AIにコードを書かせて実験を回すことは、もう当たり前になりました。では研究テーマの設定から論文の執筆まで、AI自身に任せたら何が起きるのでしょうか。 これまでのAIサイエンティストは、与えられたベンチマークのスコアを上げるだけの「ハイパーパラメータ探索エンジン」に留まりがちでした。想像力に欠け、目先の最適化しか追えないという限界があったのです。 🔬 Sakana AIの研究チームが発表した論文『The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery』は、タスク設定から並列調査、証拠の裏付け、論文執筆までを一本化したオーケストレーション層を提案しました。複数のエージェントが共有メモリを使って並列に研究サイクルを回し、仮説提案と実装・検証を分業する仕組みです。 🏆 実際にこのシステムが書いたニューロモルフィック学習則の論文は、学会ALIFE 2026の外部査読を通過し、口頭発表採択を獲得しました。さらに5つの機械学習タスク・4つのコーディングハーネス・70回の研究キャンペーンでの検証でも、最終的な実験スコアと論文の査読スコアには相関(r=0.44)が確認されています。LLMのLoRAルーティングを改善して検索精度を51.7%から98.0%まで引き上げるなど、AI自身が発見したアルゴリズム的改善も複数報告されました。 AIが「論文を書くまで」を担う時代の研究プロセスを、具体例で見せてくれる一本です。 URL: #AIサイエンティスト# #自動科学発見#

Sakana AI がサービス基盤に Gemini Enterprise Agent Platform を採用した理由 → 新世代のマルチ エージェント AI モデル「Sakana Fugu」開発にあたり、難しい要件を実現するために選ばれたのが Google Cloud でした。サイエンティストの皆様に開発の舞台裏をお伺いします。

日経デジタルガバナンスにて、Sakana AIの「事後学習」技術と Sakana Chat / Namazuモデルに関する記事が掲載されました。 Namazuモデル開発をリードしたリサーチサイエンティストの菅沼雅徳とチーフサイエンティストの秋葉拓哉に取材いただきました。 記事: Sakana Chat: 取り組みの詳細 🐟 初の一般向けサービス 3月24日に公開した Sakana Chat は、これまで主に企業向けにAIシステムを提供してきたSakana AIにとって、初の一般ユーザー向けサービスです。 🧠 事後学習（Post-training）による進化 搭載している「Namazuモデル」のα版は、既存のオープンモデルに対し、独自の事後学習（Post-training）を施して構築したものです。ベースモデルの推論能力を損なうことなく、出力の中立性・事実の網羅性・日本語性能などを向上させています。世界トップ水準のオープンモデルをも意図したアラインメントへと調整できることは、様々な産業におけるAI導入にとっても重要な意味を持ちます。 🇯🇵 ソブリンAIへの新しいアプローチ 記事内、秋葉は「（ソブリンAIを開発する上で）日本が持つべき技術には様々なレイヤーがあり、事後学習もその一つとして貢献したい」と語っています。 ゼロから国産LLMを構築するアプローチに加えて、世界中で進化し続けるオープンウェイトモデルを土台に日本の文脈へ最適化するアプローチも、現実的な選択肢となり得ると考えています。

Google Cloud Japan ブログにインタビュー記事を掲載いただきました。 「Sakana Fugu」のサービス基盤として、GoogleのEnterprise Agent Platformを全面採用した経緯について、プロジェクトを率いたチーフサイエンティストのYujin Tangをはじめ、3名のサイエンティストが開発の舞台裏を語っています。 「Sakana Fugu はスポーツに例えるなら、さまざまな選手（AIモデル）やフォーメーション（組み合わせ）、戦術（タスク処理）を対戦相手（クエリ）に応じて使い分けるコーチのような存在です。AIのチームを指揮するAIとして集合知にアクセスし、個々のモデルを上回るパフォーマンスを発揮します」 — Stefan Nielsen 2025年10月に始動した本プロジェクトは、Google チームの手厚いサポートにより約半年でローンチに至りました。Gemini も、動的に呼び出されるフロンティアモデルのひとつとして中核に組み込まれています。 「Sakana Fugu は、Sakana AIのさまざまな製品を支えるコアテクノロジーとなっていく予定です」 — Yujin Tang ぜひご覧ください🐡

