Google I/Oで話題になったCo-Scientistは、2026年5月の新システムではありません。
本体は2025年2月19日に公開済みで、今回起きたのは「一般の研究者が登録して使える形に開いた」ことです。
6つのAIが分業して仮説を出し合い、互いに批判して順位をつける設計が核で、ここは別のAIを使う人にも応用が効きます。
この記事はGeminiで研究作業を効率化したい研究職の人と、AIの設計トレンドを追いたい人向け（AIの予備知識ゼロでも追える書き方にしています）。
I/O 2026の会場でCo-Scientistの名前を見て「新しいやつが出た」と受け取った人が多いはずです。
私が最初に引っかかったのもそこでした。
実際は15ヶ月前から動いていたシステムが、表に出てきただけ。
この記事では「何が本当に新しくて、何が前から在ったのか」を一次ソースで切り分けます。
触れる人は今のところ限られています。
それでも設計の中身は、ChatGPTやClaudeを普段使う人にも持ち帰りがあります。
そこまで含めて整理しました。
そもそもCo-Scientistって何をするツール？
ひとことで言うと、研究者が立てた問いに対して、AIが新しい仮説を提案してくれる仕組みです。
Google Researchの公式blogは、これを「科学者を置き換えるのではなく、協働するパートナー」と説明しています。
AI co-scientistは、科学者が新しい知識を生み出すのを加速させ、これまで人間だけでは到達しづらかった仮説や研究計画の生成を支援するために設計されている。
（出典: Google Research blog「Accelerating scientific breakthroughs with an AI co-scientist」 https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/ ）
動かしているエンジンはGemini 2.0です。
研究の目標を入れると、AIが文献を読み込んで仮説を出し、その仮説を別のAIが批判し、順位をつけ、上位だけを磨き直す。
この一連の流れを自動で回します。
出てくる仮説には、根拠になった論文へのリンクが付きます。
ここは地味だけど大きい。
研究者が裏取りできない提案は使い物にならないからです。
対応分野はライフサイエンス、自然科学、エンジニアリングが中心。
人文社会系は今のところ対象外です。
Google DeepMind、Google Research、Google Cloud、Google Labsの4部門が共同で開発しています。
I/O 2026で本当に新しかったのは何？
ここが今回いちばん混乱しているポイントです。順番に切り分けます。
Co-Scientist本体が初めて公開されたのは2025年2月19日。
arXivにプレプリント（査読前の論文）が出て、Trusted Tester Programという限定枠で先行公開されました。
つまり1年以上前から動いていたシステムです。
では2026年5月19日のI/Oで何が起きたのか。
2つあります。
1つはNature論文が正式に掲載されたこと。
もう1つが本命で、「Gemini for Science」という研究者向けのツール群が発表され、その中の「Hypothesis Generation」というツールとしてCo-Scientistのエンジンが組み込まれ、一般研究者向けの登録受付が始まりました。
整理すると、こうなります。
| 時期 | 何が起きたか |
|---|---|
| 2025年2月19日 | Co-Scientist本体を公開（arXivプレプリント＋Trusted Tester限定）。Gemini 2.0ベース |
| 2026年5月19日 | Nature論文が正式掲載。Gemini for Scienceスイート発表。Hypothesis Generationとして一般研究者向け登録開始 |
だから「I/O 2026で発表された新システム」という言い方は、正確には間違いです。
正しくは「2025年から在ったシステムが、研究者の手に届く形で表に出た」。
ここを取り違えると、ニュースの意味そのものを読み違えます。
私が一番伝えたいのはこの一点です。
ちなみにGemini for Scienceスイートには、Co-Scientistを使うHypothesis Generation以外にもツールがあります。
代表的なものを並べます。
- Hypothesis Generation：Co-Scientistのエンジンで仮説を生成・議論・評価する
- Computational Discovery：数千通りのコードを並列で試して点数をつける（AlphaEvolveとERAで構成）
- Literature Insights：科学文献を検索して表に整理し、研究の空白を見つける（NotebookLM活用）
- Science Skills：UniProtやAlphaFold Databaseなど30以上のライフサイエンスデータベースをつなぐ
6つのAIはどう分業しているの？
