AnthropicのAI科学的発見、人間の現実的な検証に直面
Anthropicは、約950のAIエージェントが21時間にわたってゲノムデータを探索し、珍しい酵素システムを特定したことで、Claudeが科学的発見を成し遂げたと述べている。このAnthropicによるAI科学的発見は注目に値するほど実在性のあるものだが、「自律的」という言葉には、現時点で得られる証拠以上の重みがある。
Claudeは、細菌に感染するウイルスであるバクテリオファージにおいて、これまで特徴付けられていなかった遺伝子と反復DNA配列の配置を発見した。Anthropicはこのシステムを、array-associated reverse transcriptases、すなわちARTsと名付けた。その後、人間の科学者が有望候補を選び、実験室での研究を設計または実施し、結果を解釈して、査読前のプレプリントを公開した。
この役割分担は重要だ。Claudeは論文を要約したり、科学者の限定的な質問に答えたりしただけではない。生の生物学的データを探索し、数千の候補を退け、予想外のパターンを浮かび上がらせた。一方でAnthropicの研究者は、研究の方向性、実験インフラ、判断、そして物理的な検証を依然として提供していた。
したがって、この結果は二つの単純な物語に異議を唱える。言語モデルはテキストを再構成するだけだという主張よりは強いが、独立した機械科学者という考え方よりは弱い。最も明確な表現は、人間が設計した科学プロセスの内部でAIが主導した計算的探索である。
AnthropicとClaudeが実際に見つけたもの
Claudeが特定したのは信頼に足る生物学研究の手がかりであり、完成した遺伝子編集技術でも、完全に解明された分子メカニズムでもない。
Anthropicは2026年9月23日、新たな生命科学研究グループと分子生物学研究室とともに、この発見を発表した。同社によれば、ベイエリアの研究室では、より低リスクなBSL-1およびBSL-2の作業を扱う。物理的な実験はすべて人間の科学者が実施する。
このプロジェクトは、広範な人間の指示から始まった。Anthropicの研究者はClaudeに対し、大規模なDNAデータベースから興味深い逆転写酵素の例を探すよう求めた。逆転写酵素とは、RNAをDNAへとコピーする酵素である。
Anthropicは21時間の計算実行で約950のClaudeエージェントを統括した。合わせて約2億1,000万トークンを使用したという。エージェントは20万を超える逆転写酵素を収集し、3,500の候補システムを特定した。
その後、その集合を詳細な分析と人間が読めるレポートの対象となる20候補まで絞り込んだ。Anthropicによれば、同等のゲノムマイニング作業には専門科学者であれば数週間から数カ月を要し得る。
あるエージェントは、巨大ファージで見つかった珍しい逆転写酵素に注目した。この酵素自体は先行研究にも登場しており、Claudeがタンパク質そのものを発見したわけではない。その貢献は、過去の研究者が特徴付けていなかった、より大きな配置を認識したことにある。
酵素遺伝子の隣で、Claudeは相手となる遺伝子と、均等な間隔で並ぶDNA反復配列を発見した。これらの反復配列は、CRISPRシステムに関連する構造の一部に似ていた。
CRISPRは、科学者がプログラム可能な遺伝子編集ツールへと応用した、自然界の微生物防御システムである。その反復配列はRNAガイドの生成を助け、関連タンパク質を特定の遺伝的標的へ導く。
ARTの配置には、逆転写酵素、隣接するアクセサリー遺伝子、長い反復配列という三つの構成要素が報告されている。Anthropicの初期実験は、この配列が別々の短いRNA分子を生成することを示している。
この観察がARTを科学的に興味深いものにしている。RNA分子がこのシステムの活性を誘導または左右する可能性を示唆するためだ。しかし研究者らは、その自然な生物学的役割をまだ確立していない。
Anthropicは、ARTがバクテリオファージ内あるいは感染した細菌細胞内で何をするのかを把握していない。また、研究者がこのシステムをプログラムできること、選択したDNAへ導けること、安全に利用できることも示されていない。
同社自身の研究発表も、この隔たりを認めている。システムにはCRISPRを想起させる性質があるとする一方で、その機能は不明のままだとしている。
付随する技術プレプリントは、Anthropicが結果を公表した時点で査読を完了していなかった。査読ですべての疑問が解決されるわけではないが、手法と解釈が独立した専門家による検証にさらされることになる。
