なぜこのページは違う読み方をするのか
このマニュアルの大部分は、不確実性、危険性、そして検証可能な事柄についての正直なギャップを中心に構築されている。このページは違う。ここに集められているのは、日付が付き、検証可能で、一つはすでにノーベル賞を伴うAI主導の科学的成果である——しかし、そのノーベル賞を獲得した手法を生み出した同じ研究プログラムは、正式に訂正されたネイチャー論文と、実験室では機能しながら実際の診療所ではつまずいた診断ツールも生み出した。この両方の事実——真正な達成と真正な誇張、同じ研究所から、時には同じ年に——を同時に受け止めることが、このページの主旨であって、解消すべき矛盾ではない。
以下のすべては、AGIではなく、科学的または医療上の問題に適用された狭い、タスク特化型の機械学習に関するものである。将来のある汎用システムが科学全体を一挙に加速させるだろうというのはシナリオであり、AIの便益と遅延がもたらす機会費用で扱われている。このページは、すでに出荷され、公表され、あるいは査読を経たものにとどまる。
タンパク質構造、解けた:AlphaFoldと2024年のノーベル賞
最も明確な事例はタンパク質構造予測である。2024年10月、スウェーデン王立科学アカデミーは、ノーベル化学賞を、Google DeepMindのデミス・ハサビスとジョン・ジャンパーに「タンパク質構造予測」に対して、そしてワシントン大学のデイビッド・ベイカーに計算による蛋白質設計に対して、共同で授与した(NobelPrize.org、2024年10月9日)——AlphaFold2による最初の2020年の結果から4年後の、この分野最高の栄誉であり、その4年間を実際にそのツールを使うことに費やしたある専門分野によって確認されたものである:報告によれば、190か国の200万人を超える研究者が、既知のタンパク質約2億種のほぼすべてについて構造を予測し、困難な標的においては実験的手法に迫る精度を達成した(Nature News、2024年10月9日)。
構造から創薬へ:アイソモーフィック・ラブズ、なおパイプラインの途上
DeepMindのタンパク質フォールディング研究は、構造予測を創薬に持ち込むために設立されたアイソモーフィック・ラブズを生み出した。2024年1月、同社はイーライリリーとノバルティスと合計で約30億ドル相当のマイルストーン契約を締結し、「創薬が困難」とされる低分子標的を狙った(TechCrunch、2024年1月7日)。2026年初頭までに、二次的な報道は、この協業が複数の前臨床候補を生み出したと伝えていた——それでも臨床試験にはまだ何年もかかり、承認された医薬品となればさらに先である。本稿執筆時点で、このパートナーシップから生まれた薬剤で臨床試験に入ったものはない。
AlphaFoldは長いパイプラインの一段階を加速させたが、それがマイルストーン支払いではなく承認された治療薬という尺度でパイプラインの産出全体を加速させたことは示されていない。AIの便益と遅延がもたらす機会費用は、測定された便益と予測された便益の線引きを行っている——これはまさに予測された便益の範疇に入る。
材料発見——そしてシステムが機能していることを証明する訂正
ここで最も示唆に富む事例は材料科学である。まさにそれが、きれいな成功物語にとどまらなかったからだ。2023年11月、DeepMindはネイチャー誌にGNoMEを発表した:220万件の候補結晶構造を予測し、そのうち約38万1,000件が安定していると予測したシステムであり、これは過去の全記録を合わせたよりも約45倍多い、安定しているが未実現の化合物である(Merchantら、『ネイチャー』、2023年11月29日)。付随する論文は、こうした予測を用いて人間の介入なしに数十種類の新材料を17日間で合成した自律型ロボット実験室「A-Lab」を説明していた。
2024年、3人の外部の化学者——ロバート・パルグレイブ(UCL)、レズリー・ショープ(プリンストン)、そしてスーザン・ラトゥナー(フロリダ州立)——は、A-Labの「新しい」化合物のおよそ3分の2がすでに知られていた構造であり、その分析が訓練を積んだ結晶学者が適用するような慎重なリートベルト解析ではなく初心者レベルのパターンマッチングを用いていたために誤認識されていたことを発見した。その多くは、すでに無機結晶構造データベースに存在していた。2026年1月19日、ネイチャー誌は、新規性の主張が「誤解を招く形」であったことを認める正式な著者訂正を公表した——プラットフォーム自身のカタログにとって新しかっただけで、必ずしも科学にとって新しかったわけではない。
これはAIが失敗した話ではない。GNoMEの構造予測が誤っていたわけではない。誇張は、「新しい」がどう下流で定義されたかにあった——そしてそれは2年後、通常の査読を通じて発見され、正式に訂正された。それはシステムが意図どおりに機能した例である:ネイチャー誌への掲載は強力な証拠だが、訂正から免れるものではなく、ある主張の本当の位置づけは、リリースされたその週にプレスリリースが何と言ったかではなく、精査を生き延びたものによって決まる。
数学:オリンピックのアルファプルーフ、しかし競技外で
