2026年度 人工知能学会全国大会「AIおよび機械学習分野における継続運用のための 自動研究システムの開発」

2026年度 人工知能学会全国大会（第40回）「5L1-OS-30」進化するAIサイエンティスト」

Transcript

1. 1 AIおよび機械学習分野における継続運用のための 自動研究システムの開発 ＊9 ＊9 2026年度 人工知能学会全国大会（第40回）「5L1-OS-30」進化するAIサイエンティスト」 Design and Implementation of an Automated Research System for Continuous Operation in the Fields of Artificial Intelligence and Machine Learning
2. 2 自己紹介 • 所属 ・株式会社NexaScience Cofounder & CTO https://www.nexascience.com/ ・理化学研究所 客員研究員 • 書籍 ・「先輩データサイエンティストからの指南書 -実務で生き抜くためのエンジニアリングスキル」 浅野 純季 (著), 木村 真也 (著), 田中 冬馬 (著), 武藤 克大 (著), 栁 泉穂 (著) 技術評論社 • Contact ・Email：toma.tanaka@nexascience.com ・X：https://x.com/fuyu_quant ・Linkedin：https://www.linkedin.com/in/fuyu-quant/
3. 3 導入・背景 〜2023 モジュールの開発 2024 研究サイクル全体の統合 2025〜 スケール・協調・実用レベルへ Coscientist Carnegie Mellon PaperQA FutureHouse ChemCrow EPFL / FutureHouse など 特定タスクの自動化にフォーカス The AI Scientist (v1) Sakana AI Virtual Lab Stanford / CZ Biohub アイデア→実験→執筆→査読を統合 AI co-scientist Google The AI Scientist-v2 Sakana AI Robin FutureHouse Kosmos Edison Scientific / FutureHouse 多様なシステムの乱立 △ 2024年以降、Research Agent 型の研究自動化システムが相次いで登場 「個別タスク」から「研究サイクル全体の統合」へ、さらに「スケール・協調・実用レベル」へと進化
4. 4 現在の課題：自動研究システム開発の断片化 個別の検証としての実装が先行し、再利用・連携・継続的発展が難しい状態にある 個別最適な 検証のための実装 • 論文・デモ・特定タスクの 概念実証を目的として開発 • 汎用的な利用や継続的な拡 張まで設計されていない システムごとに 構造が閉じている • 研究プロセス、データ構 造、内部モジュール、実 行環境がシステムごとに 独自化 • 他の研究システムや外部 ツールとの接続が困難 3 再利用・発展が 難しい • 一度作った仕組みを別の 研究テーマや別のシステ ムで再利用しにくい • 新しい自動研究システム を作るたびに、同様の機 能を再実装する必要があ る 時間とともに 陳腐化 • 長期的に維持されにくく、 検証後に使われなくなる 実装が増える
5. 5 提案 「継続的に改善・運用できる研究基盤」のOSS(オープンソースソフトウェア) AIRASを開発 疎結合なアーキテクチャ設計 共通データ構造（スキーマ）の 定義 実行履歴の一元管理とGit連携 • 研究プロセス全体を独立した「部品（モジュ ール）」として設計 • 共通の入出力形式を守れば、個別に差し替 え・更新が可能 • AIが生成した計画を人間が修正して再投入す るなど、柔軟な運用が可能 • 工程間で受け渡される中間生成物の形式を 「共通スキーマ」として明示的に定義 • 接続仕様が明確になり、後続工程で必要な 情報の欠落を防止 • エージェントの思考過程・コード生成・ 実験結果・失敗試行まで全て記録 • 生成された実験コードをGitHubリポジ トリとして管理し、コミット履歴で変遷 を追跡 • 再現性・透明性を確保できるため改善し やすい
6. 6 疎結合なアーキテクチャ設計 文献調査 仮説 実験 分析 論文作成 AIRAS 人間 AIRAS AIRAS AIRAS 引用元：https://sakana.ai/ai-scientist-first-publication/ Sakana AIが開発した自動研究システム ※ AI Scientist V2も文献調査から論文作成まで実行できます。 ※簡易的な研究プロセスを記載しています 人間や様々な自動研究システムと連携を行うための設計思想 途中までを別のシステムで実行したり、人間が生成結果に変更を加えて実行できる 独自の研究システム AI Scientist V2の一部
7. 7 実行履歴の一元管理とGit連携 AIRASでは、実験に用いたソースコード、実験のログ、生成した論文の全てをGitHubで管理 自動研究の情報全てを管理 実験ログの保存 生成した論文
8. 8 自動研究の実行結果と現状の課題 • 入力：「拡散モデルの効率化の研究」 • 出力： 「Reversible Modular Chunked Diffusion (RMCD)」と いう新規手法を論文の形式で提案 • 分析： ・ 25件の関連文献 ・ 807行のPythonコードを自動生成 ・ 標準的な学会投稿形式を備えた原稿（約2.7万文字、 図7枚）を生成 • 自動レビュー機能による評価 ・ 再現性スコア： 高スコア ・ 実験品質スコア： 10点中3点と低い評価
9. 9 今後の展望 AIRAS 自動研究の標準化 様々な分野への研究自動化を展開 • 分野を跨いでも研究プロセスの共通部分は存在す る • 多様な分野の自動研究に応用可能な基盤として活 用できるよう整備 ロボティクス ライフサイエンス マテリアル 引用元：https://36kr.jp/326541/ https://monoist.itmedia.co.jp/mn/articles/1507/29/news080.html https://www.chemicaldaily.co.jp/blog/column_chem_06 引用元：https://github.com/autowarefoundation/autoware • 誰もが検証、改良に参加できるOSSとして開発 • 自動研究ソフトウェアの国際標準を築き、自動研 究における「Autoware」(自動運転のOSS)を目指 す 自動研究の標準化と様々な研究分野への自動研究の普及を目的としたOSS
10. 10 共同研究・メンバー募集 組織 理化学研究所 最先端研究プラットフォーム連携（TRIP） 事業本部科学研究基盤モデル開発プログラム（AGIS） 科学研究用共通基盤モデル開発チーム チーム • チームディレクター：牛久 祥孝 • リーダー：熊谷 亘 募集 • AI for Science に興味のある研究者 • AI for Science に興味のあるエンジニア グローバルスタンダードを目指す 自動研究システムを一緒に作りませんか 参考：TRIP-AGIS: 理研のAI for Science Project