予言ではなく構造Gemini for Science が数日で可視化したこと

石部統久@mototchen

2026年5月22日 10:32

英語版：https://medium.com/@izayohi/structure-not-prophecy-6dcaf34f8157

予言ではなく構造

Gemini for Science が数日で可視化したこと

石部統久 · シン・ネクシャリスト／不可知論的唯物論 · Claude Opus 4.7 初稿（Grok・Gemini・GPT・Claude 査読を反映した v1.2）

前稿：

論文問題に専門家はいない（本稿の前提となる第四稿）
No One Owns the Paper Problem（第四稿英訳版）

§1 入口——命題とその数日後のニュース

第四稿「論文問題に専門家はいない」を公開した。論文問題——統計の不整合、再現性危機、制度の複雑化、AI 介在による集団的劣化、人文学・社会学側の解釈的運用——を統合的に把握し責任を負う総合専門家は存在しない、というのが中心命題だった。個別分野の専門家がいないという意味ではない。統計・査読・出版・評価・AI 介在・文献汚染を横断して責任を負う制度的主体がいない、という意味だ。誰の専門でもないから、誰も全体に責任を取らない。

その数日後、Google が Gemini for Science を発表した。論文を大量に読み込み、仮説を生成し、文献を構造化し、実験コードを生成する AI ツール群である。

本稿はこの製品を、第四稿の命題の症例として読む。ただし重要な前置きをひとつ。本稿は Google を批判しない。Gemini for Science は、第四稿が記述した構造と強く噛み合う症例であって、敵ではない。予言が当たったのではない。似た評価構造の中では、似たリスクが反復されやすい、というだけだ。この区別は本稿全体を通じて維持する。

§2 ニュースの事実

事実から確認する。Gemini for Science は2026年5月19日に Google I/O で発表された。同日、二本の論文が Nature に掲載された。一本は実験コード生成ツール ERA を扱う「An AI system to help scientists write expert-level empirical software」（Nature、DOI 10.1038/s41586-026-10658-6）。もう一本は仮説生成システム Co-Scientist を扱う「Accelerating scientific discovery with Co-Scientist」（Gottweis ら、Nature、DOI 10.1038/s41586-026-10644-y）。後者の基盤は2025年のプレプリント（arXiv 2502.18864）だが、Nature 掲載版は別途査読を経た検証論文である。

ツールは三つ。Hypothesis Generation は数百万本の論文を読み込んで仮説を生成し、複数のエージェント（自律的に判断する複数のプログラム）が「アイデアの勝ち抜き戦」で議論・評価する。Computational Discovery は実験コードを並列に大量生成して検証する。Literature Insights は文献を検索可能・比較可能なテーブルに構造化し、研究の空白を同定する。

すでに製薬企業 Daiichi Sankyo、Bayer Crop Science、米エネルギー省の国立研究所が Co-Scientist を使っている。注目すべきは、ERA が疫学予測に投入されている点だ。インフルエンザ・COVID-19・RSV の米国州レベルの入院予測で、ERA の予測は CDC（米疾病対策センター）のリーダーボード（予測精度の順位表）で上位に位置している。

もう一点、別系統の動きがある。Google は計算機科学・数学系の学会(ICML、STOC、NeurIPS)と提携して、論文を自動評価する agentic peer review ツール(Paper Assistant Tool、ScholarPeer)を試験している。これらは現状、計算機科学系の会議に限定されており、医学系への展開は確認されていない。だが、AI が論文を生成するだけでなく、AI が論文を査読する段階に踏み込みつつあることは記録しておく。

§3 肯定的描写とその盲点

このニュースは、多くの場合こう描かれる。研究のボトルネックは長らく「帯域幅の不足」だった。良い問いの不足ではなく、問いに答える人手の不足。仮説生成に数週間、文献総説に数ヶ月、計算実験に人間の処理能力の限界。Gemini for Science はこのボトルネックを一気に広げた。証拠が、それを求める制度が読み切れる速度より速く到着する時代が来る——。

この描写は内的には正しい。論理に誤りはない。問題は前提にある。この描写は、AI が読み込む入力の品質を所与としている。

Hypothesis Generation は数百万本の論文を読み込んで統合する。Google はその生成物が「クリック可能な引用で深く検証されている」と謳う。だが、引用が存在することと、引用先が妥当であることは別の問題だ。捏造された一次文献を形式的に引用しても、引用は成立する。引用の数は増える。検証の見かけも整う。だが参照元が汚染されていれば、その上に積まれた仮説も汚染される。

