Google Research、Gemini 2.0ベースのCo-scientistを発表

 (research.google)
5 ポイント 投稿者 dohyun682 2025-02-20 | 2件のコメント | WhatsAppで共有

Co-scientistは、Gemini 2.0で構成されたマルチエージェントAIシステムで、科学者が新しい仮説を立てるのを支援し、研究のスピードを高めるのに役立つ。

  • 従来の科学的方法に着想を得て、それぞれ生成（Generation）、省察（Reflection）、順位付け（Ranking）、進化（Evolution）、近接性（Proximity）、メタレビュー（Meta-review）に特化したエージェントを使用。これらのエージェントは再帰的にフィードバックを行い、自らアイデアを改善する。
  • 科学者はAIにアイデアを与えることも、AIのアイデアにフィードバックすることもできる。
  • モデルの回答評価にEloレーティングを導入し、これを基準に時間の経過とともにモデルの結果を改善。
    • Gemini 2.0 Proと人間の専門家はEloレーティング1300以下。
    • Co-scientistは時間の経過とともに1300から1500以上まで上昇。
    • 人間の専門家がモデルの結果を評価した場合でも、Co-scientistはGemini 2.0 Pro、OpenAI o1より高い評価を受けた。
  • 実用性評価のため、薬剤リポジショニング（Drug repurposing）、新たな治療標的の提案（Novel treatment target discovery）、抗菌薬耐性メカニズムの解明（Elucidating the mechanisms underlying antimicrobial resistance）の実験を実施。専門家が介入しながら進められた。
  • 急性骨髄性白血病に対する薬剤リポジショニング
    • 薬剤リポジショニングは、新薬を開発する代わりに、既存薬の新たな用途を見つけること。幅広い学際的専門性が求められる。
    • Co-scientistは急性骨髄性白血病に対する新たなリポジショニング候補薬を提案。コンピュータ解析と臨床フィードバック、試験管内（in vitro）試験の結果、薬剤は腫瘍の生存能を阻害した。
  • 肝線維症の治療標的発見の進展
    • 治療標的の発見では、仮説選択と実験の優先順位付けで多くの非効率が発生する。
    • 肝線維症の標的発見に向けた仮説提案、優先順位付け、実験プロトコル生成を実施。
    • Co-scientistが特定した標的は、実験の結果、強力な抗線維化活性を示した。
  • 抗菌薬耐性メカニズムの説明
    • 抗菌薬耐性メカニズムの説明では、微生物が治療薬を回避する遺伝子を進化させ、伝播させる過程を研究する。
    • 研究チームはCo-scientistに対し、すでに発見されていたが未公表のテーマを独立して探索するよう指示。
    • AIが提示した仮説は、すでに実験で検証され、まもなく発表予定の状態だった。

Co-scientistは、科学者の補助ツールとして科学的発見を加速させることが期待されている。

関連記事

2件のコメント

 
GN⁺ 2025-02-21

Hacker Newsのコメント

  • ここにいる人たちが記事全体を読んだのかよく分からないので、記事から抜粋する

    • AI Co-scientistは薬剤リポジショニングの機会を予測し、パートナーとともに計算生物学、専門の臨床医からのフィードバック、実験を通じてその予測を検証した
    • AI Co-scientistは急性骨髄性白血病（AML）に対する新たなリポジショニング候補を提案し、実験により、提案された薬剤が複数のAML細胞株で臨床的に関連のある濃度において腫瘍の生存能を抑制することが確認された
    • 専門研究者たちは、グループ内ですでに新しい発見があったものの未公開だったテーマをAI Co-scientistに探究させ、AI Co-scientistはさまざまなファージテールと相互作用して宿主域を拡大するという仮説を独立に提案した
    • この発見はAI Co-scientistシステムの使用前に行われた実験室での実験で検証されており、Fleming InitiativeおよびImperial College Londonとの協力で同時発表された論文に記載されている
    • AIモデルが実験室で検証された新しい科学的仮説を提示できたという点は、非常に重要な意味を持つ

  • 「AMLに対する薬剤リポジショニング」という表現は笑ってしまう

    • 分子サブタイピングとex-vivo薬剤予測を通じてAMLの博士号研究を進めている者として、かなりランダムだと感じる
    • ランダムな薬剤リポジショニングの代わりに、私たちのパイプラインを提案したい
    • ちなみに、私たちのパイプラインに資金を付けて商用化する方法を探しているので、興味があればサイト経由で連絡してほしい

