毎年10月になると、ノーベル賞の受賞者が発表されます。2026年10月7日には日本人の研究者である、ノーベル化学賞を東京理科大学の硤合憲三（そあい・けんそう）名誉教授が受賞し、明るいニュースとなりました。
ノーベル賞は幅広い分野の研究で大きな功績があった人や団体に贈られますが、AI分野の研究も注目を集めるようになり、2024年のノーベル賞では、AIの研究が物理学賞と化学賞の2つで評価されました。
物理学賞はジョン・ホップフィールドとジェフリー・ヒントンの2人に、「人工ニューラルネットワークによる機械学習を可能にした基礎的な発見と発明」に対して贈られました。
翌日の化学賞は、半分がデイヴィッド・ベイカーに、もう半分がGoogle DeepMindのデミス・ハサビスとジョン・ジャンパーに贈られています。ハサビスとジャンパーの受賞理由は「タンパク質の構造予測」で、AIのAlphaFold(アルファフォールド)による成果です。
2つの賞は、AIの別々の面を評価しています。
物理学賞は「AIという道具の土台を作ったこと」、化学賞は「AIを使って科学の難問を解いたこと」です。
同じ年に、道具を作った人と、道具で成果を出した人が並んで受賞したことになります。
この記事では、物理学賞の側と化学賞の側からそれぞれ、何が評価されたのかを整理します。
受賞者がその後に語ったAIの危うさ、日本の研究とのつながり、2026年のノーベル賞との関係まで、ノーベル財団と受賞者側の一次情報で確認します。
この記事でわかること
先に結論をまとめます。知りたい項目から読んでください。
| 知りたいこと | 結論 | 詳しくは |
|---|---|---|
| 2024年に何が受賞したか | 物理学賞はニューラルネットワークの基礎、化学賞はAlphaFoldとタンパク質設計 | 全体像 |
| なぜAIが物理学賞なのか | 物理学の考え方(スピン、エネルギー、統計物理)で作られた道具だから | 物理学賞の側から |
| 化学賞は何を解いたのか | 50年来の課題だった、アミノ酸の並びからタンパク質の立体構造を予測すること | 化学賞の側から |
| 2つの賞の違いは | 物理学賞は道具を作った人、化学賞は道具で成果を出した人 | 2つの賞の対比 |
| 受賞者は何を語ったか | ヒントンは晩餐会の演説で、AIの危険への対応を強く求めた | 受賞者の発言 |
| 日本とのつながりは | 研究の源流に日本の数理脳科学者の功績もあると理化学研究所が紹介 | 日本とのつながり |
| 2026年はどうだったか | 6つの賞の発表が10月12日に終わり、いずれもAIの研究への授賞ではなかった。2025年も同じで、AIそのものの受賞は2024年だけ | 2026年のノーベル賞 |
2024年のノーベル賞とAI:全体像
2024年10月8日に物理学賞、10月9日に化学賞が発表され、どちらにもAIが関わっていました。
| 物理学賞 | 化学賞 | |
|---|---|---|
| 発表日 | 2024年10月8日 | 2024年10月9日 |
| 受賞者 | ジョン・ホップフィールド(米プリンストン大学)、ジェフリー・ヒントン(カナダ・トロント大学) | デイヴィッド・ベイカー(米ワシントン大学)に半分、デミス・ハサビスとジョン・ジャンパー(Google DeepMind)に半分 |
| 受賞理由 | 人工ニューラルネットワークによる機械学習を可能にした基礎的な発見と発明 | ベイカー:計算によるタンパク質の設計／ハサビスとジャンパー:タンパク質の構造予測 |
| AIとの関係 | AIの土台になる仕組みを作った | AIを使って科学の課題を解いた |
物理学賞の賞金は1,100万スウェーデン・クローナで、2人で等分されました。
物理学賞の側からはAIの「土台」を作った2人
物理学賞が評価したのは、いまの生成AIにつながる「人工ニューラルネットワーク」の、最初の頃の仕組みです。
受賞の対象になったのは、1980年代に発表された2つの仕組みでした。
ホップフィールドネットワークは壊れた絵から元の絵を思い出す
ホップフィールドが作ったのは、パターンを覚えて、あとで思い出すための仕組みです。