2013年、Wayfairのデータ分析はオンプレミスのSQL Serverに縛られ、データベースをまたぐ結合すらできませんでした。それから10年余り、クラウドデータウェアハウスとモダンデータスタックが次々と制約を取り払い、データサイエンティストは「レポーター」から「業務上の意思決定者」へと役割を変えてきました。 📈 そして今、AIによって分析そのものを作るコストはほぼゼロに近づきました。しかしIan Macomber氏はブログ「The Shape and Feel of the Post-AI Data Stack」で、「現実について合意することは安くならない」と指摘します。ダッシュボードが乱立するほど、同じ指標を聞いても答えが割れる「合意の分断」が起きやすくなるというのです。 🤖 記事が描く「ポストAIデータスタック」では、人間ではなくエージェントがダッシュボードを読み解き、意思決定のために情報を再構成します。そのために必要なのが、エージェントが読めるアーティファクト、APIで操作できるツール、ベンダーに縛られないコンテキスト、そして答えの一致率を測る「合意のテスト」という4つの要件です。Ramp社では、あらゆるインターフェースに同じ質問を投げて答えのズレを測定し、ゼロdivergenceを目指しているそうです。 ✍️ Macomber氏は、これからのデータサイエンティストの価値は個々の分析の巧拙ではなく、自分の判断をインフラに組み込み、未来のエージェントや従業員が「何が真実か」を引き継げるようにする力で測られると結んでいます。 URL: #データ基盤# #AIエージェント#

AIに考える回数を増やすなら、1回で何を進めるかも学ばせたいというPARの研究（ 題材は、箱の中身を順番に入れ替え、最後に何がどこにあるかを答える状態追跡。同じ処理層を繰り返すループ型モデルでも、最終回答だけを教えると、追加のループが長い問題を解く力につながるとは限らない。 PARは、k回目のループで「最初のk個の操作を終えた状態」を予測するよう学習する。さらに、内部状態の大きさが反復のたびにずれないよう、最初の反復を基準にそろえる。回数と進捗の対応を保つ設計だ。 Qwen2.5-0.5Bを使い、最大32操作で訓練した箱の入れ替え課題では、512操作まで評価。完了を判定する仕組みも一緒に学習した条件で、5箱すべてを当てる正解率は92.9%。比較対象RLTの報告値は55.7%だった。 止めどきも大事で、正解に到達した後も反復を続けると、答えの表現が崩れる条件がある。「長く考えれば安全」とは言えず、終了の兆候を確認して適切な時点の答えを読む必要がある。 効果が出た中心は、順序のある状態追跡。並列に探索できるグラフ到達性では同じ伸び方をせず、あらゆる推論の長さへ一般化した結果ではない。 小さいモデルへ計算時間を追加するなら、反復の意味と終了条件まで設計する。考えさせる回数を設定するだけでは足りない、という具体例だと思う。

AIに「この操作を許可してよいか」「作業は完了したか」を任せるなら、平均正解率に加えて、条件が変わったときに判断も変えられるかを見たいという視点の評価、DecisionPivot（ たとえば、ファイルをコピーしてから移動する手順と、その順番を入れ替えた手順。文章はよく似ていても、最後に必要な場所へファイルが残るかは変わる。片方だけ当てても、違いを正しく扱えたとは言えない。 48タスク、40,033問を収録。生成した7,800問は関連する問題群にまとめ、別実装のソルバーで正解を検証している。各問の正解率だけでなく、群の全問を当てる割合や、モデルが出す確率の信頼性を測る。 面白いのが、確率の順序と最終判断のずれ。2択の対照ペアでは、Perplexity Deciderが正例に高い確率を付けた割合は92.3%なのに、両方を正しく答えた割合は74.1%。正例にも負例にも「はい」を出せば、順序が合っていても判断は失敗する。 ただし、これは文章で与えた事例の評価。実際の業務システムを一通り動かした成功率ではなく、自動処理に回せる割合も評価データを使った事後測定だ。本番の閾値には別の検証が必要になる。 エージェントの権限や完了判定を設計するとき、成功例を増やすだけでなく、「何を変えたら拒否すべきか」を対にして確かめる。この評価の作り方は実務でも参考になると思う。