ニュース概要
TREE NEWS 報道： 8月23日、TechCrunchは、元Google DeepMind研究者らが設立したロンドンを拠点とするAIラボInherentが、公開された科学論文の結果を独立して再現するように設計されたAI研究エージェント「Faraday」を発表したと報じた。ベンチマークテストでは、FaradayはAnthropicのClaude Opus 4.8やOpenAIのGPT-5.5などの最先端モデルを上回り、わずか27億パラメータの比較的小規模なQwen 3.6モデル上に構築されているにもかかわらず、その性能を発揮した。
業界分析
Faradayの成功は、大規模なモデルほど本質的に高性能であるという一般的な前提に挑戦するものである。強化学習を活用して「研究のセンス」—つまり、どの実験に価値があるかを判断し、それをどう設計するかという能力—を育成することで、InherentはAIを単なるパターン認識から仮説駆動型の科学的探求へと押し上げている。このアプローチは、人間の研究者がどのように訓練されるかを反映している。すなわち、既存の研究の再現を基礎として、独自の発見へと進むという方法である。
FaradayがコーディングツールとしてOpenAIのGPT-5.5 Codexを使用しているという事実は、実用的でツールを活用するパラダイムを浮き彫りにしている。独自の能力だけに頼るのではなく、Faradayはオーケストレーターとして機能し、専門的なタスクのために外部モデルを呼び出す—まるで科学者がデータ分析にソフトウェアを使用するように。このハイブリッドなワークフローは、研究におけるAIエージェントの標準となり、より小さく効率的なモデルがその能力を超えて活躍することを可能にするかもしれない。
Inherentのシード資金5,000万ドルと、複数の領域にわたって自律的な発見が可能な「AI科学者」を構築するという野心は、AI研究における新たなフロンティアを示している。しかし、再現による検証に焦点を当てた同社のアプローチは、AIが生成した発見が信頼される前に、その信頼性を確保するための重要な第一歩である。
将来展望
Inherentのトレーニング手法がスケーラブルであることが証明されれば、科学アプリケーション向けのAIモデルの開発方法に変化が見られるかもしれない。つまり、単純なパラメータ数よりも効率性とドメイン専門知識を優先するようになる可能性がある。これにより、高度な研究ツールへのアクセスが民主化され、小規模なラボや機関がテクノロジー大手と競争できるようになるかもしれない。より広範なAIおよび暗号エコシステムにとって、AIエージェントと分散型コンピューティングネットワークやデータマーケットプレイスとの統合は、オンチェーンでのピアレビュー研究やトークン化された科学的発見などの新たなユースケースを解き放つ可能性がある。
Faradayが進化するにつれて、重要な指標は、再現から真の革新へと移行できるかどうか—つまり、新たな検証可能な科学的ブレークスルーにつながる仮説を生み出せるかどうかになるだろう。成功すれば、Inherentは科学におけるAIの役割を再定義するだけでなく、知識の追求においてAIとブロックチェーン技術がどのように連携できるかの前例を打ち立てるかもしれない。