MIT教授でCRISPRの先駆者であるFeng Zhangは、Anthropicの発表前にこのプレプリントをレビューした。彼はRNAと反復配列の関連を「本当に興味深い」と評し、さらなる調査に値すると述べた。
これは意味のある支持だが、意図的に限定されたものでもある。「興味深い」は、有用、プログラム可能、あるいは遺伝子編集メカニズムとして検証済みという意味ではない。そのパターンには、さらに実験を行う価値があるという意味だ。
したがって、正確な出来事は見出し版よりも限定的である。Claudeによる酵素の発見は、新たな候補分子システムと、その反復配列がRNAとして発現する初期的な証拠をもたらした。そのメカニズムと有用性は、なお未解決の問いである。
AnthropicによるAI科学的発見が重要な理由
重要な変化はソフトウェアが科学者に取って代わったことではなく、汎用AIシステムが極めて大規模な生物学的探索において有用な判断を発揮したことにある。
計算生物学は数十年にわたり自動化に依存してきた。研究者は日常的に、配列比較、タンパク質のクラスタリング、構造予測、共起する遺伝子の特定にアルゴリズムを使っている。
Claudeの役割は、単一の固定された分析を実行することを超えていた。Anthropicによれば、エージェントは文献を読み、既知の結果を再現し、コードを書き、ゲノム上の近傍領域を調べ、珍しい候補を順位付けし、その理由を説明するレポートを作成した。
このワークフローは、研究者が通常は切り分ける複数の活動を組み合わせたものだ。情報検索、プログラミング、統計的な検査、パターン認識、文献比較、そして書面による科学的論証が含まれていた。
従来のパイプラインは、そうした手順の多くをより高速かつ予測可能に実行できる。しかし科学者は通常、その順序、閾値、出力をあらかじめ定義する。Claudeにはより広い目的が与えられ、探索の途中で中間的な選択を行った。
この違いが、このプロジェクトが注目を集めた理由を説明している。報告によれば、このシステムはある逆転写酵素ファミリーをさらに調べる価値があると判断し、近傍のDNAを調べ、反復配列を認識した。
エージェントは候補の大半も除外した。生物学的データベースには無数の相関関係や異常が含まれるため、追究しない対象を選ぶことは科学研究の中核である。
Anthropicは、Claudeが生成した仮説のうち、専門家がどれを受け入れ、どれを退けるかを研究しているという。同社はその判断を将来の指示の改善に用い、事実上、科学的なセンスの一部をシステムに教えている。
このアプローチはボトルネックを移す。ソフトウェアが数百のもっともらしいレポートを生成できるなら、アイデアの創出は容易になる。どのアイデアに実験室の時間を割く価値があるかを決めることが、より重要になる。
この変化は、研究者とAI競合企業にも圧力をもたらす。Google DeepMindは、アミノ酸配列からタンパク質構造を予測するAlphaFoldで最も著名な先例を築いた。その影響力は、明確に定義された科学的問題を大規模に解決したことから生まれた。
Anthropicは、より広範なモデルを追求している。Claudeが一つのワークフロー内で文献、データ、ソフトウェアツール、実験フィードバックを行き来できるようにしたい考えだ。同社のscience workbenchは、Claudeを60以上の科学データベースと専門研究システムに接続している。
ほかの研究室も、関連するエージェントベースの手法を探究している。Stanfordの研究者は、AIエージェントのグループを用いて創薬戦略を提案・評価してきた。Sakana AIのAI Scientistプロジェクトは、機械学習実験と論文執筆の自動化を試みている。
これらの取り組みは、科学的品質と自律性に大きな差がある。それでも、共通する競争を示している。すなわち、能力の高いモデルを信頼できるデータ、専門家のレビュー、物理的な実験と結びつけられる組織はどこか、という競争だ。
AnthropicによるAI科学的発見が重要なのは、汎用モデルを用いたことにもある。Claudeは逆転写酵素の探索や、ある特定のゲノム上の特徴を認識することだけを目的に構築されたものではなかった。
汎用システムは、研究課題ごとに新しいモデルを用意せずとも、タスク間を移動できる。この柔軟性は、データセット、仮説、ソフトウェアツールが絶えず変化する研究室にとって魅力的だ。
