通じて有望な候補に優先順位を付ける。

  3. 得られた結果

    Google DeepMindによると、AIが挙げた既存薬の転用候補の一つが、実験室で線維化に関連する反応を91%抑制した。

  4. 従来との違い

    仮説の生成・批評・改良を、Geminiベースの専門エージェントが分担する構成にした。

明るい研究机の上で、記号入りの仮説カードを一対ずつ比べ、文献を虫眼鏡で確かめながら、選んだ案を一枚の提案書にまとめる流れを描いたイラスト。
AI生成画像

研究仮説を生成し、AI同士の討論で順位を付け、上位の案を改良する研究支援AI「Co-Scientist」の処理構成が明らかになった。Google DeepMindは、文献やデータとの照合を反復に組み込み、研究者が検討する提案へまとめるとしている。

研究目標を分解し、文献から仮説を広げる

Google DeepMindが開発する研究支援AIのCo-Scientistは、AIモデルGeminiを基盤とする専門エージェントを組み合わせている。統括エージェントが研究者の目標を実行可能な手順へ分解し、複数の探索を並列に進めるよう調整する。

探索では、生成担当が科学文献とデータを基に仮説を提案する。生まれた仮説を近接性の分析担当が分類し、似た案のまとまりを整理することで、探索対象の多様性を確保する役割を担う。

批評と一対一の討論で候補に順位を付ける

生成された仮説は、批評担当による正確性、品質、新規性の評価を受ける。順位付け担当は仮説を一対一で比較し、模擬的な科学討論を使って有望な候補を優先する。

Google DeepMindによると、計算の大半は仮説の検証に割り当て、主張を科学文献やデータと照合する。Web検索に加え、専門データベースのChEMBLとUniProtからも知識を取り込み、評価に用いる情報を補う。

上位の仮説を組み合わせ、研究提案へ仕上げる

順位付けされた上位の仮説は、改良担当が修正したり組み合わせたりして発展させる。この処理を反復し、生成した案を批評と改良へ繰り返し回す。

総合評価担当は、討論と順位付けで得た知見を統合する。その知見を最終的な研究提案へまとめ、研究者が検討する段階へ渡す。

肝線維症の既存薬探索で実験につながった候補

仮説生成の利用例として、スタンフォード大学医学部のGary Peltzは、肝線維症の治療研究でCo-Scientistを利用した。Google DeepMindによると、この研究支援AIは見落とされていた既存薬の転用候補を挙げ、そのうち一つが実験室で線維化に関連する反応を91%抑制した。91%は実験室で評価した反応の抑制率を指す。