2024年7月、DeepMindは、アルファプルーフとアルファジオメトリー2が、その年の国際数学オリンピックの6問中4問を解き、42点満点中28点——銀メダル級のスコア——を記録し、AIシステムがこの水準に達したのは初めてだと発表した(DeepMind、2024年7月25日)。DeepMind自身が、ある問題は数分で解けた一方、他の問題は最大3日間の計算を要したと開示している。これは注目に値する。なぜなら人間の競技者は、同じ6問を2回の4.5時間セッションにわたって解くからである。これは実際のIMO提出として参加あるいは審査されたものではなく、競技結果として独立に査読されたものでもない。これは企業が実施したベンチマークであり、誠実にその旨が記されているのであって、AIが実際に直面する制約のもとでオリンピック数学者と競えるという主張ではない。
気象予測:すでに査読によって決着している事例
気象予測は有用な対比事例である。なぜなら実際の観測データが毎日到着し、後から都合よく操作することができないからである。2023年11月に『サイエンス』誌に発表されたDeepMindのGraphCastは、数千通りの変数とリードタイムの組み合わせの大多数において欧州気象機関の運用モデルHRESを上回り、単一のTPUで1分足らずのうちに10日間のグローバル予報を生成する(DeepMind、2023年11月14日)。予報は毎日実際の気象と照合してスコア化されるため、これは誇張が最も難しい領域の一つであり、それから数年経った今も、この結果は保たれている。
医療、規制の規模で:FDA承認の急増
臨床AIは目新しさから日常的な規制業務へと移行した。2018年4月、IDx-DR(現LumineticsCore)は、糖尿病網膜症を医師の判読なしに検出することを承認された、医療における初の完全自律型FDA認可AI診断システムとなり、900人の被験者を対象とした試験で、専門家の判定に対して感度87.2%、特異度90.7%を示した(『npj Digital Medicine』、2018年)。こうした承認は今や日常のものである:AI対応機器へのFDA認可は、2024年末時点の約758件から2025年12月には1,039件へと増加し、月間ペースは約21件から約30件へと上昇し、GEヘルスケア、シーメンス・ヘルシニアーズ、フィリップス、キヤノンが主導した(The Imaging Wire、2026年3月11日)。承認は現実の、検証可能な事実である——ただし「このツールはあなたの病院でうまく機能する」という主張と同じではなく、次のセクションはそこから始まる。
実験室から診療所へのギャップ:モデルが現実の患者に出会うとき
検証された精度と展開された現実との間のギャップの最も明確に文書化された事例は、試験で90%を超える感度と特異度を達成したグーグルヘルスの糖尿病網膜症システムである。2018年11月から2019年8月にかけてタイの11の診療所に展開されたところ、看護師が提出した約1,940件の画像のうち約21%が「判定不能」として拒否された——そのほとんどは、人間の読影者なら二の足を踏むことなく受け入れたであろう照明条件だった——ワークフローを混乱させ、しばしば数時間かけてスクリーニングを受けに来た患者の待ち時間を延ばした。この知見は、主要なヒューマンコンピュータインタラクションの学会であるCHI2020で査読を経て、当時MITテクノロジーレビューによって報じられた(MIT Technology Review、2020年4月27日)。放射線科AIに関するその後のレビューは、これを繰り返し現れるパターンとして描写している:実世界での性能は、モデルの精度指標だけでなく、現地の機材とワークフローに依存する。
FDA認可を受けた別の脳卒中ツールであるViz.aiは、この分裂を異なる形で示している:約1ダースの研究と15,000人を超える患者をプールした系統的レビューとメタアナリシスは、病院のワークフローを速めたが、そのワークフローが改善するはずの臨床的な転帰においては統計的に有意な改善を示さなかった。速いことが自動的に良いことを意味するわけではない。
このパターンがサイト全体について語ること
上記のすべての事例は、このマニュアルが他の箇所で論じている同じ小さなフロンティア研究所のグループ——とりわけGoogle DeepMind——によって生み出されたものである。その研究文化はフロンティアAI研究所はどう違うのかで扱われており、少数の組織への科学的能力の集中はそれ自体が権力の集中:なぜ少数の研究所が重要なのかの主題となっている。その集中は両刃の剣である:それゆえに、一つのプログラムが2年のうちにノーベル賞、銀メダル級のオリンピック成績、そして訂正されたネイチャー論文を積み重ねることができ、そしてそれゆえに、こうした主張の枠組みづけはまず研究所自身の広報を通じて行われ、それに答える義務のない査読を通るのはその後になるのである。
これらのいずれも、結果を退けるための論拠にはならない。ノーベル賞は誇大宣伝ではない。1分足らずで生成された10日間の予報も誇大宣伝ではない。しかし「AIは科学を加速させている」というのは、この技術についてのほとんどの持続する主張が真実であるのと同じ意味で真実である:不均一に、そして折り畳まれたタンパク質、明日の天気、測定された結晶の安定性といった、きれいで検証可能な事実的根拠を持つ問題において最も明確な成功を収めながら、最後の一マイルが混沌とした診療所や、検証されないプレスリリースを通る場所ではどこでも、持続的なギャップが存在するのである。GNoMEの誤りを2年後に発見した規律こそが、このページが読者にサイトの他のあらゆる場所で適用するよう求めている規律である。