同時に、評価も難しくなる。専門特化モデルは、定義されたベンチマークで試験できる。エージェント型の研究プロセスには多くの判断が含まれ、成功はプロンプト、ツール、データベース、人間の介入にも一部依存する。
報告された数字は規模を示すが、効率を示すわけではない。950のエージェントを21時間動かすことは、専門家の数カ月にわたる労働と比べれば速く聞こえる。しかしAnthropicは、従来の計算パイプラインとの完全な経済比較を公表していない。
トークン数からは、総計算コスト、エンジニアリング時間、失敗した取り組み、ツールとデータの準備にかかった労力は分からない。Anthropicは、ARTの有望候補が手軽なチャットボットとの会話からではなく、より広範な研究プログラムの一つから生まれたものだと指摘している。
したがって、正しい教訓は探索能力に関するものだ。Claudeは、小規模な専門家チームが検討できる生物学的可能性の数を広げられるように見える。人間がすべての重大な決定を保持したままでも、発見を加速できる可能性がある。
現場の科学者にとって、これは独立した同僚というより、拡張された研究グループに近い。エージェントが並行して複数の有望な方向を調べ、人間が実験室へのアクセスを管理し、何を証拠とみなすかを決める。
生物学以外のナレッジワーカーにも、このパターンはなじみ深いだろう。AIは、散在する情報をつなぎ、文脈を保ち、レビューのために推論を示せるときに最も有用になる。慎重に管理されたAIナレッジベースは、人間の判断が消えたふりをせずに、同様のレビュー可能なワークフローを支援できる。
真の争点はAnthropicの自律性に関する主張
中心的な論点はClaudeが貢献したかどうかではなく、その貢献がシステムを「自力で」発見したと言うに値するかどうかだ。
Anthropicは、この研究を高レベルの指示だけで行われた自律的な発見と説明している。その表現は重要な技術的成果を捉えているが、人間による選択の長い連鎖を圧縮している。
研究者は逆転写酵素を広範な探索領域として選んだ。関連ツールとデータベースを整備または利用可能にした。多数のClaudeセッションを統括するための仕組みも構築した。
どの出力に実験資源を割くべきかを決めたのも人間だった。Anthropicによれば、エージェントは探索を20の有望候補まで絞り込んだが、専門家によるレビューは選定プロセスの一部であり続けた。
計算によるスクリーニングの後、人間の科学者は実験用株でタンパク質を発現させ、生化学的・構造的に特徴付けた。Claudeの支援を受けつつ、結果を解釈した。
最終的な主張は、この協働から生まれた。Claudeはパターンを見つけたが、そのパターンが潜在的に新しいシステムを構成し、発表に値すると判断したのは人々だった。
これはClaudeを受動的なツールに貶めるものではない。顕微鏡は観察場所を選ばず、一般的な検索ソフトウェアも通常、異常を見つけた後に調査計画を書くことはない。
しかし、「自律的に」という表現は、問いの選定、証拠収集、実験、解釈、検証のすべてにおける独立性を示唆する。公開されたワークフローは、その基準を満たしていない。
より適切な枠組みでは、主体性と自律性を分けて考えるべきだ。Claudeは、分析ステップを選び、予想外の候補を追究した点で、限定されたタスクの中で主体性を示した。しかし、研究プログラムを独自に設定したわけでも、証拠の連鎖を完結させたわけでもない。
科学的発見には、複数の到達基準があり得る。未報告のパターンを見つけることは一つの基準だ。再現可能な分子機能を実証することは別の基準である。実用的価値を確立することは、さらに高いハードルだ。
Anthropicは最初の基準を越え、二つ目に近づき始めた。同社は、これまで特徴づけられていなかった遺伝子配列の配置を発見し、その反復配列アレイがRNAを生み出すことを示す実験的証拠を報告した。
そのRNA分子が何をするのかは、まだ示されていない。また、ARTが遺伝子編集、宿主防御、標的配列のコピー、あるいは別のプログラム可能な操作を実行できることも示されていない。
この違いにより、CRISPRとの比較は弱まる。ARTの反復配列は構造的にCRISPRアレイを思わせるが、見た目やゲノム上の類似だけで同等の挙動が立証されるわけではない。
CRISPRが変革的な技術になったのは、その機能が長年の研究で確立され、研究者がそのプログラム方法を学んだ後だった。ARTは、まだその道のりの始まりに近い。
