AIに向いた問題だけを選んだら、3か月で36本の論文が生まれたのはなぜか。「BootLoops」の中身を確かめる

まず初めに

「AIが科学を変える」系の宣伝文句には、だいたい共通する臭いがある。何でもできる魔法の杖のように語られ、肝心の「どこで失敗するか」の話は小さい注釈に押し込まれる。今回の投稿は、その逆を行っている。著者は最初から「AIの能力と科学的な作業のあいだには、大きな不整合がある」と認め、できないこと――早合点して完了を宣言する、所要時間の見積もりが不正確、延々と計算を続けたがる――を正直に並べてから、その上で「じゃあAIに向いた問題だけを選ぼう」という、えらく地味で正直な作戦に出た。結果は36本の原稿という、それなりに派手な数字になったが、その派手さを支えているのは、過大な期待を最初から捨てた、ある意味で身の丈に合った設計だ。IT Postとしては、この手の「盛らない」AI活用報告こそ、もっと増えてほしいと思う。※個人の感想です

何が起きているのか

Anthropicは2026年10月1日、公式研究ブログの「Science」カテゴリーで「Claude-shaped science」と題した客員投稿を公開しました。執筆者は物理学者のMatthew Schwartz教授(ハーバード大学、Anthropicの訪問研究員)です。発表文は、ツールキット「BootLoops」がAnthropic自身のプロジェクトではなく、Schwartz氏が個人で所有・保守するものであると明記しています。

発表のきっかけは、2025年12月に行われた実験でした。このとき、Claude Opus 4.5は「20倍の速度で動く優秀な大学院生」のように働きましたが、出力の修正作業が多く大変だったとしています。この経験から、Schwartz氏はAIの能力と科学的な作業の間に大きな不整合があると気づき、解決策として「AIが得意とする問題(『Claude-shaped』な問題)を探し、その問題に合わせて作業を組み立てる」という方針を立てました。その成果物として構築したのが、オープンソースの作業基盤「BootLoops」です。

このプログラムでは、3か月間で約400件の候補問題から厳選し、18の分野・19名の共著者による36本の原稿を生み出したとしています。発表文が挙げる具体的な成果は多岐にわたります。素粒子物理学では、半数値的ブートストラップ法という計算手法で、ある論文の結果を約20分で再現しました。著者が同じコードを自分で書くには数週間かかったとされています。楕円積分の計算では、30個の積分をエンドツーエンドで処理し、既知の結果15件を再現したうえ、これまで計算されていなかった15件を新たに得ました。生態学では、バロコロラド島の森林データから、樹種構成の変化が中立理論の予測より4.5倍速いことを示しました。集団遺伝学では、1000 Genomes Projectのデータから57億組の近接する変異の組み合わせを解析し、遺伝子変換の証拠を見出したとしています。

経済学分野では、2名の経済学者と協力し、5つの主要学術誌に掲載された4452本の論文の再現パッケージを、MATLABやStataなどの商用ツールからオープンソースのツールへ、約3万のルーチンとして移植しました。公表された論文の表の数値を検証した成果は、NBER(全米経済研究所)のワーキングペーパーとして公開されています。言語学分野では、3名の言語学者と協力し、6072言語の単語のアクセント(語の強勢)を集めたデータベース「AccStack」を作成し、ほぼすべての項目について判断の根拠となった原文の一節を引用、約16万件の音韻論文献の書誌も整備したとしています。

なぜ重要なのか

今回の報告が重要な理由は、AIを研究に活用する際の、具体的で再現性のある方法論を提示した点です。「AIが得意な問題を選ぶ」「その問題に合わせた作業基盤(ハーネス)を作る」「結果の科学的な意義は人間が検討する」という3段構えの方針は、特定の1分野だけでなく、素粒子物理学から言語学まで18もの異なる分野で成果を出したとされています。