ボトルネックが広がったのは事実だ。しかし、広がったのは「良い証拠が速く出る通路」だけではない。「汚染された証拠が速く流通する通路」も同じだけ広がった。加速は方向を選ばない。

§4 医学系という最悪の条件

そして加速ツールが最初に投入されている医学・生命科学系は、論文汚染が最も激しい領域だ。ここでいうペーパーミル（粗製濫造される偽造論文の製造組織）とは、捏造データや盗用データで論文を量産し、著者の地位を売る業者を指す。検証可能な数字を並べる。

ドイツの研究チーム（Sabel ら2025）は、biomedical 文献の偽装疑い率を推計した。疑いフラグの立つ論文の割合は2020年に14.9%、2023年に16.3%。統計的補正を加えると、実際の偽論文は biomedical 文献の約5.8%と推定される。2023年の生物医学出版186万本に当てると、年間およそ10万8000本の偽論文。これは同年の生物医学撤回5671本の約19倍にあたる。撤回されているのは氷山の一角だということだ。

The Lancet に2026年5月に掲載された研究レター（Topaz ら）はさらに直接的だ。コロンビア大学のチームが AI を使い、PubMed Central のオープンアクセス論文250万本、1億2600万件の参照を監査した。9710万件の検証済み参照のうち、約4000件が捏造と判定された。そして捏造参照の率は2023年から2025年で12倍に増えた。生成 AI の普及時期と一致する。

このレビューには、本稿の核心に関わる発見がもう一つある。捏造率が最も高い論文タイプは、レビュー論文だった。他の論文タイプより57%高い。Gemini for Science の Literature Insights は、まさに文献を総説的に構造化する機能だ。参照汚染が最も集中する論文タイプの、すぐ隣で作動することになる。

がん研究に絞った別の調査（Scancar ら2026、BMJ）では、264万本中の約10%がペーパーミル産物と推定され、中国機関の論文では36%に達し、胃・骨・肝がんの研究に特に集中していた。

ここで AI の二つの顔が見える。コロンビア大学は AI で汚染を検出した。一方、文献を統合する AI は、汚染された入力をそのまま増幅しうる。同じ AI 技術が、汚染を増幅する側と汚染を検出する側の両方に回っている。

ただし、ここは正確に言う必要がある。Google のツールは捏造論文を製造する装置ではない。既存の文献を統合する装置だ。汚染の経路は「AI が偽論文を作る」ではなく「AI が既に汚染された文献を取り込んで増幅する」である。問題は、検出が追いつく前に、統合がどれだけ汚染を流通させるかだ。

§5 「知らない」のではなく「引き受け手が空席」

ここで、よくある反応を検討する。「AI 開発者は再現性問題を知らないのか」というものだ。

知らないわけではない。Co-Scientist と ERA を Nature に通している以上、開発側が再現性議論を文献レベルで知らないとは考えにくい。問題は別の場所にある。再現性問題を、自分たちが解くべき問題として誰も引き受けていないことだ。

開発者の仕事は性能指標で評価される。ERA が CDC の予測モデルを上回ったこと、Nature に採択されたこと、100以上の機関がパートナーになったこと。これらが評価軸だ。文献ベースの汚染や研究の多様性縮小は、性能指標には現れない。ベンチマークで測れないものは、開発者の評価指標に組み込まれない。これは第四稿で書いた構造そのものだ。AI 研究者は研究現場の素人で、本業はベンチマークを上げることであって、文献生態系の長期的健全性ではない。悪意ではない。評価系が最適化の対象としていないだけだ。

医学者側も同じだ。論文数、引用、グラント——どれも、汚染された文献ベースで AI 評価を回さないことを報酬しない。むしろ AI で論文を量産すれば、これらの指標は上がる。

両側の評価系が揃って、汚染回避に誰も誘因を持たない。Google の評価系も、医学者の評価系も、「文献ベースを汚染しないこと」を報酬しない。だから「知らないから困る」というより、「知っていても引き受け手が構造的に空席だから解かれない」のほうが正確だ。知らないなら教えれば済む。引き受け手が空席なら、教えても解かれない。