Co-Scientistの本質はここです。
1個の賢いAIに丸投げするのではなく、役割の違う6つのAIに分業させ、全体を1つの調整役がさばく設計になっています。
速報記事では「5エージェント」と書かれたり、構成がバラバラだったりします。
一次ソースとlearnprompting.orgの解説をあわせて確認すると、専門エージェントは6つで、それを束ねるSupervisorが別にいます。
私はここの正確さがこの記事の信頼の土台だと思っているので、役割まで書きます。
| エージェント | 担当する役割 |
|---|---|
| Generation | 文献を読んで新しい仮説を出す |
| Proximity | 似た仮説をグループ分けして、偏りなく多様な案を残す |
| Reflection | 査読者役。仮説を批判的にチェックする |
| Ranking | 仮説どうしを総当たりで戦わせ、Eloレーティング式で順位をつける |
| Evolution | 上位の仮説を何度も磨き直して改良する |
| Meta-review | 議論の結果をまとめ、最終的な研究提案に仕上げる |
この6つが3つのフェーズで動きます。
まず案を出す（GenerationとProximity）。
次に批判して順位をつける（ReflectionとRanking）。
最後に磨いて統合する（EvolutionとMeta-review）。
そして全体を、Supervisorが研究計画に分解して各エージェントに仕事を振り分けます。
出す、叩く、磨く。
この繰り返しです。
面白いのはRankingエージェントの発想です。
仮説を1個ずつ評価するのではなく、仮説どうしを対戦させて勝ち負けで順位を決める。
チェスのレーティングと同じ仕組みで強い案を浮かび上がらせます。
アイデアを競わせて勝者を残すという考え方は、対戦を繰り返して強くなったAIの発想と似ています。
ただ、公式の論文やblogが「AlphaGoの原理を応用した」と明言しているわけではありません。
あくまで構造が似ている、という整理にとどめます。
触れない読者でも持ち帰れる設計のヒントは？
正直、今これを実際に使える人はごく一部です。
Trusted Tester枠と、一部の研究機関・企業に限られています。
それでもこの設計は、ChatGPTやClaudeを普段使っている人にそのまま転用できます。
核は「1つのAIに全部やらせず、役割を分けてAI自身に査読させる」という発想です。
Co-Scientistはこれを6つに分けて自動化していますが、手元では同じことを手動でやれます。
私はここがこの記事でいちばんの実用ポイントだと思っています。
たとえば普段こういう経験はないでしょうか。
AIに何か聞くと、もっともらしい答えが1個だけ返ってくる。
でもそれが本当に妥当かどうかは分からない。
Co-Scientistの「出す→叩く→磨く」を真似ると、この弱点をかなり潰せます。
具体的な手順を下に書きます。
手元のAIでCo-Scientist式の「出す→叩く→磨く」を再現する手順
Co-Scientist本体に登録できなくても、ChatGPTやClaude、Geminiで近い流れを作れます。
Co-Scientistの3フェーズをそのまま手動に落としたのが次の3ステップです。
- 出す（Generation役）：まず「この問いに対して、考えられる案を5つ、それぞれ根拠とセットで出して」と頼みます。1個だけ出させないのがコツ。案を複数並べさせると、後で比べられます。
- 叩く（Reflection＋Ranking役）：出てきた5案を同じAIに貼り直して、「あなたは厳しい査読者です。各案の弱点を指摘して、説得力の高い順に順位をつけて」と指示します。同じAIでも役を切り替えると、AIに直前の案を批判させられます。
- 磨く（Evolution役）：1位になった案だけを取り出して、「指摘された弱点を踏まえて、この案を作り直して」と頼みます。ここで初めて完成案が出ます。
引っかかりやすいのは2番目です。
同じ会話の流れのままだと、AIが直前に出した案を甘く採点しがちになります。
新しいチャットに案だけコピペして「他人の案を査読する」状況を作ると、批判が辛口になって精度が上がります。
もう少し本格的にやるなら、批判役と作成役を別のAIに分けるのも手です。
Geminiに案を出させて、Claudeに査読させる。
AIをまたいで戦わせると、片方の癖に引っ張られにくくなります。
これは私の運用でも効いている分け方です。
実際に成果は出ているの？それとも誇大広告？
ここは賛否がくっきり割れています。両方の声を出します。まず賛成側の具体例から。
肝線維症という肝臓の病気の研究では、スタンフォード大学医学部の研究室がCo-Scientistの提案した薬剤候補を検証しました。
FDA承認済みの抗がん剤を転用する候補で、5つのうち2つが陽性の結果を出し、TGFβ由来のクロマチン構造変化を91%削減したと報告されています（Advanced Science誌、2025年9月公開）。
もっとインパクトがあるのが抗菌薬耐性の事例です。
