そもそもAIエージェントとは何か

Google DeepMindのゲノムモデル「AlphaGenome」では、Paper2Agentが個人のノートPC上で約45分かけて22個のツールを構築し、費用は14ドルでした。研究論文を、手法を実行できるAIエージェントに変える仕組みの実例です。

読むだけの文書から、手を動かすエージェントへ

論文の手法を使う研究者は、著者のソフトウェアをインストールし、データ形式を理解するだけで何日もかかることがあります。Earth.comは10月4日、スタンフォード大学のポスドク研究員Jiacheng Miao氏、准教授James Zou氏らが開発したPaper2Agentを報じました。利用者が平易な言葉で質問すると、エージェントが論文のコードを実行して答えます。研究は『Nature』に掲載されました。

Paper2Agentの3つのエージェントによる流れ:環境構築、ツール化、論文の結果との照合テストを経て、最後にMCPとしてパッケージ化する
Paper2Agentの3段階

テストに合格したツールは、論文の本文、データ、よく使う分析手順とともにModel Context Protocol(MCP)でまとめられます。MCPはAIが外部のツールやデータにアクセスするための共通規格です。Zou氏は、論文をエージェントが扱いやすい形にし、「ほとんどファイリングシステムのようだ」と説明しています。

数字で見る

AlphaGenomeのテストでは、システムは約45分で22個のツールを構築し、人の介入はありませんでした。個人のノートPCで動き、費用はわずか14ドルでした。

複数のツールを連携させる30問のオープンエンドな研究課題で、エージェントは82.7%を獲得しました。コードを直接読ませたClaudeは56.7%、別のAI研究アシスタントBiomniは72.2%でした。

規模を広げたテストでは、計算生物学の論文100本のうち74本をエージェント化できました。提案された599個のツールのうち593個がテストに合格しました。300問でのスコアは91.2%で、コードを直接読ませた場合の80.3%を上回りました。

Paper2Agentのテスト結果:成功率82.7%、論文100本中74本を変換、ツール599個中593個が合格、約45分で22個のツールを構築、費用14ドル
主な数字

3つのエージェントが連携して乾癬の遺伝子を探す

別のテストでは、3つの論文エージェントが役割を分担しました。AlphaGenomeエージェントは、CD4+ T細胞(免疫反応を調節する白血球)で、乾癬に関連する遺伝子座がGPR137に最も大きく影響すると予測しました。ほかの2本の論文のエージェントで照合すると、5つの候補遺伝子のうち一致したのはGPR137だけで、刺激を受けた細胞に限られました。分析には既存データを使い、新たな実験は行っていません。

限界もはっきりしている

著者らは、エージェントが独立した科学者に取って代わることはできないと強調します。研究の方向を決め、証拠を評価するのは研究者です。エージェントを公開する人は、土台となるソフトウェアも保守し続ける必要があります。セキュリティ、所有権、学術的功績の帰属にはまだ答えがありません。著者らは、学術誌が将来、論文に「エージェントの利用可能性」を記載するよう求める可能性も提案しています。

臺灣にとっての意味

Paper2Agentで変換できなかった論文は26本あり、コードやデータの不足、実行環境を構築できないことが原因でした。研究機関にとって参考になる失敗例です。臺灣の研究法人や大学は毎年多くの報告書や実験データを生み出しますが、コードやデータは個人のパソコンに残り、プロジェクト終了後に保守されないことがあります。AlphaGenomeの22個のツールのように研究成果をエージェントが使えるようにするには、コード、データ、実行環境を一緒に保存する知識管理が必要です。

左はPDFや段ボール箱が山積みになった古い資料室、右はコード、データ、実行環境が整然と収まり、AIエージェントがそのまま動ける研究室
研究成果の納品
  • コード、データ、実行環境を報告書と一緒に研究成果として納める。
  • まず内部データのアクセス権限、保守の責任、功績の帰属に関するルールを定めます。
出典(3)

出典