AI科学者

科学者の仕事を、順番に並べてみます。論文を読む。仮説を立てる。実験を計画する。結果を解釈する。論文を書く。

このうち、AIにできないのは、どれでしょう。

2026年の答えは、だんだん「なし」に近づいています。

論文は、毎年数百万本のペースで増えています。全部読める人間は、いません。読んだふりをしている人なら、います。

でもLLMは、読めます。しかも、分野の壁を気にしません。化学者が知らない生物学の論文を、平気でつなげてきます。

たとえば、GoogleのAI co-scientist。中では、役割の違うAIたちが、会議を開いています。

仮説を出す係。あら探しをする係。仮説どうしを戦わせて、順位をつける係。勝ち残った案を、さらに磨く係。

人間の会議との違いは、誰も空気を読まないこと。偉い人の案でも、容赦なく落ちます。

成果も出ています。ある研究チームが、およそ10年がかりで突き止めた、薬が効かない細菌の仕組み。

同じ問いを投げたところ、このAIは、まだ発表前だったその答えと同じ仮説に、2日でたどり着きました。

白血病の薬の候補も提案し、細胞の実験で効果が確かめられています。ただし、まだ細胞の段階。人に効くかは、これからです。

もっと先へ進む例もあります。日本のSakana AIが開発したAI Scientistは、アイデア出しから実験、論文の執筆まで、すべて自動。

2025年、その論文の1本が、国際学会のワークショップで、人間と同じ査読を通過しました。

ただし、本会議のレベルには届かない、と開発元も認めています。引用の間違いも、ありました。

そう。AI科学者は、もっともらしい間違いも、堂々と書きます。

仮説を100個出すのは、簡単です。難しいのは、正しい1個を、現実の実験で確かめること。

そして責任を取るのは、いまのところ人間だけ。AIは、学会で怒られてくれません。

それでも、問いを立てるループが速く回りはじめたのは、事実です。人間に残るのは、どの問いに価値があるかを、決めること。

科学者という仕事の定義が、いま、書き換えられています。