2026年9月18日

ショートレポート　AI for Science Spotlights Vol.5
「AI時代の科学研究システムをどう再設計するか ―米国『Science: A New Golden Age』にみるAI for Scienceとメタサイエンス」

PDFをダウンロード

Points

（画像は生成AIを用いて作成）

米国大統領府科学技術政策局は2026年7月、米国の科学研究システムのあり方を包括的に問い直す報告書『Science: A New Golden Age（科学：新たな黄金時代）』を公表した。
科学研究システムをAI時代にふさわしいものに刷新するため、研究資金配分（ファンディング）、科学出版、評価、研究組織などを含む、科学研究インフラの改革が必要だと指摘している。
このような刷新には「メタサイエンス」または、科学そのものに科学的検証を適用する「Science of Science」と呼ぶような、科学研究システムをより良いものとしていくための実験と改善を継続していくことが重要だと示している。

AI時代の科学研究システムを問い直す

AI for Scienceの進展に伴い、研究者の研究活動の効率向上だけでなく、ファンディング、科学出版、評価、研究組織など、科学研究システム全体をまき込んだ、総体的な再設計が求められつつある。本稿で注目する米国大統領府が公表した報告書は、その改革の1つとして、メタサイエンスを制度に組み込む提起を示している。

『Science: A New Golden Age（科学：新たな黄金時代）』

米国大統領府科学技術政策局（Office of Science and Technology Policy: OSTP）のマイケル・クラツィオス局長は2026年7月、報告書『Science: A New Golden Age（科学：新たな黄金時代）』（図1右）を公表した^[1]。これは、2025年3月にトランプ大統領からクラツィオス局長に宛てた書簡で、「21世紀の変化を踏まえ、米国の研究開発エコシステムを再検討する」よう、要請を受けてまとめられたものである。

1945年、ヴァネヴァー・ブッシュは、第二次世界大戦後の米国の科学技術政策に大きな影響を与えた報告書『Science: The Endless Frontier（科学：果てしなきフロンティア）』（図1左）^[2]をまとめた。同報告書は、科学者の自由な探究を尊重しつつ、基礎研究への連邦政府による継続的な支援の必要性を説き、基礎研究の成果が応用研究や技術開発を通じて社会に還元されるという、後に「リニアモデル」と呼ばれる考え方の基礎となった。今回の報告書は、それから約80年を経て、科学技術を取り巻く環境の変化を踏まえ、米国の科学研究システムのあり方を改めて提示するものである。

図1　（左）『Science: The Endless Frontier（科学：果てしなきフロンティア）』（1945年）の表紙、
（右）『Science: A New Golden Age（科学：新たな黄金時代）』（2026年）の表紙

鈍化するブレークスルー

『Science: A New Golden Age』（以下、報告書と呼ぶ）の背景にある問題意識の一つは、研究開発投資が長期的に増大してきたにも関わらず、重要なブレークスルーが生まれるペースは鈍化しているように見える、との点にある。報告書によれば、今日の研究者は、しばしば業務時間の半分近くを書類作成や事務作業に費やしており、連邦政府や大学における官僚機構の拡大によって、その負担はさらに重くなっているという。こうした状況は、研究そのものに優れた科学者よりも、研究管理に長けた科学者が評価されやすくなるという、歪んだインセンティブ構造にもつながっているとしている。

報告書は提言を4つの柱に整理し、その１つとして、「Launch a New Golden Age Powered by AI for Science（AI for Scienceを原動力とする「新たな黄金時代」の実現）」を掲げている^[3]。科学的発見を飛躍的に加速するため、「Genesis Mission」（ショートレポートVol.3^[4]参照）を米国のAI for Scienceを代表する中核的イニシアティブとして十分に資金支援し、その規模を拡大することを求めている。近年のAI革命に伴う動きはこのように、科学研究の進め方そのものを大きく変えつつある。では、科学研究へのAIの浸透によって、鈍化が指摘されるブレークスルーの創出は再び加速するのだろうか。

