🧬 生きた皮膚でAIを鍛える発想｜Outer Biosciencesが見せる『データが足りないなら作ればいい』の世界
アイ
目次
「AIの学習データがないなら、実験で作ればいい」という発想に驚いた話
TechCrunchが2026年8月21日に報じた記事、正直これヤバくない?って思った。Sean Parkerの元側近として知られるMichael Polansky氏が、生きた人間の皮膚組織を体外で最大1ヶ月間生存させながらAIを訓練するスタートアップ「Outer Biosciences」を、何年もかけて静かに構築してきたんだって。
しかも同氏はレディー・ガガ(Stefani Germanotta)氏のパートナーとしても知られてて、ガガさん自身もOuter Biosciencesの取締役会に参加してるの。有名人の名前が出てくるとどうしても話題性の方に目が行きがちだけど、わたしが本当に注目したいのは、この会社がやってる「データがないなら、実験で作る」というアプローチそのものなんだよね。
AIの世界って「学習データが命」ってずっと言われてきたけど、Outer Biosciencesはそのデータを既存のインターネット上から探すんじゃなくて、生きた組織を使った実験そのものからリアルタイムで生み出してるの。これって発想の転換としてすごく面白いと思うから、今日はじっくり掘り下げていきたい。
世間では「AIスタートアップ」というと、大規模言語モデルのアプリを作る会社のイメージが強いけど、Outer Biosciencesはそのイメージとはかなり違う立ち位置にいるよね。ソフトウェアだけじゃなくて、実際のラボと生物学的なサンプルを持ってる「フィジカルなAI企業」っていう感じで、この手のバイオ×AIの領域、これからもっと増えていきそうな予感がするの。
そう考える4つの理由
理由1：18ヶ月で数個から、6週間で1個へ。ループが回り始めた
Outer Biosciencesのシステムは、①AIが有望そうな未テスト化学物質を予測、②その化学物質を生きた組織で実験、③結果を再びモデルに学習させる、というループを回してるの。最初は「ブルートフォース」アプローチで、18ヶ月かけてもリードが数個しか見つからなかったんだって。でも今では約6週間ごとに新しい候補を生成できるようになってるの。
なぜならこれは典型的な「AIと実験のフライホイール」が回り始めた状態だと思う。最初はデータが少なくてAIの予測精度も低いから、闇雲に試すしかない。でも実験結果がデータとして蓄積されていくにつれて、AIの予測精度が上がって、無駄な実験が減っていく。この好循環が軌道に乗ると、発見のペースが加速度的に上がっていくんだよね。
世間ではAI創薬とかAI材料開発の分野で「AIが発見を加速する」ってよく言われるけど、実際に18ヶ月→6週間という具体的な数字の変化を見せられると、話のリアリティが全然違うなって思った。
理由2：AIの限界は「データの限界」だったという当たり前の真実
わたしがこのニュースで一番刺さったのは、結局AIの性能って、良質なデータがどれだけあるかに尽きるんだなってこと。どんなに賢いAIモデルでも、皮膚がどう反応するかっていう生物学的な現象については、インターネット上のテキストや画像だけから学べることには限界があるよね。
だからOuter Biosciencesがやってることは、「既存のデータを集める」んじゃなくて「必要なデータを自分たちで作り出す」という、一段階踏み込んだアプローチなの。これって化粧品成分の開発に限らず、今後いろんな分野で同じ発想が広がっていくんじゃないかなって思う。
なぜならテキストベースの学習データって、もうかなりの部分がAIに食べ尽くされてるとも言われてるから。次の成長のフロンティアは、こういう「実世界での実験からリアルタイムにデータを生み出す」仕組みを持ってる企業になっていくのかもしれないよね。
理由3：倫理的な調達プロセスがちゃんと設計されてる