  • 正直、なぜこれを使うべきなのか分からない

    • アイデアを結びつけたり、新しい仮説を提示したりするAIは必要ない
    • プロジェクトごとに固有の形で整理されたデータを巨大なデータベース向けに正規化するためのデータパイプラインのコードを書いてテストすることが必要だ
    • 音響データから振幅空間と周波数空間の両方でイベントを検出するためのデータパイプラインを書いてテストすることが必要だ
    • データ分析バックエンドのフロントエンドをテストしてデータを扱うことが必要だ
    • おそらく創薬では、利用可能な値を一つずつ反復しながら多くの変数をテストする必要があるのだろう
    • しかし、私の研究には当てはまらない
    • すべてが誰にでも合うわけではないし、それでいい

  • 市場は、風向きに関係なく最後に風見鶏が指した方向へ突進しているように見える

    • AIシステムと一緒に働くと研究者の生産性は上がるが、仕事の満足度は下がるという研究を思い出した
    • AI支援によって科学者は44%多くの資料を発見し、特許出願は39%増えたが、82%の科学者が仕事への満足度が低下したと報告している

  • 全体として、Minskyの「心の社会」の概念に向かっているように見える

    • OpenAIはすべてのモデルを一つの万能モデルに統合しようとしているが、内部的にはルーティングの話なのかもしれない
    • エージェントが特定のツール呼び出しや思考様式などに特化することは、概念的なフレームワーク／足場として有用な方向性を与えるだろう

  • 最近、AIをワークフローに使っている

    • これまでの発見を要約し、AIに説明の提案と追加テストの推奨を求めている
    • AIのアイデアの70%は役に立たないが、ときどき追加のプロンプトが必要になる
    • AIが提案したアイデアの中には、自分では思いつかなかったものもある
    • AIは知識のある人間を置き換えることはできないが、人を支援するツールとしては高額な博士レベルのコンサルタントを上回る

  • 新聞記事で科学者の引用を読んだが、彼のチームは問題解決のために10年間取り組んできたのに、AIが簡単に処理できるような形では何も公開していなかったという点に驚いた

    • 他の研究者が同じアイデアを提案していなかったことを証明するのは難しい
    • もし彼の競争相手が1か月前に同じ検索をしていたら、優先権を主張できたのだろうかと気になる

  • 最近のAIには否定的だが、最初にElizaを使ったときのことは覚えている

    • AIが私に問題の一覧を提示し、解決方法を尋ねるのであれば受け入れられそうだ
    • AI技術が属性ベーステストに応用されるのを見てみたい

  • 興味深いコメント集だ

    • 個人的には素晴らしいと思う
    • 共同科学者であって「科学者」ではない
    • 作業を見直し、興味深い出力を提供できる「何か」を評価することには大きな価値がある
    • 高コストのために検討されないアイデアはたくさんある
    • 「合理的な期待」があるなら、失敗のリスクは下がる
    • もはや「科学者」ではないが、これでいろいろ試してみて、どんな奇妙な組み合わせが潜在的に生まれるのか見てみたい

  • 生物医学の科学者として、AI開発者がAIは人間より賢く、より良い仮説を生成すると主張する傾向を何度か見てきた

    • たとえばGoogleのエッセイでは、CRISPRは微生物学、遺伝学、分子生物学を組み合わせた学際的な取り組みだと主張している
    • AI Co-scientistは複数分野を統合して新しい仮説を生成できると主張している
    • 計算機科学者は生物医学研究に不慣れで、微生物学／遺伝学／分子生物学が密接につながっていることを理解していないのだと思う
    • 生物学者には良いアイデアがたくさんある
    • 問題は、それらのアイデアを十分にテストするには時間がかかることだ
    • AIや他のLLMは強力なGoogleであり、コード作成者でもある
    • 30%は間違っているので、使う際には非常に注意しなければならない
    • 誤った仮説の探索に時間を浪費しないのは良いことだ
    • しかし、良い仮説と悪い仮説はすでに容易に見分けられる
    • 政治的な問題はAIには解決できないだろう
 
hhkkkk 2025-02-21

大好きです、ハサビス〜