テンセント・フンユアンがHyra 2.0を公開：問題を解くだけでなく科学モデルを構築するAI
TREE NEWS 報道： テンセント・フンユアンは、科学の問題を直接解くことから、再利用可能な科学モデル、研究ワークフロー、ソフトウェアツールを自律的に開発・アップグレードすることへと移行するAI研究システム「Hyra 2.0」をリリースした。このシステムは、全体（Overall）、ミッション（Mission）、ワーカー（Worker）という3層のエージェントアーキテクチャを採用しており、長期的なタスク管理、並列実験、独立したレビュー、研究経験の蓄積をサポートする。
Hyra 2.0はすでに2つのタンパク質モデルを独自にトレーニングしている。タンパク質設計モデル「HyInv」は、ProteinMPNNよりも57倍高速に配列を生成する。また、6億5000万パラメータのタンパク質言語モデル「HyPLM-Flash」は、比較した12モデルの中で推論速度が最速である。さらに、このシステムは量子エラー訂正、ロボット構造設計、チップ開発でも進展を見せており、オープンソースのRISC-Vプロセッサ「XiangShan」のSPEC CPU2006スコア（1GHzあたりの幾何平均）を5.79%向上させた。関連する成果は、コミュニティによる検証と再利用のために段階的に公開される予定である。
業界分析：問題解決からツール構築へのシフト
Hyra 2.0の意義は、そのアーキテクチャ上の野望にある。現在のAI-for-Scienceシステムのほとんどはポイントソリューションであり、タンパク質構造の予測など、明確に定義された問題に対して答えを出す。対照的に、Hyra 2.0はそのようなソリューションを生み出す仕組み—モデル、ワークフロー、ソフトウェアツール—を構築し、時間をかけてその仕組みを改善することを目指している。これは、研究者が「AI科学者」と呼ぶものへの一歩であり、個々のタスクではなく研究プログラム全体を管理できるようになることを意味する。
3層のエージェント設計は、長期的なタスク管理と独立したレビューを重視している点が注目に値する。全体戦略をミッション実行やワーカーレベルのタスクから分離することで、システムは実験を並列化し、自らの作業をチェックできる。これは、AIが重要な科学領域で信頼されるために不可欠な能力である。研究経験の蓄積は、一種の組織的記憶を示唆しており、システムがプロジェクトを超えて自らのプロセスを改善できるようにする。
タンパク質設計、量子エラー訂正、チップ開発における成果は、その広範さを証明している。タンパク質配列生成の57倍の高速化は、タンパク質設計がボトルネックとなっている創薬や合成生物学のワークフローを大幅に加速する可能性がある。RISC-VプロセッサのSPECスコアの改善は小幅ながら、AI駆動型設計がまだ黎明期にあるハードウェア最適化にシステムが貢献できることを示している。
将来展望：暗号資産と分散型AIへの影響
Hyra 2.0は直接的な暗号資産との関連を持たない汎用AI研究システムだが、再利用可能なモデルとツール、コミュニティ検証、自律的な研究ワークフローへの注力は、分散型AIエコシステムに間接的な関連性を持つ。オンチェーンAIエージェント、分散コンピューティングネットワーク、モデルマーケットプレイスを構築するプロジェクトは、こうしたツールのオープンソース化から恩恵を受ける可能性があり、自らのシステムのベンチマークや改善に活用できるかもしれない。再現性とコミュニティ検証への焦点は、多くの暗号資産AIイニシアチブのオープンソース精神と一致する。
より広範には、Hyra 2.0は科学知識とツールを自律的に生成できるAIシステムへの一歩を表している。これらのシステムが成熟するにつれて、研究の進め方が変わり、知的財産、科学出版、イノベーションの経済学に影響を与える可能性がある。分散コンピューティングとエージェント経済を通じてAIとの交わりを深めている暗号資産業界にとって、こうしたシステムの開発は、オープンで検証可能、かつ再利用可能なAIインフラストラクチャの重要性を強調している。