同時に、発表文は課題も具体的に列挙しています。Claudeは作業の完了を早合点しがちで「完了」と言っても実際は未完了のことが多いこと、所要時間の見積もりが不正確であること、自動チェックだけでは信頼できず著者自身が図や結果を確認する必要があること、計算を延々と続ける傾向があるためツールを作るよう誘導する必要があることなどです。研究の価値判断(何が面白いか)は人間が担う必要があるとも述べています。*「できました」という報告を鵜呑みにしない、という基本動作がいちばん効いているのかもしれない。*こうした限界を隠さずに明記したうえで成果を報告している点は、過大な宣伝が目立つAI業界の発表の中では、比較的誠実な内容だと言えます。

私たちへの影響

今回の報告は研究者向けの内容であり、日本の一般利用者が直接何らかの対応を取る必要がある話ではありません。ただし、ここで示された考え方――AIに何でも任せるのではなく、AIが得意な範囲の作業を見極め、そこに合わせた仕組みを整え、最終判断は人間が担うという姿勢――は、研究以外の仕事でAIツールを使う場面でも参考になる視点です。AI導入の成否は、AI自体の性能よりも、どの作業にどう使うかという使い方の設計で大きく変わることを、今回の事例は具体的な数字とともに示しています。

初心者が知っておくべきこと

「ハーネスはーねす」とは、AIが作業しやすいように整えられた、入出力や検証の仕組みを含む作業基盤のことです。BootLoopsはこのハーネスの一例です。「再現性さいげんせい」とは、ある研究の手法や結果を、別の人が同じ手順で確認できることを指します。経済学分野での取り組みは、既存の論文が実際に再現できるかどうかを検証する作業でした。「オープンソース」とは、ソフトウェアの設計図(ソースコード)を公開し、誰でも自由に使ったり改良したりできるようにする公開方式のことです。

Q. BootLoopsはAnthropicの公式ツールなのでしょうか。 A. いいえ。発表文は、BootLoopsがAnthropicのプロジェクトではなく、著者のSchwartz氏が個人で所有・保守するオープンソースの作業基盤であると明記しています。

Q. Claudeに任せれば、研究作業はすべて自動化できるのでしょうか。 A. 発表文によれば、そうではありません。Claudeは作業の完了を早合点しがちな点、所要時間の見積もりが不正確な点などの課題が明記されており、研究の価値判断は人間が担う必要があるとされています。全自動化ではなく、人間が問題を選び、結果を監督する体制が前提になっています。

IT Postの見方――「できないことを先に言う」姿勢がいちばんの美点

IT Postが今回の報告でいちばん評価したいのは、成果の数字そのものより、できないことを隠さずに並べた姿勢だ。早合点して「完了」と言いがち、時間の見積もりが不正確、放っておくと計算を延々と続ける――これらは、AIを実務で使ったことがある人なら誰もが一度はうなずく、生々しい弱点だ。多くのAI企業の発表は、こうした弱点を小さな注釈に押し込めて、成果だけを前面に出したがる。

今回はその逆で、弱点を先に認めた上で、「だからこそ向いた問題を選ぶ」という工夫で乗り越えている。36本の原稿という数字が派手に見えるのは、AIの汎用的な賢さの証明ではなく、むしろ人間側の問題選びと監督が機能した証拠だ、とIT Postは見ている。AIの導入事例を評価するときは、成果の数字だけでなく、こういう「どこで人間が踏ん張ったか」という部分までセットで見る方が、話半分の期待に踊らされずに済むのではないか。※個人の感想です

今後どうなりそうか

発表文によれば、BootLoopsの技術的な詳細はbootloops.aiで公開されているとしています。経済学分野の成果はNBERワーキングペーパーとして既に公開されており、今後も分野を広げた取り組みが続く可能性がありますが、具体的な次の計画は発表文には示されていません。IT Postでは、BootLoopsを使った新たな研究成果や、他の研究者による採用例が報告された際に、あらためて取り上げます。