AIは科学の補助者から科学者へと位置を移しつつある

Google I/O 2026が本当に語ったこと

毎年Google I/Oでは発表が多すぎて、本当に大きな発表が埋もれてしまう。2026年も同じだった。Gemini 3.5 FlashとProの性能改善、Gemini Omniという新しいマルチモーダルモデル、Antigravity 2.0というagent IDEのアップグレード、そして100項目に整理された発表リスト。その中で、もっとも静かだったが、もっとも深い発表があった。

Gemini for Science。

この発表が投げかける問いは単純だ。AIは科学者をよりよく助けるツールになるのか。それとも、科学そのものを遂行する主体になるのか。Googleは今回、明らかに後者へ一歩踏み出した。

---

発表は4つのコンポーネントで構成されている

(1) Literature Insights — NotebookLMベース。文献検索と分析をAIが担い、数千本の論文を横断して主要な発見を抽出し、比較する。

(2) Hypothesis Generation — Co-Scientistベース。データを読み、仮説を生成する。同じ日にNatureで公開された検証論文もあわせて発表された。

(3) Computational Discovery — AlphaEvolveとEmpirical Research Assistance（ERA）ベース。コードとモデルを変異させながら計算実験を自動化する。ERAはCOVID-19入院予測のような疫学予測タスクで、既存のアンサンブル基準線を上回る結果を出している。

(4) Science Skills — 今回の発表における本当のインフラ。UniProt、AlphaFold Database、AlphaGenome API、InterProなど、30以上の生命科学データベースとツールを束ね、Antigravityのようなagentic platformから一つのワークフローでアクセスできるようにする。5月19日からGitHubとGoogle Antigravityで公開されており、Antigravityユーザーはすでに試すことができる。

前の3つは実験的ツールとして段階的に展開されている。一方で4つ目のScience Skillsは、すでに利用可能だ。ここがもっとも危険で、もっとも面白い。

---

本当の意味：AlphaFold以後最大の変曲点

2018年のAlphaFold 1、2020年のAlphaFold 2、2024年のAlphaFold 3。この流れは、AIがタンパク質構造のような特定の科学問題を非常にうまく解く専門ツールを作る流れだった。AlphaFoldの成功は圧倒的で、2024年のノーベル化学賞は、このモデルを作ったJohn JumperとDemis Hassabisに贈られた。

しかし2026年のシグナルは違う。John JumperがGoogleのAI codingプロジェクトにも関わっているという報道があり、Googleの公式発表もまた、「狭い専門モデル」ではなく「複数分野の研究者を支援する一般エージェント」を次の発見の基盤として提示している。

AlphaFoldのような単一目的モデルをもう一度作ることよりも、複数のモデル、データベース、ツールを自律的に組み合わせて科学を遂行するagentを作ることが次の戦場になる。Gemini for Scienceは、その判断の実装だ。AlphaFoldはもはや部品であり、その部品をagentがどう組み合わせるかが新しいゲームになる。

これが単なるツールのアップグレードと違う理由はここにある。パラダイムそのものが変わっている。

---

近い将来に可能になること

このパラダイムが定着すると、次のようなことが可能になる。

創薬候補の発見速度が急激に上がる。 一つのタンパク質に対して1000個の分子をドッキングし、上位候補の結合メカニズムを自動で仮説化する作業が、分単位のワークフローになる。Googleが公開したAK2遺伝子の希少疾患事例は、すでにその方向を示している。通常は数時間かかる分析が数分で完了し、新しい潜在的な疾患メカニズムの洞察が得られた。

希少疾患のメカニズム解明が容易になる。 ゲノムデータ、構造データ、文献を統合して分析する作業が、一人の研究者にも可能になる。以前なら大規模コンソーシアムが長く抱える必要のあった作業だ。

科学分野が広がる。 薬学を超えて、他の分野にも急速に広がっている。BASFはAlphaEvolveをサプライチェーン最適化に活用しており、Bayer Crop ScienceはCo-Scientistを農業研究に導入している。日本の製薬会社Daiichi Sankyoや、米国DOE傘下の国立研究所もprivate previewパートナーに入っている。

研究者の役割が分化する。 「問題定義と解釈」は人間が担い、「データ加工、文献探索、候補生成」はagentが担う構造が標準になる。博士課程の労働構造そのものが組み替えられる可能性がある。

---

しかし欠けているもの

ここからが重要だ。Gemini for Scienceは、これまで時間がかかっていた分析を速くするためのツールであって、これまで見えていなかったものを見えるようにするツールではまだない。処理量が増えることと、より深い洞察が得られることのあいだには差がある。

いま産業界のAI科学ツールはどれも似ている。より多くのデータ、より速い処理、より大きなモデル。しかし、なぜある分子がある場所にはまるのかというメタ原理は、まだ誰も十分に扱っていない。結合可能性スコアやipTM値を出すことは、ツールが得意とする領域だ。だが、その場所がなぜ空いていて、なぜその分子がそこにはまるのかという概念的なlensは、まだ提供されていない。

このlensこそが次の変曲点になるだろう。AlphaFoldが「構造を予測する」というlensを提供したように、次のツールは「なぜそこに空いた場所があるのか」というlensを提供しなければならない。Googleがまだ空けたままにしている場所はそこだ。

---

まとめ

今回のGoogle I/O 2026における本当の発表は、モデルのアップグレードではなく、科学の遂行方式の再定義だ。AIはもはや科学者の補助ツールにとどまらず、科学を直接遂行する主体へと位置を変えつつある。AlphaFoldは、その中の一つの部品になる。

この流れには二つの問いが残る。第一に、agentが科学を遂行するなら、科学者の役割はどこへ移るのか。第二に、すべてのツールが処理量競争に入るなら、本当に新しい発見はどこから生まれるのか。

前者には時間が答えるだろう。後者はおそらく、ツールではなくlensから生まれる。

---

Sources: [Google Gemini for Science announcement](https://blog.google/innovation-and-ai/technology/research/gemini-for-science-io-2026/), [Google Research ERA announcement](https://research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/), [Google DeepMind AlphaEvolve update](https://deepmind.google/blog/alphaevolve-impact/), Google I/O 2026 materials, Nature Co-Scientist and ERA papers.