これが第四稿の中心命題の、最も具体的な現れだ。論文問題に専門家はいない、とは、こういうことだった。

§6 自己参照ループ

もう一つ、加速がもたらす構造がある。自己参照のループだ。

AI が証拠を生成する。人間が読み切れない量だから、評価も AI に任せる。AI の評価がまた証拠になる。証拠の生成も、評価も、統合も、すべて同じ系統の AI が回す。人間は、その速度についていけない。

第四稿で紹介した Hao らの2026年の Nature 論文は、AI ツールを使う研究者が論文数を約3倍、被引用を約5倍に伸ばす一方、科学全体の研究テーマの多様性が約4.6%縮小し、研究者間の連携が約22%減少したことを示した。個人合理性の集合が、集団的多様性を縮小させる。Gemini for Science は、この効果を加速する装置になりうる。AI が数百万本から仮説を生成すれば、データが豊富な領域——すでに研究が集中している領域——へ収斂する。手薄な領域はさらに手薄になる。

「証拠が読み切れる速度より速く到着する」という現象は、肯定的に語られることが多い。だが第四稿の観点では、これは「専門家が全体を読み通せない」問題の極端化だ。読めないから AI に評価させ、その評価を信頼するしかなくなる。誰も全体を確認しないまま、証拠が積み上がる。

§7 検証機構はあるが

公平のために、反対の見方を置く。

Gemini for Science の Hypothesis Generation には、検証機構が組み込まれている。複数のエージェントが仮説を議論し、評価する「勝ち抜き戦」の構造だ。これは、素朴な単一 AI の出力よりは、汚染フィルタとして機能しうる。一つのエージェントが見落とした問題を、別のエージェントが拾う可能性がある。

問題は、その検証機構が依拠する文献ベースが汚染されている場合だ。勝ち抜き戦に参加する全エージェントが、同じ汚染源を参照する。すると、議論は汚染の相互確認になる。複数のエージェントが並んでいても、入力が共通の汚染源なら、多様性は見かけにすぎない。全員が同じ捏造論文を「正しい」と前提して議論すれば、議論が精緻になるほど、汚染された結論が強固になる。

これは検証機構の設計次第で改善しうる問題だ。捏造検出、撤回追跡、ペーパーミル識別を検証層に組み込めば、部分的には対処できる。だが第四稿で紹介した川原実験を思い出したい。現状の AI は、統計の妥当性判定すら高い確率で失敗する。文献の妥当性判定——捏造の検出、撤回の追跡、ペーパーミルの識別——は、統計判定よりはるかに難しい。

ここでもう一段、区別が要る。AI が得意なのは、テキスト上の論理的な矛盾を見つけることだ。だが、捏造された「事実」そのものの真偽を、外部の確かな参照なしに判定する能力は別物だ。複数のエージェントが同じ捏造論文を「正しい」と前提すれば、論理的整合性のチェックはすり抜ける。整合した嘘は、整合しているがゆえに検出されない。

そして問うべきは、検証機構があるかどうかではなく、何を検証しているかだ。仮説の新規性、コードの性能、実験結果の再現性を検証しても、入力となる文献そのものの由来、撤回履歴、ペーパーミル疑義、引用の実在性が検証層に組み込まれていなければ、汚染は別の経路から流入する。そして、検証層を入力側に向けるかどうかは、結局、設計者の評価系が何を報酬するかに戻る。これは §5 で述べた構造問題そのものだ。検証機構があること自体は前進だが、それが入力汚染をどこまで捕まえられるかは、現状では未知数だ。

§8 予言ではなく構造

ここで冒頭の枠組みに戻る。第四稿は Gemini for Science を予言したのではない。構造を記述しただけだ。

論文問題に専門家はいない。誰も全体を引き受けていない。評価系が汚染回避を報酬しない。AI 研究者は研究現場の素人で、研究者は AI の素人。この構造を第四稿は書いた。似た評価構造の中では、似たリスクが反復されやすい。

