本研究プロジェクトでは、研究者とAIが融和して、 2050年にノーベル賞級の研究成果を生み出せる世界を目指します。研究や開発に従事する人材の生産性を、論文のみならず、特許も含めた創造的活動まで含めて加速する基盤技術を開発します。目標３の３つのターゲットでは、「原理・解法を発見するAIロボット（自律実証）」の中に位置づけられます。
現在でも世界中で実験科学を加速するAIやロボットの研究開発が進んでいます。実験科学では、実験をしてその解析を踏まえて資料を作成しつつ、新たな発見の気づきを得て仮説を立ててまた実験し…というループを繰り返します。仮説が先行する場合も実験が先行する場合もあり、ビジネスにおけるPDCAサイクル (Plan-Do-Check-Act cycle)やOODAループ (Observe-Orient-Decide-Act)ループと似ています。現在の実験科学のためのAIやロボットは、これらの各ステップのいずれかに注目して行われています（図1）。

現在、ChatGPTに代表される大規模言語モデルが注目を集めています。このバックボーンになっているGPT (Generative Pre-trained Transformer) も含めた「基盤モデル」と呼ばれるものが、その多様な使い方で注目されています。では、なぜ多様な使い方ができるようになったのでしょうか。それは、あらかじめ大規模なテキストデータの単語の並び（言語モデル）を学習させた上で少しだけ入出力の例を教えてあげると、多様なタスクを充分な精度で推論できることが分かったためです。
本研究プロジェクトで目指すAIサイエンティストは、なるべく少数の実験科学のデータや、人間の研究者からの教示をもとに賢く学習できる必要があります。また、先ほど述べたようなループの多種多様なプロセスをこなす必要があります。