PSIがAIで量子計算20年来の難問を解読、科学的発見をビジネスに変える挑戦

大半のAI企業がチャットボットやコードアシスタントのユーザー獲得競争を繰り広げる中、PSIというスタートアップははるか遠くに目を向けている。人工知能を使って科学研究そのものを行い、それを収益源にするというビジネスだ。TechCrunchの報道によれば、PSIはAnthropicが未公開の大規模モデルを活用し、量子計算分野の科学者たちが約20年間追い求めてきた基礎的な問いに答えたという。

この報道が重要な理由は、二つのキーワードにある。一つは「未公開モデル」、もう一つは「約20年」だ。前者は、最先端のAI研究所が最も高度な能力を特定のパートナーに優先的に提供していることを示している。後者は、AIが基礎科学において「補助ツール」から「問題解決者」へと役割を転換しつつある可能性を示唆している。

約20年間未解決だった問い

量子計算は次世代の計算パラダイムの中心的な候補と見なされているが、長年にわたり一連の基礎的な問題に悩まされてきた。量子システムはどこまで効率的にシミュレートできるのか。量子優位性の境界はどこにあるのか。古典的なコンピュータが永遠に追いつけない問題とは何か。これらの問いは抽象的に見えるが、量子ハードウェアの設計方針や商業化のスケジュールを直接左右する。

過去約20年間、科学者たちはこうした問いに関して数多くの仮説や部分的な証明を提示してきたが、学界を納得させる完全な答えは依然として得られていなかった。PSIはAnthropicのモデルを活用することで、この分野においてブレークスルーを達成したと主張する。具体的な技術的詳細はまだ公開されていないが、このケース自体すでに注目に値する。大規模モデルは「コードを書いたり要約を作ったりする」だけの存在でなく、最も高度な理論的推論に参加し始めているのだ。

PSIは未公開のAnthropicモデルを活用し、量子計算分野の科学者たちが約20年間追い求めてきた基礎的な問いに答えた。

「未公開モデル」の活用が意味するもの

「未公開モデル」という言葉は味わい深い。PSIが手にしたのは誰でも使えるAPIではなく、Anthropicの研究所でより先進的で能力が高く、おそらくより不安定な段階のバージョンだということを意味する。Anthropicにとってこれは典型的な最前線の展開戦略だ。モデルを少数の高価値なユースケースに提供することで、実際のフィードバックを得るとともに、「AIが真の科学を実現できる」という実績を打ち立てることができる。

PSIにとって、これは機会であると同時に弱点でもある。機会は、競合他社よりも早くモデルの能力の上限に触れられることだ。弱点は、同社の中核的な生産力が他者のモデルの上に成り立っているという点だ。モデルのバージョンが更新されたり、アクセス権限が変更されたりした場合、同社の技術的な競争優位はたちまち失われかねない。

科学的発見をビジネスに変える

PSIの野心は論文を一本発表することにとどまらない。同社の目標は「AIによる科学的発見」を製品化することだ。顧客が難問を提示し、PSIがAIモデルと分野の専門家を組み合わせて検証可能な答えや方向性を提供し、プロジェクト単位、サブスクリプション、または成果報酬で課金するモデルを想定している。この手法はIsomorphic Labsなど「AI創薬」企業のアプローチと類似しているが、PSIはその範囲をより広く設定している。量子計算、材料科学、物理学など、計算と推論によって前進できる分野であれば、すべてが潜在的な市場となりうる。

このビジネスの論理は理解しやすい。基礎科学のブレークスルーは非常に高い価値を持つ一方、従来の研究開発サイクルは極めて長い。AIを活用して「問題から仮説まで」の期間を数年から数ヶ月に短縮できれば、企業顧客が支払うプレミアムはかなりの規模になるだろう。難しいのは、科学的発見がソフトウェアのサブスクリプションのように月単位で請求できないことだ。価格設定、知的財産権の帰属、「この発見はAIの功績だ」という証明—これらはいずれも未解決のビジネス上の難題だ。

AI for Scienceという分野の加熱

PSIは孤立した事例ではない。DeepMindのAlphaFoldがタンパク質構造予測に革命をもたらして以来、AIを使って新材料を探索し、薬物を設計し、実験を最適化する複数のスタートアップが登場している。AI for Scienceはすでに資本と大手企業が共同で賭けを置く方向性となっている。自動化実験室、科学基盤モデル、AIサイエンティストエージェントといった概念が次々と生まれている。

しかし熱狂の裏側で、真の分水嶺は「検証可能な発見」にある。AIは大量の仮説を生成できるが、その大半は誤りである可能性がある。科学コミュニティの判定権は依然として実験と査読の手に委ねられている。AIの仮説から実験的検証までのクローズドループを構築できた者こそが、科学的発見を持続可能なビジネスに本当に変えることができる。

光輝の背後にある三重の試練

PSIの物語はいまだ光輝に包まれているが、少なくとも三重の試練が目の前に立ちはだかっている。第一はモデル依存だ。未公開モデルを使用することは不確実性を意味し、商業化された製品はいつでも変化しうるブラックボックスの上に成り立つことはできない。第二は科学的検証だ。量子計算の問いに対する「答え」には数学的証明または実験的裏付けが必要であり、AIの出力は学界の審査に耐えなければならない。第三は商業的なクローズドループだ。デモンストレーションから有償顧客の獲得までには、長い信頼構築のプロセスが横たわっている。

より広い視点から見れば、PSIの挑戦は業界全体が考えるべき問いを提起している。AIが真に科学的な知識を生み出し始めたとき、その価値はモデル提供者、応用企業、そして科学コミュニティの間でどのように配分されるべきか。この問いの答えは、いかなる量子計算の難題よりも解くのが難しいかもしれない。

本稿はTechCrunchより編訳。