FirstResearch：LLM科学発見エージェントのための監査可能な質問生成

最近、AI（人工知能）が科学の探求を助ける、まるで「AI科学者」のような役割を担うことが注目されています。これらのAIシステムは、新しいアイデアを生み出したり、たくさんの論文をまとめてくれたり、実験の計画を立てたり、さらには研究レポートの作成まで手伝ってくれるのです。まるで優秀な研究アシスタントがそばにいるかのようですよね。

しかし、ここで一つ、ちょっとした「落とし穴」が指摘されています。それは、AIが最初に提案する「リサーチクエスチョン」、つまり「どんなことを調べようか？」という問いかけの部分です。これらの問いは、一見するともっともらしく聞こえるのですが、実はその裏にある「なぜそう考えるのか？」という理由や、「もし間違っていたらどうなるのか？」という検証方法、「そもそも、この考え方は正しいのか？」といった根本的な部分が、はっきりしないことがあるのです。科学者が見て「なるほど、このメカニズムでこうなるんだな」とか、「この仮説はこうやって確かめられるんだな」という、いわば「証拠」や「道筋」が、AIの提案だけでは見えにくい、というわけです。

そこで、今回ご紹介する「FirstResearch」という新しい仕組みが登場しました。これは、AIが科学的な発見を目指す際に、最初のリサーチクエスチョンを「監査可能」、つまり、後からきちんと調べられる形で生成するためのフレームワークです。その中心となるのが、「リサーチクエスチョン証明書」というものです。これは、まるで契約書のように、そのリサーチクエスチョンが成り立つための「基本的な定義」、つまり「この言葉はこういう意味ですよ」という約束事や、「こういう条件だと考えられます」という「仮定」、そして「このメカニズムで物事が動いています」という「メカニズムモデル」などを記録します。さらに、「ここがちょっとおかしいな」「矛盾しているかも？」という「緊張や矛盾」、そして「もしこうだったら、この仮説は間違っていると証明できます」という「反証可能な仮説」、さらには「これを試せば、最小限のステップで決着がつきます」という「最小限の決定的なテスト」、そして「もしテストでうまくいかなかったら、こう考え方を改めます」という「失敗時の更新ルール」まで、細かく記されているのです。

これにより、AIが提案したリサーチクエスチョンが、実際に研究を進める前に、科学者によってしっかりチェックできるようになります。今回の研究では、10種類のリサーチテーマでこのFirstResearchを試したところ、AI co-scientist、Agent Laboratory、AI Scientist-v2といった既存のAIエージェントのベースラインを、厳格な評価プロトコル（DeepSeek-blind-judge）のもとで上回る結果が出たとのこと。AIが科学の扉を叩くとき、その「問い」がいかに重要で、かつ、その「問い」の根拠を明確にすることが、科学の信頼性を高める鍵となることを示唆しています。