Imperial College Londonの感染病学の研究チームが10年かけて解明した仮説を、Co-Scientistはわずか2日で独立に提案したと公表されています。
10年が2日。
数字だけ見ると、ちょっと衝撃です。
AIが、利用可能なすべての証拠を統合し、最も重要な問いへと私たちを向けてくれる可能性がある。
（出典: Fleming Initiative発表 https://www.fleminginitiative.org/post/fleming-initiative-convenes-google-and-imperial-researchers-in-creation-of-novel-ai-co-scientist ）
細胞老化の研究では、スクリーニングデータの分析を「数ヶ月から数日に短縮した」事例も紹介されています（科学ツール専門メディアlabcritics.comの2026年5月の記事より）。
検証パートナー機関は100以上で、Stanford、Imperial College London、Francis Crick Institute、BASF、第一三共、Bayer Crop Scienceなどが名を連ねています。
一方で、専門家からの批判もかなり強い。ここを隠すと記事として片手落ちです。
創薬の専門サイトDrugDiscovery.NETは、肝線維症やAMLの研究について「実験の説明が不完全で、主張を検証できない」「細胞株だけの検証で、腫瘍への浸透やマイクロ環境は確かめられていない」「成功例しか報告されておらず、外れの頻度が分からない」と指摘しています。
AMRの事例についても「既知の発見を再発見しているだけ」という見方を示しています。
特定された薬剤はいずれも抗線維化作用がよく知られているもので、ここに新しいものは何もない。
（出典: Futurism掲載の英バイオテック企業研究者のコメント https://futurism.com/google-ai-scientist-dead-arrival ）
さらに、複数の研究者がメディアの取材に対して「現在のAIはまだ信頼性が足りない」「仮説生成は研究のいちばん面白い部分。
なぜそこをAIに外注するのか」と疑問を投げています。
MITの研究者は「興味深いが、真剣に使われるとは思えない」とまで言っています。
私の見方を1つだけ。
賛否が割れているのは、検証の段階が試験管レベル（in vitro）にとどまっていて、人での臨床試験まで進んでいないからです。
「10年が2日」の派手な数字と、「曖昧で検証できない」という批判は、同じ事実の表と裏。
だから今の段階では、Co-Scientistを「答えを出す装置」ではなく「問いの当たりをつける装置」として見るのが妥当だと思っています。
期待しすぎも切り捨てすぎも、たぶん両方ハズレです。
使ってみたい研究者はどこから登録するの？
使い方ステップを厚く書く記事ではありません。
アクセス枠が限られているからです。
ただ研究職の人向けに、公式の入り口だけ整理しておきます。
Gemini for Scienceの登録窓口は次の流れです。
- 登録ページを開く：labs.google/science（ https://labs.google/science/ ）にアクセスします。ここがGoogle Labs経由のベータアクセスの入り口です。
- 使いたいツールを選ぶ：Co-Scientistを使いたい場合は、スイートの中の「Hypothesis Generation」を選びます。仮説づくり以外の用途なら、Literature InsightsやScience Skillsなど別ツールが該当します。
- 登録して順番を待つ：ロールアウトは2026年5月から段階的です。登録しても即時に使えるとは限らず、順次案内される形になります。
前提として知っておきたいのは、所属組織で導入する場合の入り口は別だという点です。
企業や研究機関で本格的に使うなら、Google Cloud経由になります。
第一三共、Bayer Crop Science、BASF、米国の国立研究所などはこのルートで既に利用しています。
個人向けの料金は、2026年5月時点では公表されていません。
日本語での利用可否も公式の明言はまだなく、最新の条件はlabs.google/scienceで確認するのが確実です。
料金未公開の段階で焦って判断する話ではない、というのが私の感覚です。
よくある質問（FAQ）
Co-ScientistはGoogle I/O 2026で発表された新システムですか？
いいえ。
本体は2025年2月19日に公開済みです。
I/O 2026で起きたのは、Nature論文の正式掲載と、Gemini for Scienceスイートの中の「Hypothesis Generation」として一般研究者向けに登録受付が始まったことです。
新発表ではなく、既存システムの一般公開化です。
Co-Scientistは何個のAIで構成されていますか？