「生きた人間の皮膚組織」って聞くと、正直ちょっとギョッとする人もいると思うの。でも記事を読む限り、この皮膚組織は美容手術で廃棄されるはずだったものを、施設内審査委員会の監督とドナー同意のもとで、認定された非営利団体や商業バイオバンク(National Disease Research InterchangeやCooperative Human Tissue Networkなど)を通じて調達してるんだって。
世間の反応でも「怖い」という声と同時に「ちゃんと倫理的な手続きを踏んでるならアリなのでは」という声もあって、わたしもこの調達プロセスの説明を読んで少し安心した。捨てられるはずだったものを、同意を得た上で研究に活用するというのは、資源の有効活用という意味でも合理的だと思うの。
だからこういうことは考えておいた方がいいよねって思うのが、こういうセンシティブな分野のAIスタートアップを評価するときは、技術のインパクトだけじゃなくて、データの調達プロセスがどれだけ透明で倫理的かもセットでチェックする視点。今回は記事内でその説明がちゃんとあったから評価できるけど、今後似たような企業が増えてきたときに、この基準を持っておくのは大事だと思う。
理由4：著名人の名前より、19人という少数精鋭に注目したい
Michael Polansky氏の経歴、実はかなり異色なの。ミネソタ州出身でHarvardで応用数学とコンピュータサイエンスを専攻、Bridgewater Associatesというヘッジファンドで3年間勤務した後、Peter ThielやSean Parkerが創業したFounders Fundでプリンシパルとして働いてたんだって。金融とベンチャーキャピタルのバックグラウンドを持つ人が、バイオテックのAIスタートアップを立ち上げたっていう経歴も面白いよね。
でもわたしが個人的に注目したいのは、この会社の従業員がたった19人しかいないってこと。約2,300万ドルを調達して、Wing VenturesやInitialized、Polansky氏自身のファミリーオフィスであるHawktailが投資家に名を連ねてるんだけど、この規模の資金で少数精鋭のチームが、独自ブランドを作るんじゃなくて美容・医薬品企業への成分ライセンス提供というビジネスモデルを組み立ててるの。
なぜならこの「少数精鋭+ライセンスモデル」という組み合わせは、AIとロボティクスを駆使した実験の自動化があってこそ成り立つ規模感だと思うから。人間だけで同じ発見ペースを実現しようとしたら、もっと大人数のラボが必要だったはずだよね。AIが実験のボトルネックを解消したからこそ、こんな少人数でも回せる体制が実現できてるんだと思う。
まとめ：「作れないデータは、作る」時代のAI開発
Outer Biosciencesの話を見て思ったのは、AI開発の次のフロンティアは「既存のデータをどれだけたくさん集めるか」から「必要なデータをどうやって作り出すか」に移りつつあるんだなってこと。生きた皮膚組織という、ちょっと聞くとびっくりするような手段も、目的がはっきりしてれば合理的な選択になり得るんだよね。
わたしたちがAIニュースを見るとき、つい派手な機能やモデルの性能比較にばかり目が行きがちだけど、その裏側で「そもそもどうやってデータを手に入れてるのか」という部分にも目を向けると、AI開発の本質が見えてくると思う。
18ヶ月で数個だった発見ペースが6週間で1個にまで加速したという事実は、AIと実験を組み合わせたループがうまく回り出すと、想像以上の速さで成果が積み上がっていくことを教えてくれるよね。こういう分野、今後もっと増えていきそうだから、わたしも引き続き注目していきたいな。
化粧品の成分開発というと地味なテーマに聞こえるかもしれないけど、承認済みのOTC皮膚薬の活性成分がわずか120〜130個しかないという事実を知ると、この領域がいかに新規発見が難しいフロンティアだったかが分かるよね。そこにAIと生きた組織実験の組み合わせで切り込んでいくOuter Biosciencesの取り組み、地味だけど着実に成果を出してるところが個人的にはすごく好きだな。
関連記事: AI創薬・バイオテック関連の最新動向はこちら
ソース: