生データを眺めるAI研究者、オムニサイエンティストの話

百聞は一見に如かず、と昔から言います。

研究の世界でも、論文や数値の要約ではなく、生の観測データそのものに触れられるかどうかで、発見の深さが変わることがあります。

今回は、最新のAI研究「OmniScientist」を題材に、その考え方を紐解いてみます。

オムニサイエンティストとは何か

近年、AIは仮説を立て、実験を回し、論文をまとめるという研究の流れをかなり自動化できるようになっています。

ただ、これまでのシステムの多くは、文章やコード、ラベル、あるいは前もって計算された要約だけを手がかりに動いていました。

このやり方では、空間的な位置関係、時間的な変化、複数のチャンネルにまたがる関係、手順のつながりといった、科学的な発見に欠かせない証拠の情報がAIには見えていません。

OmniScientistは、そうした生の観測データを直接扱うことを目指したAI研究者です。

画像、信号、音声、動画、3次元構造、軌跡、表、数式、グラフなど、異なる種類のデータをそのまま受け取り、分野をまたいだ研究を一つの流れで進めます。

「オムニモーダル」という言葉が示す通り、複数の感覚をまとめて扱えることが特徴で、従来の「要約を見るAI」から「生の証拠を見るAI」への変化を体現しています。

研究の現場では、生データにしか現れない情報があります。

画像の中の微妙な模様、信号の時間的な揺らぎ、音声の周波数の重なりなどは、数値の要約だけでは伝わりません。

OmniScientistは、そうした情報を研究の初期段階から最後まで保持し続ける点で、これまでのAI研究者とは一線を画しています。

このシステムは、大きく分けて「知覚層」と三つの自律エージェントで構成されています。

知覚層が生データを読み取り、その観察結果を、発想を担当するエージェント、実験を担当するエージェント、論文執筆を担当するエージェントが順に受け渡していきます。

決められた手順のパイプラインの中で、観察が研究の問いを形づくり、実験の判断を導き、最終的な主張に反映される仕組みです。

発想エージェントは、知覚層から得た観察をもとに研究の問いを立てます。

実験エージェントは、その問いに合わせて必要な解析や検証を行い、結果を観察しながら次の手を選びます。

執筆エージェントは、それまでの観察と実験の記録をたどり、論文の形にまとめます。

各段階が独立しているのではなく、観察という共通の土台の上でつながっているところが要点です。

さらに、研究の質を保つために、三つのチェックをコード上で行います。

新規性の確認、統計的な妥当性の検証、実行の由来や数値の追跡可能性の確保です。

これによって、単に文章を組み立てるだけでなく、主張の裏付けが証拠とつながっているかを確かめながら研究が進みます。

いわば、研究者の頭の中にある「本当にそう言えるのか」という吟味を、機械の手順として組み込んだ形です。

評価では、五つの学問分野にまたがる36件の実データを使い、生データから論文の原稿までを一貫して作成できるかが試されました。

結果は、36件すべてで最後までたどり着き、参照用の推論バックボーンを使った場合の論文評価は平均6.3点（10点満点と想定されます）でした。

より興味深いのは、あらかじめ計算された数値特徴だけを見せる「目隠し版」との比較です。

生データを直接見るOmniScientistは、論文の質を測る七つの評価次元すべてで目隠し版を上回り、一対一の比較判定では85%で勝ちました。

この数字は、AIにとっても「百聞は一見に如かず」が成り立つことを示しています。

AIが生の観測データを直接見ることで、研究の問いの立て方や実験の進め方、最終的な主張にまで影響が及ぶ。

今回の成果は、その可能性を具体的な形で示したものと言えるでしょう。

科学の道具としてのAIが、これからどこまで証拠に根ざした発見を広げていけるのか、私も興味を持って見守っています。