独立系メディアの報道にも、この慎重さが反映されている。Nature analysisは、この成果をAnthropicの新たな研究所を垣間見せるものとして紹介しつつ、システムの機能は未解決であると強調した。
この発見はAnthropicの関係者が執筆したプレプリントにも掲載された。初期段階の科学を共有する一般的な方法ではあるが、商業的なAIの主張を行う組織自身が、最初の科学的証拠も生み出したことを意味する。
独立した再現実験が、この利害の重なりを減らすだろう。別の研究グループが同じARTファミリーを見つけ出し、RNAに関する所見を再現し、提案されたメカニズムを検証できなければならない。
問われているのは、企業の科学者が有効な研究を実施できるかどうかではない。彼らにそれができることは明らかだ。懸念は、製品の位置づけが、根拠となる証拠以上に強い公的表現を促しかねない点にある。
Claudeを自律的な発見者と呼ぶことは、Anthropicのより広範な商業的主張に利益をもたらす。同社はClaudeを、長時間かつ複雑な知識労働を扱えるシステムとして販売している。
信頼できる科学的成果は、能力の証明、人材獲得の手段、そして製薬・バイオテクノロジー顧客へのデモンストレーションとなる。それでも発見自体が誤りになるわけではないが、透明性に求められる基準は高まる。
完全な説明には、各段階でどれほどの人間の入力があったのかを示す必要がある。初期プロンプト、ツール設定、順位付けの手法、人間による除外基準、失敗した探索実行を明らかにすべきだ。
また、エージェントのワークフローをより単純なベースラインと比較する必要がある。従来のゲノムマイニング・パイプラインなら、より少ない計算資源で同じ反復配列を発見できたのか。既存のソフトウェアを使う訓練を受けた大学院生なら、ARTを同様に順位付けできただろうか。
こうした比較がなければ、社会は新規性を判断できても、相対的な効率は判断できない。Claudeは興味深いものを見つけたが、エージェント群が利用可能な手法の中で最良だったことを、証拠は確立していない。
AnthropicによるAI科学発見は、協働的なものとして説明するのが最も妥当だ。モデルは探索規模と柔軟な分析を提供した。科学者は目標、インフラ、物理的な実験、そして認識論上の責任を担った。
Claudeの酵素発見がまだ証明していないこと
最大の不確実性は生物学的なものだ。ARTの自然な機能や、その特異な構造に実用的価値があるかどうかは、まだ誰にも分かっていない。
最初の検証はメカニズムに関するものだ。研究者は、逆転写酵素が何をコピーするのか、反復配列由来RNAがそれとどのように相互作用するのか、補助タンパク質がどのような役割を果たすのかを明らかにする必要がある。
また、バクテリオファージ内部におけるシステムの目的も特定しなければならない。ウイルス複製を支援するのか、宿主防御を変化させるのか、情報を記録するのか、他のウイルスと競合するのか、あるいは無関係の機能を果たすのかもしれない。
これらはいずれも仮説にとどまる。酵素の隣に反復配列アレイがあることは強い手がかりだが、生物学には表面的な類似物とは異なる機能を持つ構造が数多く存在する。
二つ目の検証はプログラム可能性である。CRISPRが有用になったのは、研究者が設計したRNA配列を用いてその活性を再標的化できたからだ。ARTは、同等の標的化能力をまだ示していない。
科学者はARTの反復配列を改変し、その変更によってシステムが予測可能に別の標的へ向けられることを示す必要がある。また、精度、効率、意図しない影響も測定しなければならない。
三つ目の検証は再現性である。独立した研究室がRNA産物の存在と、各コンポーネントが一つのシステムとして連携して働くことを確認すべきだ。
四つ目の検証は範囲に関するものだ。Anthropicは、ARTが主にバクテリオファージに見られると報告している。研究者は、このファミリーがどの程度広く存在し、その変異体がどう異なるかを明らかにする必要がある。
公開ゲノムデータで見つかった発見は、基礎となる配列がすでに利用可能だったとしても新規であり得る。科学的な新規性は、多くの場合、これまで誰も記述していなかった関係性を見いだすことから生まれる。
とはいえ、アクセス可能なデータが存在することは、有用な再現性検証にもなる。外部チームは同じ記録を検索し、異なる手法でもそのパターンが維持されるかを確かめられる。
五つ目の検証はClaude自体の役割に関するものだ。Anthropicは、研究者がモデルの推論をパイプライン設計や総当たり的な並列処理から区別できるよう、十分な詳細を提供すべきである。
