これ面白い
https://note.com/rami_engineer/n/na35ccf5da5d5
GoogleのAIが人間の専門家を超えた日：数ヶ月かかる研究をたった数時間で完成させた衝撃の全記録
らみ 20250912
Google Researchが発表した論文が科学界に静かな衝撃を与えています。彼らが開発したAIシステムは、遺伝子解析からCOVID-19予測まで6つの異なる科学分野において、人間の専門家が数ヶ月かけて開発するレベルのソフトウェアを数時間で自動生成することに成功しました

　このシステムの特徴は、LLMと木探索アルゴリズムを組み合わせた点にあります。AIは与えられた課題に対して、プログラムを生成し、実行して評価し、改良するというサイクルを数百回から数千回繰り返します。

　その結果、米国CDCの公式COVID予測モデルを全地域で上回る精度を達成し、遺伝子データ統合では従来法を14%も改善する新手法を発見しました

　注目すべきは、AIが既存の手法を単に模倣するのではなく、人間が思いつかなかった手法の組み合わせを自ら発見している点です。本稿では、この革新的なシステムの仕組みと、各分野での具体的な成果、そして科学研究の未来に与える影響について、技術的背景を含めて詳しく解説します

目次
まえがき
背景
解決する課題
既存研究の流れ
この研究が解決する課題・どう解決するのか
方法論
提案手法
提案手法の直感的な説明
提案手法詳細
提案手法の構成コンポーネントや仕組みの詳細
実験方法
実験結果
1. ゲノミクス：シングルセルRNAシーケンシングデータのバッチ統合
2. 疫学：COVID-19入院患者数の予測
3. 地理空間分析：リモートセンシング画像のセグメンテーション
4. 神経科学：全脳神経活動の予測
5. 時系列予測：GIFT-Eval
6. 数値解析：困難な積分の評価
考察
なぜこの手法が優れているのか
この手法を既存のものと比較した優位性・劣位性
結論

まえがき
　現代の科学研究において、実験用ソフトウェアの開発は避けて通れない工程です。しかし、新しいアイデアを検証するたびにコードを書き、デバッグし、最適化する作業には膨大な時間が必要となります。

　優秀な研究者であっても、一つの仮説を検証するのに数週間から数ヶ月を要することは珍しくありません。この「実装のボトルネック」が、科学的発見のペースを制限する大きな要因となってきました。

　今回Googleが発表したAIシステムは、この根本的な課題に対する一つの解答を示しています。単にコードを生成するだけでなく、実行結果を評価し、自律的に改良を重ねることで、人間の試行錯誤プロセスそのものを高速化したのです。

　興味深いのは、このシステムが特定分野に特化していない点です。同一の枠組みで生物学から数値解析まで対応し、それぞれの分野で最先端の成果を達成しました。さらに、AIが生成したコードは完全に検証可能で、人間が理解し、改良できる形で提供されます。

背景
解決する課題
　科学的発見のプロセスには、「仮説の提案→検証」という試行錯誤の反復がつきものです。その際、シミュレーションやデータ解析のための実験用ソフトウェアを都度作成する必要があり、これが進歩の足枷となっていました。