ここで二つの層を区別しておく。一つは、構造の再現という記述的事実だ。Gemini for Science を作る側も使う側も、汚染された文献ベースで AI を回すことの帰結を統合的に把握する立場にいない——この配置の同型性は、公開数日で観測できた。もう一つは、汚染加速という帰結だ。こちらはまだ観測されていない。ツールは実験段階で投入直後であり、汚染が現に加速したという証拠は、現時点では存在しない。本稿が示せているのは前者であって、後者は依然として予測である。

だから本稿の主張には棄却条件がある。検証層が入力側の捏造検出に向かい、かつ開発者の評価系がそれを報酬する設計が現れれば、本稿の予測は外れる。汚染回避が誰かの評価系に組み込まれれば、構造は変わる。本稿は反証可能な予測として書かれている。

これは Google が悪いという話ではない。Google も、医学者も、本稿を書く私も、汚染された文献ベースで AI 評価を回すことの帰結を、統合的に把握する立場にいない。Google は AI 性能の専門家だが医学文献生態系の素人。医学者は自分の研究領域の専門家だが AI 内部の素人。文献整合性を扱うメタ科学者は方法論の専門家だが、Gemini for Science の実装の素人。誰も全体を見ていない。

これが「論文問題に専門家はいない」の、当の事態だ。Gemini for Science は、その命題が現実の制度配置と強く噛み合っていることを示す症例として、公開数日後に現れた。

§9 自己適用とシリーズ位置

最後に、本稿自体の位置を明示する。

本稿も、論文問題の専門家ではない一個人が、複数の AI と協働して書いた文章だ。Gemini for Science を使う人間も、作る Google も、本稿を書く私も、論文問題全体に対しては全員が素人である。本稿の数字や引用が正確かどうかは、専門家としての権威ではなく、読者が論証ルールで確認できる。Nature の DOI を確認できる。ペーパーミル統計の原典を確認できる。本稿が間違っていれば、指摘して修正できる。

本稿の役割は、批判を Google に届けることではない。前回確認した通り、一個人の批判が Google の設計を変える確率は構造的に低い。本稿の役割は、公共圏に座標を置くことだ。2026年5月の時点で、医学系の汚染された文献ベースに AI 加速ツールを投入することの帰結について、この懸念は提起されていた——後からこの議論を振り返る誰かが、参照できる座標を残す。届かせるのではなく、拾える形で置いておく。

シリーズ位置の予告。本稿で扱った AI 介在による文献汚染の加速、検証機構の限界、自己参照ループは、専門系列稿でさらに精密化される。汚染を作る AI と検出する AI の軍拡競争、文献ベースの整合性が誰の責任範囲でもない問題——これらは今後の接続稿および専門系列稿で展開する。

参考文献

石部統久 (2026).「論文問題に専門家はいない——『3つの統計的嘘』『一割問題』に続く第四稿」note.com/mototchen.
Aygün, E. et al. (2026). "An AI system to help scientists write expert-level empirical software." Nature. DOI: 10.1038/s41586-026-10658-6.
Gottweis, J., Weng, W.-H., Daryin, A. et al. (2026). "Accelerating scientific discovery with Co-Scientist." Nature. DOI: 10.1038/s41586-026-10644-y（基盤プレプリント: arXiv 2502.18864, 2025）.
Sabel, B.A., Knaack, E., Gigerenzer, G., Bilc, M.-I. (2025). "Fake publications in biomedical science: red-flagging method indicates mass production." DOI: 10.1007/s00210-025-04275-9.
Topaz, M., Roguin, N., Gupta, P., Zhang, Z., Peltonen, L.-M. (2026). "Fabricated citations: an audit across 2·5 million biomedical papers." The Lancet 407, 1779–1781. DOI: 10.1016/S0140-6736(26)00603-3（research letter）.
Scancar, B., Byrne, J.A., Causeur, D., Barnett, A.G. (2026). "Machine learning based screening of potential paper mill publications in cancer research: methodological and cross sectional study." BMJ 392:e087581. DOI: 10.1136/bmj-2025-087581.
The Scientist (2025). "Rising Retraction Rates: A Symptom of a Strained System."
Hao, F., Xu, J., Li, S., Evans, J.A. (2026). "Artificial intelligence tools expand scientists' impact but contract science's focus." Nature 649: 1237-1243. DOI: 10.1038/s41586-025-09922-y..

石部統久・Claude Opus 4.7

査読：Claude Opus 4.7・Grok・Gemini・GPT（Parcae Protocol）