DeepMind卒業生のInherent、小型モデルでAI科学者を目指す

研究を再現するAIエージェント

ロンドンのAIスタートアップInherentが、科学研究を支援するエージェントFaradayを公開した。同社はGoogle DeepMindの卒業生によって設立され、Faradayが公開論文の結果を、答えを事前に知らされない状態で再現する課題において、AnthropicのClaude Opus 4.8やOpenAIのGPT-5.5を上回ったと説明している。

ただし、この情報は現時点では企業側の発表に基づく。提供された記事には、テストセットの詳細、対象論文数、採点方法、第三者による検証結果が示されていない。そのため、今回の結果を大規模な最先端モデル全般に対する決定的な優位性とみなすのは早い。まずは特定の研究再現タスクで示されたマイルストーンとして見るべきだろう。

Faradayが試すこと

• 論文の結論を直接教えられずに、結果を再現する。
• 必要な実験を選び、実験方法を設計する。
• コードや外部ツールを使って検証を進める。
• 単なる正答率ではなく、価値のある実験を選ぶ「研究のセンス」を示す。
• 研究手順の模倣だけでなく、強化学習によって成果から学ぶ。

論文の要約や説明文を生成することと、研究を再現することは同じではない。後者には、先行研究の理解、実験設計、コードの実行と修正、想定外の結果の分析が必要になる。人間の研究者にとっても、既存の成果を再現することは訓練の出発点になりやすい。AIにとっては、ツールを使いながら複数の判断を連続して行う実務的な課題だ。

「研究のセンス」をどう学ぶか

Inherentの最終目標は、既知の結果を確認するだけでなく、新しい科学的知識の発見に貢献するAI科学者だ。Faradayはその途中段階として、興味深い問題を見つけ、追加実験を行い、根拠を持って人間の研究者に戻ってくるエージェントを目指している。ユーザーが望む答えを返すのではなく、独立した研究仲間になるという発想である。

同社が重視するのが強化学習だ。良い結果につながった行動に報酬を与えることで、どの実験が有益かを学ばせようとしている。これは、科学的な判断を細かなルールとして書き下すより、柔軟に一般化できる可能性がある。一方で、科学研究の評価は難しい。再現に失敗しても、元論文の問題、環境差、依存関係、実装ミスなど原因は複数あり、成果の判定には人間による確認が欠かせない。

Inherentは、すべての基盤ツールを自社開発する道も選んでいない。FaradayのコーディングにはOpenAIのGPT-5.5 Codexを利用するという。研究者が既存のソフトウェアを使うのと同じく、重要なのはコードを一から作ることではなく、問いを設定し、実験を回し、結果を解釈するループを閉じることだという判断だろう。

影響と今後の焦点

この事例は、比較的小さなモデルでも、エージェント設計、ツール連携、学習目標を適切に組み合わせれば、限定された専門タスクで大規模モデルに対抗できる可能性を示す。ただし、論文の再現と未知の発見の間には大きな距離がある。今後は、異なる分野や未知のコード、曖昧な指示にも対応できるか、外部研究者が結果を再現できるかが重要になる。

同社は約12人のチームを年末までに20〜25人程度へ拡大する計画だ。ロンドンの人材集積とDeepMind出身者のネットワークを生かし、小規模な欧州研究所が科学AIで持続的な強みを築けるかが注目される。

出典：TechCrunch AI