約950のエージェントと2億1000万トークンは、相当な計算的努力を表す。その総量は専門家の労働力と比べても有利かもしれないが、Anthropicは標準化された生産性指標を提示していない。
成功率も重要だ。一つの興味深い結果だけでは、同じプロセスがどの程度の頻度で誤解を招く候補を生むのかは分からない。もっともらしいストーリーを数多く生成するシステムは、研究室の作業を減らすのではなく増やす可能性がある。
Anthropicは、候補の大半が除外されることを認めている。同社の研究者は、有望な提案と弱い提案を分ける要因を研究しており、選別の問題が依然として大きいことを示している。
言語モデルは、偶然のパターンに対しても自信に満ちた説明を生み出し得る。生物学データベースは、膨大な規模ゆえに偶然の関連性が避けられないため、特に脆弱である。
人間によるレビューは一部の失敗を防ぐが、確認バイアスを持ち込む可能性もある。AIエージェントが異例のシステムを発見すると期待する研究者は、境界線上のパターンをより好意的に解釈するかもしれない。
透明なネガティブ結果が役立つだろう。Anthropicは、有効な候補が得られなかったキャンペーン数、失敗した実験室テスト数、専門家による順位付けが変更された頻度を報告できる。
同社はアブレーション研究も公開できる。こうしたテストではワークフローの一部を取り除き、エージェントによる計画、文献アクセス、並列実行のどれが観測された優位性を生んだのかを示す。
プレプリントの査読状況にも同等の注意を払うべきだ。査読は完全ではないが、査読者は見落とされた先行研究、不十分な対照、別の解釈を特定できる。
科学誌での出版が、Anthropicの自律性に関する主張を自動的に正当化するわけではない。しかし、ARTが真に新しいシステムだという生物学的根拠は強まるだろう。
より広範な研究も、一般的なAIの創造性について慎重であるべきことを裏付けている。数千人の科学者を対象とした2026年の研究では、現在のシステムは、分野をまたいで専門家が独創的かつ有用と見なすアイデアの生成に苦戦したことが示された。
そのscientist evaluationは、ARTの成果を否定するものではない。一つの成功例を、機械主導の科学全般に関する普遍的な主張へ拡大すべきでない理由を示している。
生物学は、新たな社会理論や文脈的解釈を必要とする分野よりも、エージェント型探索に適している可能性がある。ゲノムデータベースには、ソフトウェアが反復的かつ大規模に調査できる構造化された記録が含まれている。
したがって、この成果は、一般的な科学的自律性を証明せずとも、意味のある領域特化型の成功を表している可能性がある。その解釈は証拠に合致し、成果の価値も損なわない。
安全性に関する緊張もある。有用なメカニズムを求めて生物学データを探索する同じシステムが、有害なメカニズムを調査するために必要な労力も下げ得る。
Anthropicは最近、高度な生物学研究に関する安全策を強化・調整した。正当な研究者からは、安全フィルターが通常の科学的質問を妨げる場合があるとの報告も出ている。
同社はいま、二つの相反する要件に直面している。Claudeに野心的な生物学研究を行わせたい一方で、外部ユーザーが同様の能力を危険な病原体に適用することは防がなければならない。
ART自体はヒトに感染するウイルスではなく、バクテリオファージ由来である。Anthropicは、自社の研究所がヒト病原体を扱っていないと述べている。これらの事実は、このプロジェクトによる当面のリスクを限定する。
より大きなガバナンス上の問いは残る。エージェント型システムが実験提案により優れるようになれば、組織は研究者の身元、プロジェクトの目的、材料、研究室へのアクセスに基づく管理を必要とするだろう。
この議論が科学的成果を覆い隠すべきではないが、規模を評価する際には含める必要がある。仮説生成が速くなれば、機会も増え、責任あるレビューを要する候補も増える。
この主張が成り立つかを決める三つのシグナル
次の段階では、宣伝的な表現を独立した生物学的証拠、再現可能なワークフロー、測定可能な研究生産性に置き換えなければならない。
第一のシグナルは、検証されたARTのメカニズムだ。研究者は、このシステムが何を行うのかを示し、逆転写酵素、反復配列由来RNA、補助タンパク質がどのように相互作用するかを説明しなければならない。
たとえARTが医療ツールにならなくても、説得力のある結果はAnthropicの科学的主張を強めるだろう。発見に即時の商業化は必要ない。
