はじめに
Google DeepMindが2026年5月19日、科学的仮説の生成・議論・進化を専門エージェントの連携で行うマルチエージェントAIシステム「Co-Scientist」の研究成果を科学誌Natureに発表しました。本稿では、そのシステムの仕組みと実際の研究への活用事例、研究者向けツールの提供方針について解説します。
参考記事
- タイトル: Co-Scientist: A multi-agent AI partner to accelerate research
- 著者: Co-Scientist team
- 発行元: Google DeepMind
- 発行日: 2026年5月19日
- URL: https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/
関連記事
要点
- Co-Scientistは、仮説の生成・批評・進化を担う複数の専門エージェントが連携するマルチエージェントシステムであり、GeminiモデルをベースにGoogleが開発した
- 「アイデアのトーナメント」と呼ばれる仕組みで数千の研究方向を探索し、EloレーティングとAIエージェント間の科学的ディベートによって最も有望な仮説を優先順位づけする
- 肝線維症・ALS・細胞老化など複数の生命科学分野で実際の研究機関と協働し、実験室での検証に成功した事例が報告されている
- 研究者個人向けには「Hypothesis Generation（Gemini for Science）」として提供予定であり、企業向けにはGoogle Cloud経由のエンタープライズ版が試験的に運用されている
- CBRN（化学・生物・放射線・核）領域での安全性評価を独立機関が実施し、悪用対策として専用の安全分類器が導入されている
詳細解説
科学的仮説生成に特化したマルチエージェント構成
科学的発見は、仮説の生成・批判・改良を繰り返す非線形なプロセスです。Co-Scientistはこのサイクルをマルチエージェント構成で模倣し、Geminiモデルをベースとした複数の専門エージェントが協調して動作します。
エージェントは大きく3フェーズに分かれています。まず「生成フェーズ」では、Generation agentが文献と研究データをもとに初期仮説を提案し、Proximity agentが仮説群をクラスタリングして探索範囲を多様に保ちます。次に「議論フェーズ」では、Reflection agentが仮想の査読者として各仮説の正確性・質・新規性を批判的に評価し、Ranking agentがペアワイズ比較と科学的ディベートによる「アイデアのトーナメント」を主催します。最後に「進化フェーズ」では、Evolution agentが上位仮説を組み合わせ・発展させ、Meta-review agentがディベート全体の知見を統合して最終的な研究提案を生成します。これら全体をSupervisor agentが調整し、複数のエージェントが並列に動作できるようにしています。
なお、2026年5月にGoogle ResearchのAI「ERA」が科学発見を加速していると報告されるなど、GoogleはAIを用いた研究加速に継続的に取り組んでいます。Co-Scientistはその中でも仮説生成フェーズに特化したシステムと位置づけられます。
アイデアのトーナメント：AlphaGoの競技原理を科学へ
Co-Scientistが数千の研究方向を効率よく絞り込む仕組みが「アイデアのトーナメント」です。Google DeepMindによれば、この手法はAlphaGoやAlphaStarで用いたゲームの競技原理を応用したものですが、ゲームの代わりにAIエージェントが科学的ディベートを行います。
トーナメントではEloレーティング（チェスや囲碁でも使われる相対的な強さの評価方式）をもとに仮説を逐次的にランキングしながら、新しい知識を継続的に注入して仮説空間の探索を広げます。また、計算リソースの大半は仮説の 検証 に費やされており、科学文献・ChEMBL（化合物データベース）・UniProt（タンパク質データベース）との照合や、AlphaFoldとの連携テストも進められています。このように検証を重視した設計が、信頼性の高い仮説を生み出す上で重要な役割を果たしていると考えられます。
実際の研究機関との協働事例
Google DeepMindは過去1年間、世界100以上の研究機関と共同評価を実施してきました。主な事例は以下のとおりです。
肝線維症（スタンフォード大学・Gary Peltz教授）
Co-Scientistが見落とされていた薬物再利用候補を提示し、そのうちの1つが実験室テストで瘢痕化関連反応を 91% 阻害することが確認されました。結果は学術誌Advanced Scienceに掲載されています。
ALS（筋萎縮性側索硬化症）（MIT・Ritu Raman准教授、Ryan Flynn研究室）
Co-Scientistが複数の研究室の専門知識を橋渡しし、RNA（リボ核酸）ベースのアプローチに関する共同研究につながりました。
細胞老化の逆転（Omar Abudayyeh・Jonathan Gootenbergら）
数十年分の文献を統合して新たな遺伝的知見を提案し、実験室での細胞若返りが確認されています。大規模スクリーニングデータの解析時間を数ヶ月から数日に短縮した点も評価されています。
代謝性肝疾患（エジンバラ大学・Filippo Menolascina教授）
疾患メカニズムや薬物の組み合わせを提示するだけでなく、既存薬が一部の患者にしか効かない理由の説明が研究室でのテストで裏付けられました。
新興感染症の分子スイッチ（ケンブリッジ大学・Clare Bryant教授）
インフルエンザやCOVID-19などが動物から人間に感染拡大する際に関与するタンパク質の特定を支援し、数年かかる実験作業を数ヶ月に短縮できる可能性があるとされています。
老化研究（Calico Life Sciences）
細胞老化の生物学という難題に取り組み、「統合ストレス応答」に関する新仮説を生成。後に実験室で確認されました。
エンタープライズ向けには、第一三共・Bayer Crop Science・米国国立研究所（Genesis Mission）との試験運用も進んでいます。
提供形態と安全設計
研究者個人向けには「Hypothesis Generation（Gemini for Science）」として、labs.google/scienceから事前登録の受付が始まっています。エンタープライズ向けはGoogle Cloud経由で近く提供が拡大される予定です。
安全性の面では、CBRN（化学・生物・放射線・核）領域での悪用リスクを独立機関が評価し、非倫理的な研究目標を検知する専用の安全分類器が導入されています。Google DeepMindは、Co-Scientistは科学的・臨床的専門知識の代替ではなく研究パートナーであると位置づけており、出力を使った判断はユーザーの責任であることを明示しています。
まとめ
Co-Scientistは、仮説の生成から検証・進化までをエージェント連携で自動化し、複数の生命科学領域でラボ実験による実証成果をあげたシステムです。「50人のチームが1日で仕事をしてくれるようだ」という研究者の声は、AI支援型研究の可能性を端的に示していると思います。一方で、AIが提案した仮説を最終的に評価・実行するのは人間の研究者であり、どこまで任せるかの見極めは今後も重要だと思います。創薬専用AIという近接領域では、OpenAIが「GPT-Rosalind」を発表しており、各社の動向を合わせて追っていく価値がありそうです。