役割の違う6つの専門エージェント（Generation / Reflection / Ranking / Evolution / Proximity / Meta-review）と、それを束ねて計画を分配するSupervisorで構成されています。
速報記事には「5個」とする表記もありますが、一次ソースと公式解説を照らすと専門エージェントは6つが正確です。
研究者でなくてもCo-Scientistを使えますか？
現時点では研究用途が中心で、アクセスもTrusted Tester枠や研究機関・企業に限られています。
ただし「複数案を出させて、別の役でAI自身に査読させ、上位だけ磨く」という設計の考え方は、ChatGPTやClaudeなど手元のAIでそのまま真似できます。
Co-Scientistの成果は信頼できますか？
肝線維症で薬剤候補の有効性を示した例や、抗菌薬耐性の仮説を2日で再現した例がある一方、複数の専門家が「検証が不完全」「既知の再発見にすぎない」と批判しています。
検証段階が試験管レベルにとどまっているためで、現状は「答え」ではなく「問いの当たりをつける道具」として捉えるのが妥当です。
料金や日本語対応はどうなっていますか？
個人向け料金は2026年5月時点で未公表です。
企業利用はGoogle Cloud経由になります。
日本語での利用可否は公式の明言がなく、最新情報はlabs.google/scienceで確認する必要があります。
このページに出てきた言葉
- 仮説
- まだ証明されていない研究上の予想。実験で確かめる前の段階のもの
- エージェント
- 特定の役割を任されて自律的に動くAI。役割ごとに分けた複数のAIを指す
- マルチエージェント
- 役割の違う複数のAIを組み合わせて1つの仕事をさせる設計
- 査読
- 論文を学術誌に載せる前に、同分野の専門家が妥当性をチェックする工程
- プレプリント
- 査読を受ける前に先に公開する論文。早く出せるが検証済みとは限らない
- Eloレーティング
- 対戦の勝ち負けで決まる強さの数値。チェスや将棋で使われる
- in vitro
- 試験管やシャーレなど、生体の外で行う実験。人体での実験の手前の段階
- 抗菌薬耐性（AMR）
- 細菌が薬に耐性を持ち、薬が効かなくなる現象
参考リンク
- Google Research blog（2025年2月、一次ソース）: https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/
- Google DeepMind blog（I/O 2026版）: https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/
- Gemini for Science公式blog（I/O 2026発表）: https://blog.google/innovation-and-ai/technology/research/gemini-for-science-io-2026/
- Google Labs（登録ページ）: https://labs.google/science/
- arXivプレプリント（Towards an AI co-scientist）: https://arxiv.org/abs/2502.18864
- Nature論文: https://www.nature.com/articles/s41586-026-10644-y
- 肝線維症の検証（DeepMind blog）: https://deepmind.google/blog/uncovering-repurposed-medicines-to-fight-liver-fibrosis/
- Fleming Initiative（抗菌薬耐性の連携発表）: https://www.fleminginitiative.org/post/fleming-initiative-convenes-google-and-imperial-researchers-in-creation-of-novel-ai-co-scientist
- labcritics.com（Research Demoから一般公開への移行まとめ）: https://labcritics.com/blog/2026/05/21/google-deepminds-co-scientist-graduates-from-research-demo-to-nature-paper/
- DrugDiscovery.NET（科学的検証への批判）: https://www.drugdiscovery.net/2025/02/20/the-google-co-scientist-hasnt-yet-lead-to-breakthroughs-a-closer-look-at-its-scientific-validation/
- learnprompting.org（エージェント構成の詳解）: https://learnprompting.org/blog/google-ai-co-scientist
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。