プログラム可能な活性が示されれば、さらに重要性が増す。科学者がARTを選択した標的に向け直せるなら、CRISPRとの比較には実質的な根拠が生まれる。
一貫したメカニズムが見つからなければ、この物語は弱まる。ARTは有効なゲノム上の観察結果として残るかもしれないが、主要な分子発見としての地位は失うことになる。
第二のシグナルは独立した再現である。利害関係のない研究室が、共有された手法または同等のツールを用いて、計算上の発見と主要な実験を再現すべきだ。
再現は、生物学とワークフローの両方を検証する。Claudeが安定したパターンを見つけたのか、それともAnthropicの内部環境が結果を形作ったのかを明らかにできる。
外部の研究者は、見落とされた先行記述も探すべきだ。専門家が新たな結果を不明瞭な過去の研究と結びつけると、新規性の主張はしばしば狭まる。
確認されれば、Claudeの酵素発見が真に新しい知識を加えたという根拠は強まる。大きな修正があれば、プレプリントや企業発表を慎重に扱うべき理由が示される。
第三のシグナルは、プロジェクトをまたいだ反復的な成果である。Anthropicが信頼できる新たな研究手法を示すには、一つの成功候補だけでは足りない。
今後の報告には、キャンペーン総数、失敗した仮説、実験室での検証到達率、人間の作業時間、計算資源の使用量、既存パイプラインとの比較を含めるべきだ。
これらの指標は、研究組織が直面する実務上の問いに答える。AIエージェントは専門家の時間あたりにより多くの検証済み発見を生み出せるのか、それとも主にレビュー対象を増やすだけなのか。
Anthropicはすでに周辺インフラを構築している。同社のライフサイエンス部門には、創薬、科学ツール、生物学・化学向けモデル訓練に取り組むチームが含まれている。
同社は、Allen InstituteやHoward Hughes Medical Instituteを含む研究機関とも提携している。こうした協力により、Anthropic自身の研究室の外でClaudeを検証する機会が得られる。
外部での利用は、社内でのもう一つのデモンストレーションよりも多くを明らかにするだろう。独立した科学者は、異なる問い、基準、インセンティブを持ち込む。
競合他社の反応も補強材料として重要になる。Google DeepMind、OpenAI、専門のバイオテクノロジー企業、学術研究室はいずれも、AI支援型の研究システムを開発している。
複数のグループが汎用エージェントによる再現可能な発見を報告し始めれば、ARTはより広範な転換の初期例と見なされるだろう。同等の成果が依然としてまれであれば、ARTはより例外的なものに映る。
読者は、この議論を詐欺か完全自律かの二者択一として捉えるべきではない。現時点の証拠は、より重要な中間的立場を支持している。
Claudeは、通常であれば訓練を受けた研究者を必要とする本格的な分析作業を行ったように見える。一方で、人間の科学者は研究環境を管理し、すべての物理的な主張に対する責任を負っていた。
この体制は、完全に単独で働く機械科学者を生み出さずとも、科学を変革し得る。大きな影響を持つ技術の多くは、まず人を排除する前に労働分担を変える。
したがって、AnthropicのAIによる科学的発見は、今日実証されている点において注目に値する。汎用AIエージェントは、生物学的データを探索し、異常を追跡し、実験室で検証可能な仮説を生成できる。
ただし、問いの設定から検証済みの結論に至るまでの独立した科学を、まだ実証したわけではない。とりわけClaudeが自律的に行動したと示唆する際、Anthropicの表現は証拠を先走っている。
実務上の対応は、形容詞ではなく実験を注視することだ。明確に定義されたARTのメカニズム、独立した再現、そして複数の研究プログラムにわたる透明な性能を確認すべきである。
研究者やナレッジワーカーも、自身のAIワークフローに同じ基準を適用すべきだ。情報源を保存し、プロンプトと判断を記録し、不確実な手順を明示し、検証の責任を有資格者に持たせる。
ARTはプログラム可能な生物学的ツールになるのか、それとも過去のデータから見つかった興味深いパターンにとどまるのか。その答えは重要だが、ワークフローも同様に重要な試練に直面している。Anthropicは、外部からの精査のもとでもClaudeがこの成果を再現できることを示さなければならない。それまでは、慎重でありながら重みのある結論が最も妥当だ。Claudeは正当な科学的手がかりの創出を支援したが、その手がかりを科学へと転換したのは依然として人間だった。