本当のボトルネックはどこにあるか

報告書では、次のように述べている。“AIは科学研究を加速させ、その進め方を根本的に変えるだろう。しかし、どれほど高性能なAIモデルであっても、前世紀を前提として構築された制度やシステムがボトルネックとなれば、その能力は十分に発揮できない。米国の科学を支える研究基盤を刷新する際には、AI時代を前提とした形へと再設計する必要がある”。本報告書の核心の1つは、この点にある。

現在の科学研究システム（Scientific Enterprise）――研究機関のあり方、研究資金の配分制度、研究評価の仕組み、研究インフラ、科学出版など、科学研究を成り立たせる要素の総体――は、絶え間ない実験と改善を促す「市場の選択圧力」が働きにくいなかで、長年にわたり運用されてきた。そのため、AIによって急速に変わりつつある現代の科学研究に適応できておらず、その恩恵を最大限に引き出す準備が十分に整っていないという。

AIは個人の生産性を向上させても、科学全体のブレークスルーを増やすとは限らない

経済学でいういわゆる、「合成の誤謬」の問題もある。報告書では、森林火災を題材にして、次のような興味深い例えを述べている。“米国は約1世紀にわたって森林火災を積極的に抑え込んできた。一つひとつの消火活動は、明らかな成功に見えた。しかし、小規模な火災まで防いだことで、枯れ木や密生した低木、乾燥した下草といった燃料が蓄積した。その結果、避けることのできない火災が発生した際には、より制御困難な巨大火災へと至ることとなった”。

科学におけるAIも、同様の結果を招くおそれがある。AIの導入によって、たしかに、研究者一人ひとりの生産性は大きく向上するかもしれない。AIの力を借りれば、研究提案書をより多く作成し、より多くの実験を行い、より多くの論文を執筆し投稿することが可能になる。そうすれば一見、科学全体の生産性も大きく向上するように思われるかもしれない。

しかし、「より多くの研究成果物を生み出すこと」自体が科学の進歩の主要な律速段階であったなら、すでに私たちは、「科学の黄金時代」を迎えているはずである。実際、過去数十年間に論文数、研究者数、研究開発投資はいずれも大幅に増加してきたが、それに対応してブレークスルーの創出速度が同様に加速したわけではない、と報告書は指摘する。

したがって、AI for Scienceの台頭は、AIとの共創によって大量に生み出される研究提案や研究成果の中から、何に資金を配分するのか、何を出版するのか、何を評価するのか、そして得られた知見をどのように検証し活用するのかという、科学研究システム側の仕組みの改革を求めている。

科学そのものを科学する「メタサイエンス」

報告書では、「メタサイエンス（Metascience）」という言葉が繰り返し登場する。メタサイエンスとは、科学的探究の対象を科学そのものに向け、研究資金配分や研究組織、評価制度などについて実験と検証を行うことで、科学研究システムにおいて何が有効に機能するのかを明らかにし、継続的な改善につなげていく取り組みである（科学技術振興機構研究開発戦略センター（CRDS）では2023年よりメタサイエンスに関する調査を実施してきた。文献^[5]^[6]^[7]も参照されたい）。

近年、メタサイエンスやサイエンス・オブ・サイエンス（Science of Science）を標語に掲げ、研究者や政策立案者、資金配分機関、フィランソロピーなど、多様なステークホルダーの間で、より良い科学を目指そうとするムーブメントが広がっている。これは、世界的な潮流となりつつある。

その先駆的な例の一つが英国である。英国政府（ビジネス・イノベーション・科学・貿易省：BIST）と英国研究・イノベーション機構（UKRI）による共同ユニット「メタサイエンス・ユニット（Metascience Unit）」は、ミッションとして、科学的手法を科学システムそれ自体に適用し、政策や資金配分、査読制度、研究評価などについて科学的に検証・改善することを目指している^[8]。

同ユニットでは2024年よりメタサイエンスに特化した研究助成（UKRI Metascience Research Grants）を実施しており^[9]、2026年には第2回公募が行われた（年内には結果公表見込み）^[10]。特に注目されるのは、第2回公募において、「AI for Scienceの科学（Science of AI for Science）」が対象テーマとして指定されたことである。AIの導入が研究環境をどのように変えつつあるか、それが科学的進歩をどのように促進あるいは阻害するか、さらに政府、産業界、資金配分機関がどのように対応すべきかを研究する提案が募集された。

