言葉で頼むと研究をこなすAI「Biomni」、Scienceに掲載

「これ、なんで患者ごとに薬の効きがこんなに違うんだろう？」——そんなふうに、ふだんの言葉で問いを投げるだけでいい。あとはAIが自分で関連する論文を読み、仮説を立て、必要なデータと道具を選び、解析用のコードを書き、結果を解釈して、次にやるべき実験まで提案してくれる。生物医学の研究をまるごと下支えする、そんな“副研究者”を目指したAIが、スタンフォード大学を中心とするチームから公開されました。名前は「Biomni（バイオムニ）」。仕組みをまとめた論文が学術誌『Science』に掲載され、あわせて誰でも使えるかたちで一般公開されています。

生物医学研究のボトルネック

研究というと、頭のよさや斬新なアイデアが要になりそうな気がします。でも開発チームによれば、いま生物医学の現場で足を引っ張っているのは、そこではありません。ボトルネックは、もっと地味な“手作業”のほうにあるといいます。

ひとつの発見にたどり着くまでには、たいてい仮説づくりから始まる長い準備期間があります。山ほどの論文を読み、あちこちに散らばったデータを集めて形をそろえ、解析のためのコードを書き、まだ誰も気づいていないパターンを探す——この下ごしらえだけで何週間、ときには何か月もかかることがあります。しかも、扱える知識・データ・ツールが増えるほど作業は煩雑になり、かえって発見のペースが落ちていく、という皮肉な状況が起きています。責任著者のジュレ・レスコベック教授は、壁になっているのは知能やアイデアではなく、この骨の折れる“機構的な作業”のほうだと述べています。Biomniは、まさにこの部分を肩代わりするために作られました。

Biomniがこなす作業の範囲

Biomniは、いわゆるチャットボットとは狙いが違います。開発チームはこれを「副研究者（co-scientist）」と呼んでいて、文献を読む・仮説を立てる・使うデータや道具を選ぶ・コードを書く・結果を読み解く・次の実験を提案する、という研究のひと続きの流れを自分で組み立てて実行できるように設計されています。レスコベック教授は、道具を持たない大工はしゃべれるだけの大工にすぎない、Biomniには道具をひとそろい持たせたから“作れる”のだ、とたとえています。ここでいう「道具」が、ふつうのAIチャットとの一番の違いです。

使い方の入り口は、専門的な命令文ではなく、ふだんの言葉でかまいません。「なぜこの患者たちは薬への反応が違うのか？」といったざっくりした問いを投げると、そこから中身に分け入って、研究の下ごしらえを進めていきます。

実例——450ファイルの自動解析

どのくらいの作業をこなすのか、公開された実例がわかりやすいです。ある利用者は、血糖の連続モニタリング・食事の記録・身体活動のデータを450以上のファイルにまとめてBiomniに渡し、「このデータを解析して、面白そうで筋の通った仮説を見つけて」とだけ頼みました。Biomniはおよそ40分で、バラバラだったデータを整えてひとつにまとめ、グラフを作り、食事の内容と体温の関係にあたるパターンを見つけ出したといいます。レスコベック教授は、同じ作業を人がやれば60時間以上かかっただろうと見積もっています。

もうひとつ、チャットボットにはない特長として挙げられているのが、作業の“足跡”を残すことです。Biomniは使った出典を全部つけ、どんな手順でその結論に至ったかを追えるかたちで示します。あとから検証や再現がしやすくなるぶん、科学としての厳密さが保たれる、というのが開発チームの主張です。

仕組み——道具をそろえたAIエージェント

「道具を持たせた」というのは、比喩だけの話ではありません。Biomniは、公開されている膨大な論文・コード・データを読み込んで、生物医学の研究でよく使われるソフトやツール、データベースを洗い出しました。対象は25の専門分野（遺伝学から神経学まで）にわたる何万本もの論文で、そこから150の専門ツール、105のソフトウェアパッケージ、59のデータベースを土台として組み込んでいます。

そのうえで、大規模言語モデル（LLM＝大量の文章を学習した言語AI）による推論に、必要な情報を都度引っ張ってくる仕組みと、コードを書いて実際に動かす仕組みを組み合わせています。あらかじめ決めた手順のテンプレートに沿わせるのではなく、問いに応じて手順をその場で組み立てて実行できるのが特徴です。ちなみにBiomniは、この土台となる環境（Biomni-E1）と、それを使いこなす頭脳側のエージェント（Biomni-A1）の二段構えでできています。

1万を超える研究室での利用

Biomniはすでに試作段階から、大学や企業の1万を超える研究室で使われており、スタンフォードは「生物医学で最も広く使われているAI副研究者システム」だとしています。ウェブ上のインターフェースから無料で使え、コードを書く必要もありません。公開サイトから実際に触れます。

それでいて、開発チームは「AIが人の研究者に取って代わる」話ではないと繰り返し強調しています。大量の情報を素早くまとめたりパターンを見つけたりするのはBiomniが得意でも、どの方向に研究を進めるかを決める判断には、人の経験と考える力がいる——その線引きはこれからも変わらない、というのが彼らの立場です。あくまで、疲れ知らずで速い共同作業者として研究者を後押しする道具、という位置づけです。

解釈上の留意点

報道では「世界初の汎用生物医学AIエージェント」と紹介されることがあります。ただ、これは主に研究チーム側と記事の見出しでの言い回しで、スタンフォード自身が数字で言い切っているのは「最も広く使われている」というところまでです。研究支援を狙ったAIエージェントは他にもいくつか登場していて、「世界初」を独立に裏づけるのは難しいので、ここは強調しすぎずに受け止めておくのが無難です。実際に確かめやすいのは、1万を超える研究室が使っているという普及の規模のほうです。

もう一点。Biomniが下ごしらえを速くこなすとしても、出てきた結果をそのまま鵜呑みにできるわけではありません。土台にあるのは言語モデルなので、もっともらしく見えて誤った出力が混じる可能性は残ります。開発チームが出典や手順を残す設計にしているのも、裏を返せば「人が確かめる前提」だからです。研究の下作業を任せられる相棒が現れた、という受け止めがちょうどよく、判断そのものはまだ人の側に残っている、というのが今回の話の落としどころだと思います。