AI が薬を設計する、『失敗から学ぶ』仕組みを初搭載

『AI エージェント』って、ChatGPT とか画像生成 AI と何が違うの？自分で判断して動くってこと？

「自分で判断して動く」というのは、その通りなんです。 ChatGPT や画像生成 AI は、あなたがプロンプトを与えるまで待ってる状態。「こういう文章を書いて」と指示があってはじめて動く。でも AI エージェントは違う。目標が与えられたら、そこへ到達するための手段を自分で選んで、試して、失敗したら別の手段を試す。その過程で「あ、このやり方だと失敗しやすいな」と学習していく。 今回の DrugHarness で言えば、「こういう性質を持つ薬を作りたい」という目標を与えると、AI が自分で「分子構造をいじってみるか」「活性をまず測ってみるか」と判断して実験を進めていく。人間の化学者みたいに、試行錯誤の流れを自分で設計する能力がある。 生成 AI は「答える機械」で、エージェント AI は「目標に向かって問題を解く機械」という感じ。だから実験や現場でのタスク、ロボット制御みたいな「試してみて改善する」という繰り返しに向いてるんです。薬開発はまさにそういう試行錯誤が本質なので、ようやくエージェント AI が活躍する領域になってきたと言えそうです。

AI が薬を設計できるようになると、病院で処方される薬とか、薬の値段とか、何か変わるの？

薬の値段という視点から考えると、変わる可能性があります。 現在、新薬開発には10年以上の年月と1000億円近い投資がかかります。失敗の連続だからです。その莫大なコストは最終的に患者が払う薬代に上乗せされている。AI が試行錯誤の期間を大幅に短縮できれば、開発コストが下がる。すると製薬企業の利益率が改善するか、あるいは価格競争が起きやすくなるか、いずれかで消費者に還元される可能性がある。 ただ、病院で処方される薬がガラッと入れ替わるかというと、それは別の話です。既存の薬の安全性は何十年もの臨床実績で確認されている。AI が作った新しい薬も、結局は人での治験を積み重ねないと医療現場には登場しません。むしろ当面は「既にある薬よりも効く新薬が、少しずつ増えていく」という緩やかな変化になるのかもしれません。 変わるのは、医療の風景というより、製薬企業の経営戦略と、新薬開発の民主化。資金力がなかった企業や研究機関も、AI を使えば薬を作れる時代になっていく、という方が実感としては近そうです。

これまで『薬の設計は人間にしかできない』と思われてたけど、ここ数年で AI の力が急に上がったってこと？

薬の設計がAIにできるようになった理由を考えると、技術が急に上がったというより、問題の立て方が変わった、という方が近いのかもしれません。 これまでAIは「正解を教えてもらう」ことで強かった。例えば過去の成功事例をひたすら学ぶなら、計算量が増えるだけでできます。でも薬開発は、失敗のパターンも膨大で、その失敗からどう次に活かすかは、単なる記憶では処理しきれない。だからこそ「人間の試行錯誤の才能」に見えていたわけです。 DrugHarnessが新しいのは、AIが自分で実験して、失敗を記録し、そこから「次はこれ」と判断する循環を作ったこと。つまり、AIが人間みたいに失敗から学ぶ過程そのものを組み込んだんです。技術自体は機械学習や大規模言語モデルの延長線上にあるかもしれませんが、それを「試行錯誤のループ」という薬開発の本質に合わせる工夫が、ここでの勝負だった、と言えそうです。

これって要するに『失敗を積み重ねて、自分で判断ルールを作る』という学習の本質を、機械が手に入れたってこと？

本質的には、そういうことなんですが、一つ重要なポイントがある。これまでの AI は「失敗データ」を受け取ることはできました。ただ、その失敗が「なぜ起きたのか」を自分で実験し直して検証する、という段階を踏めなかった。 DrugHarness の仕組みを見ると、AI が実験して、失敗を記録して、その失敗を別の条件で再現してみて、初めて「この操作はこういう場面で効く」という法則にたどり着いています。つまり、単に失敗を学ぶのではなく、失敗を『再現可能な知識に変換する』プロセスを自分で回してる。それを検証用 AI が確認する二重構造。 ここが機械学習と違う点だと思います。従来の機械学習は、人間が大量の失敗データを用意して初めて動く。でも今回は AI 自身が「次はどう試そうか」を決めながら失敗を作り出していく。その意味では、創造的な試行錯誤の入口に立ったと言えそうです。

AI が薬開発を早められるなら、逆に『今まで新薬開発で生計を立ててた人たち』の仕事はどうなるの？

薬開発の現場を想像してみると、実は化学者の仕事は二つに分かれてるんですよね。一つは「何度も試して、条件を探る」という試行錯誤。もう一つは「その試行錯誤から何が分かったのか解釈する」という思考の部分です。 DrugHarness は前者をやってくれる。だから化学者は、AIが見つけた『この条件が効く』という結果を見て、『なぜそれが効くのか、分子レベルでは何が起きてるのか』を追い求める時間が増える可能性があります。つまり、退屈な実験の繰り返しから解放される。 ただし、短期的には確実に需要は変わります。ルーチンワークだけで成り立ってた職は消える。でも医薬業界全体で見ると、AIに実験を任せた分、むしろ新しい研究テーマに手をつけやすくなる。人手が増えるわけではなく、配置が変わるというか、同じ人数でより難しい問題に取り組める状態になっていくのかもしれません。