このように、AI for Scienceが科学を、さらには科学研究システムをどのように変容させるのか、そして、それに政策はどう対応していくのかについて、学術・政策の両面から関心が高まっている。
報告書では、こうしたメタサイエンス機能を連邦政府の関係機関に、組織的に組み込むことを提案している。各機関に設置すべきとしているメタサイエンス・ユニットは、サイエンス・オブ・サイエンス、プログラム評価、データ分析などの専門家を配置し、資金提供ポートフォリオを定期的に検証するとともに、新たな審査・資金配分手法を試行できるような高い階層に置くべきだと説明している。

以降では、このメタサイエンスに関連して、報告書で言及されている主な事項を紹介する（図2）。

図2　メタサイエンスが問うAI時代の科学研究システムのゆくえ（CRDSが作成）

ファンディングを「実験」する

研究資金の配分制度において従来から広く実施されてきた「ピアレビュー」方式は、一定水準以上の研究提案を見極めるうえで、これまで重要な役割を果たしてきた。一方で報告書は、この方式は、卓越した研究と単に優れた研究を区別することや、非主流・高リスクな研究提案を適切に評価することに限界があると指摘する。また、採択率が低くなる制度ほど審査者間の評価のばらつきや偶然の影響が大きくなり、コンセンサスを重視する審査では、評価が大きく分かれる大胆な提案よりも、幅広い支持を得やすい無難な提案が選ばれやすくなる。

こうした問題は広く認識されているものの、現状維持のまま続けることの弊害が表面化しにくいため、改革は進みにくい。その結果として、ブレークスルーに必要なリスクテイクを妨げている可能性があると言われる。

これ対し近年、誰が、何を、どのような基準・プロセスで選ぶのかという、ファンディングのメカニズムそのものを実験対象とする動きが広がってきている。報告書では、表1にまとめたような多様なアプローチが紹介されている。これらは、意思決定の迅速化や分散化などそれぞれ異なる方法で、従来型のファンディングを補完しようとするものである。

表1　多様なファンディング手法（報告書^[1]を基にCRDSが作成）

こうしたファンディング手法の改革が、AI時代の科学研究に必要とされる。背景として第1に、AIによって研究アイデアの創出や申請書作成の労力が下がれば、提案数が膨大となり、審査自体が重大なボトルネックとなり得る。第2に、AIによって多数の仮説やアイデアを低コストで探索できるようになれば、少数の提案を事前に厳しく選抜するだけでなく、小規模・短期間の支援を広く行い、得られた結果を踏まえて追加投資する方式が有効になる可能性も考えられる。第3に、AI技術の進展は極めて速く、研究内容を数年間にわたり固定する詳細な計画を事前に評価する方式は、必ずしも適さないだろう。

実際、わが国では、文部科学省が2026年度に開始した「AI for Science萌芽的挑戦研究創出事業（SPReAD）」^[11]では、2回の公募を通じて計1,000件程度の採択を予定していたところ、第1回公募には15,868件、第2回公募には17,914件という、多数の応募が寄せられた。SPReADでは、わが国で初めての実施となる「無作為抽出」やAIの補助的活用が選考に組み込まれ、機動的かつ挑戦的な審査・採択が試みられた。その結果は今後分析して、さらなる改善につなげることが期待される。

重要なことは、従来のピアレビューを一律に、別の方式へ置き換えることではない。研究の性質、不確実性、時間軸、実施主体、技術成熟度などに応じてファンディング・メカニズムを使い分け、それぞれの効果を実験・検証しながら、改善していくことが肝要となる。

AI時代に求められる科学出版システムと検証システム

学術ジャーナルを中心とした現在の科学出版システムは、すでに急増する論文数への対応に課題を抱えている。AIによって研究成果を大量に生成できるようになれば、その限界はさらに顕在化する可能性がある。またAI時代には、論文数、被引用数などの既存の指標がより一層、「攻略可能な対象（gameable targets）」となる懸念もある。近年ではプレプリントやデータリポジトリなど、研究成果を迅速かつ継続的に公開・レビュー・検証していく、新たな形も広がりつつある。報告書では、こうした仕組みは研究者を、「出版可能な単位」への最適化から解放し、より創造的かつ協働的になり得ると指摘する。

