科学者は普段どれだけ苦労しているのか

研究の日常には細々とした作業が大量にある。研究者は数十のデータベースを行き来しなければならず、それぞれのデータベースは独自のデータ構造（スキーマ）を持つ。扱うファイル形式にも専用の処理パイプラインやビューアが必要になることが多い。ツールも長いリストだ——PubMed、Jupyter、R、クラスタのターミナルと、次々に切り替えることになる。

これらのツールを揃え、データがその間を流れるようにするだけで、研究者の労力の大半が消える。Claude Scienceが目指すのは、こうした散らばった部品を1つの環境にまとめ、文献調査から原稿作成までの全工程をその中で完結させることだ。

1つの統括agent、その裏で働く専門家集団

対話の相手になるのは汎用の統括agentだ。60以上の設定済みスキルとコネクタを手にしており、専門領域の専門家サブagentを呼び出すことも、ユーザー自身が作った専用agentを呼び出すこともできる。彼らが手分けしてデータを調べ、分析を回し、結果を出す。

重要なのは、この連鎖の末端に専門のあら探し役、査読agent（reviewer agent）が控えていることだ。他のagentの成果物を見張り、逐一チェックし、問題があれば自分で手を入れて直す。

生成された図はすべて、そのコードまで遡れる

研究そのものが図表への依存度が高いため、Claude Scienceは図や原稿を出力する際、それらを生成したコードも合わせて提示する。さらに研究専用の可視化フォーマットもネイティブにレンダリングできる——3Dタンパク質構造、ゲノムブラウザのトラック、化学構造など、専用ビューアを別途立ち上げる必要はない。

Claude Scienceはタンパク質、分子、構造をネイティブにレンダリングし、すべての結果は再現可能で、生成に使われたコードまで遡って追跡できる。画像提供：Anthropic

図を1枚生成すると、あわせて以下も付いてくる——その図を生み出した正確なコードと実行環境、どのように出てきたかを説明する一文、そして完全な対話ログ。これはつまり、数ヶ月後に振り返っても、当時何を入力し、結果をどう検証し、どう再現できるかがわかるということだ。

図の修正にも自分でコードをいじる必要はない。「グリッド線を消して」「縦軸を対数目盛にして」と平易な言葉で伝えれば、agentが自分で書いたそのコードを書き換えて再出力する。

AIが自らあなたのスパコンを操作、データは動かない

大規模な分析は骨が折れる。タンパク質を1つ折りたたむ、膨大なデータセットでゲノムパイプラインを1本走らせる——研究者はしばしば本来の科学的な問いから手を離し、計算タスクの設定、クラスタでの順番待ち、成否の監視、結果の回収に時間を取られる。Claude Scienceはこの一連の作業を丸ごと引き受ける。

Claude Scienceは自分のノートパソコン、クラスタ、オンデマンドGPU上で自動的に実行環境を構築し、計算資源を調整する。画像提供：Anthropic

まず計画を起草し、新しい資源を使う前にユーザーに確認を取る。ユーザーはあらゆる決定を確認でき、撤回もできる。同意を得てから、タスクを書き上げて研究室が普段使っている計算資源に投入する——SSH経由の自前HPCクラスタか、あるいはModalアカウントでオンデマンド利用するクラウドGPUだ。規模はGPU1個から数百個まで弾力的に拡張できる。

これらのagentは文脈をメモリに保持したまま1つのセッション内で作業するため、膨大なデータセットであっても読み込みは一度きりで済む。タスクが走っている間も、あの査読agentが同時に成果物をチェックし、誤った引用、たどれない数字、コードと食い違う図表を洗い出して、走りながら自己修正する。

最初から専門家仕様：各種データベースと専門モデルが接続済み

科学知識は数百から数千の専門ソースに散らばっている。生物学だけを見ても、関連データはUniProt、PDB、Ensembl、Reactome、ClinVar、ChEMBL、GEOといったリソースに分散しており、それぞれ独自の構造とクエリ言語を持つ。加えて学術誌、プレプリントサーバー、分野特化型のオープンソースモデルもある。平易な言葉で1つの質問を投げれば、専門家agentがこれらのソースを横断して調べ、統合してくれる——1つずつ手探りする必要はない。

ゲノミクス、シングルセル、プロテオミクス、ケモインフォマティクス向けの設定を内蔵し、60以上のスキルが各種科学データソースへの接続を代行する。画像提供：Anthropic

さらにNVIDIAのBioNeMo Agent Toolkitとも接続しており、BioNeMo内の生命科学モデルやライブラリ——Evo 2、Boltz-2、OpenFold3を含む——にネイティブにつながる。科学者がすでに信頼しているモデル、データセット、パイプラインも合わせて接続できる。どんなパイプラインでも再利用可能なスキルとして保存でき、よく使うツールはコネクタで接続でき、以降のセッションでは自動的に引き継がれる。AIを使うために、これまで信頼してきたツールチェーンを手放す必要はない。

3つの研究室がすでに何を実現したか

この数ヶ月、研究者たちはベータ版でシングルセルRNAシーケンス分析、CRISPRスクリーニング設計、タンパク質構造予測、ケモインフォマティクスなどの作業を行ってきた。3つの事例が導入効果を特によく示している。

今、誰がどう使えるのか

Claude Scienceアプリは現在ベータ版として、macOSとLinux上でPro、Max、Team、Enterpriseユーザー向けに公開されている。TeamとEnterpriseユーザーは管理者による有効化が必要。Anthropicによれば、早期公開の狙いは科学者に実際の課題で先に使ってもらい、磨き込みへのフィードバックを得ることだという。

学術機関や非営利の研究機関で活動する研究室向けには、割引価格のTeamプランの席も用意されている。

変わったのは——これまで散らばっていたツール、計算資源、人手による確認作業が、対話できる1つのAIワークベンチに集約されたことだ。AIが自ら計算タスクを起草し、ユーザーの同意を得たうえで、研究室自前のスパコン（HPC、高性能計算クラスタ）やオンデマンドのクラウドGPU（大規模計算専用チップ）に投入して実行する。

作業をAIに任せると、すぐに2つの古典的な疑問が浮かぶ。計算資源を勝手に操作して機微なデータを外部に漏らさないか?生成される引用や数字は捏造ではないか?次の図で、この2つの問いにどう答えているかを見てみよう。

対話相手はただ1つの「統括agent」（全体を差配するAI)。その裏で専門家集団を招集して分業させる。末端には「査読agent」（他のAIが誤っていないかだけを専任で見張るAI）が控え、逐一チェックし、誤りを見つければ自分で修正する。

公式が出しているのは「10倍速い」といった言い方で、普通の人には実感が湧かない。同じ作業に、従来のやり方と新しいやり方でそれぞれどれだけ時間がかかるかに換算すると——