また、AIによって研究成果の生産速度が飛躍的に高まれば、それを検証する人間側の能力が追いつかなくなるおそれがある。さらにAIはしばしば、誤りを含んだ成果や原理的に再現不可能な成果を生み出すことがあり、「生産する能力」と「検証する能力」の乖離が、深刻な問題として浮上する可能性がある。

こうした問題を背景に、報告書では、2025年5月の大統領令「Restoring Gold Standard Science（ゴールドスタンダード・サイエンスの回復）」^[12]に言及している。同大統領令は、連邦政府が資金提供する研究開発について、再現可能性、透明性、誤差や不確実性の明示、反証可能性、偏りのない査読などの原則に沿うことを求めている。AIによって研究活動の効率が高まるからこそ、それに見合う規模・速度・正確性を備えた検証能力を同時に構築することが、科学の信頼性を維持するうえで不可欠となる。

新たな研究組織モデル

AI for Scienceの本格的な推進のためには、従来の大学研究室や国立研究所、企業だけでは担いにくい研究課題に対応する、新たな研究組織形態が必要となる場合もあるかもしれない。例えば現状、数千万ドル規模の資金・10〜100人程度のチーム・5年前後の期間で進める「中規模科学（mid-scale science）」は、大学が実施するには組織的負担が大きい。一方で、企業が実施するには商業化までの距離が遠い、あるいは公共財的性格が強いなどのことから、既存制度だけではギャップが生じやすい。

こうした空白を埋めるモデルとして、報告書では、Focused Research Organization（FRO）^[13]^[14]と呼ばれる組織形態を紹介している。FROは、特定の科学的ボトルネックを突破することを目的として設計される、期間限定の非営利研究スタートアップのような組織形態である。専門のエンジニアや研究者を雇用し、組織として知識や経験を蓄積しながら、独占的な知的財産ではなく、オープンデータセット、プラットフォーム、ツールといった公共財を生み出す。明確に定義された技術的マイルストーンを追求し、ミッションを達成すれば活動を終了し解散する。

また、米国国立科学財団（National Science Foundation :NSF）が進めるX-Labs^[15]も紹介されている。X-Labsは、大学外の独立研究組織に対し、フルタイムの研究チーム、運営上の自律性、マイルストーン型の資金を組み合わせた支援を通して、技術的ブレークスルーの実現を目指している。

AI for Scienceにおいても、こうした機動的かつチーム型の新たな研究実施主体を、既存の大学、国立研究所、企業などと組み合わせていくことが、有効となる可能性がある。

AI時代の科学研究システムを設計する

報告書と同時に公表された『FY2028 Administration Research and Development Budget Priorities（2028会計年度研究開発優先事項覚書）』^[16]では、報告書の提言を実装するための具体的な方向性を示している。各連邦機関^[注1]に対して、メタサイエンス機能の設置も含めた「研究開発上の優先的取り組み」の実施方針について、90日以内にアクション・プランを提出することを求めている。この動きは早くもすでに始まっており、NSFは2026年9月10日、Office of Metascienceの設置を含む方針を公表した^[17]。

報告書で提示された構想が、各連邦機関の施策として具体的にどのような形で落とし込まれていくかが注目される。AI for Scienceの進展とあわせて、それを支える「科学研究システム」を改善・刷新する継続的な試みが、今後本格化していくと考えられる。また、2026年9月にはOECD Blue Sky Forum 2026^[18]が開催され、メタサイエンス関連のセッションが企画されるなど、国際的な議論も進んでいる。

わが国においても、上述したSPReADなど、従来にはなかった新たな取り組みが始まっている。今後は、こうした取り組みを試行錯誤のうえで検証・改善させていくとともに、AI時代の新たな科学研究システムのあり方を模索していくことが重要になっていくだろう。

（阪口幸駿・澤田莉沙・杉村佳織・永野智己）
2026年9月18日