ノーベル財団の発表では、ネットワークの1つ1つの点(ノード)を、画像の画素のようなものとして説明しています。
覚えさせたい画像を与えると、その画像のときに全体の「エネルギー」が低くなるように、点どうしのつながりの強さが決まります。
一部が欠けたり崩れたりした画像を入れると、ネットワークは点を1つずつ書き換えていき、覚えている画像のうち最も近いものに落ち着きます。
坂道に置いたボールが、いちばん近い谷底に転がり込むような動きです。
谷底が「覚えている画像」、ボールの転がる先が「思い出した画像」にあたります。
ボルツマンマシンはデータの特徴を自分でつかむ
ヒントンは、ホップフィールドネットワークを土台にしてボルツマンマシンを作りました。
ボルツマンマシンは、たくさんの例を見せることで、そのデータに特徴的なパターンを自分で見つけられるようになります。
画像を分類したり、学んだパターンに似た新しい例を作ったりできます。
「例を見せて学ばせる」「新しい例を作る」という2つは、いまの機械学習と生成AIの基本の動きそのものです。
→ 機械学習とは|仕組みと3つの種類を5段階でわかりやすく解説
なぜ「物理学」賞なのか
AIの研究が物理学賞を受けたことには、驚きの声もありました。
ノーベル財団の説明を読むと、理由ははっきりしています。2つの仕組みは、物理学の考え方で作られているからです。
| 物理学の考え方 | 2つの仕組みでの使われ方 |
|---|---|
| スピン(原子1つ1つが小さな磁石のようにふるまう性質) | ホップフィールドネットワークの点の働きは、磁性を持つ物質のスピンをもとにしている |
| エネルギー | ネットワーク全体の状態を、スピンの集まりのエネルギーと同じ形で表す |
| 統計物理学(同じような部品がたくさん集まった系をあつかう分野) | ヒントンはボルツマンマシンを作るのに、統計物理学の道具を使った |
ボルツマンマシンの「ボルツマン」は、統計物理学を築いた19世紀の物理学者ルートヴィッヒ・ボルツマンの名前です。
名前の時点で、物理学から来た仕組みであることが分かります。
さらにノーベル物理学委員会の委員長は、発表で「物理学では、人工ニューラルネットワークをきわめて広い分野で使っている」と述べ、特定の性質を持つ新しい材料の開発を例に挙げました。
物理学から生まれた道具が、いまは物理学の研究を助ける側に回っている。物理学賞の理由は、この往復にあります。
化学賞の側はAIで「50年来の難問」を解いた
化学賞は、AIそのものではなく、AIで解いた問題に対して贈られました。
その問題は、タンパク質の立体構造の予測です。
タンパク質の形がなぜ大事か
タンパク質は、20種類のアミノ酸が鎖のようにつながってできています。
この鎖が折りたたまれて、決まった立体の形になります。形が決まると、働きが決まります。酵素として反応を助ける、ほかの物質と結びつく、体の中で信号を伝える、といった働きは、どれも形によるものです。
アミノ酸の並び方は比較的調べやすい一方で、立体の形を実験で確かめるには、X線を使う方法などで長い時間と費用がかかりました。
「並び方から形を計算で当てられないか」は、ノーベル財団の説明でも約50年来の課題とされてきました。
AlphaFold2が成し遂げたこと
ハサビスとジャンパーが率いたGoogle DeepMindのチームは、AIのAlphaFoldでこの課題に取り組みました。
ノーベル財団の解説によると、2018年の予測コンテスト(CASP)で初代のAlphaFoldが出した精度は60%近くで、成功とみなされる90%には届いていませんでした。
改良版のAlphaFold2は2020年のコンテストで、多くの場合にX線を使う実験とほぼ同じ精度を出しました。
その後チームは、知られているおよそ2億種類のタンパク質のほぼすべてについて構造を予測しています。
ノーベル財団によると、2024年10月までにAlphaFold2は190か国の200万人を超える人に使われていました。
Google DeepMindが2025年11月に公表した5年間のまとめでは、数字がさらに増えています。
| 項目 | 数値(2025年11月25日時点) |
|---|---|
| AlphaFoldのデータベースを使った研究者 | 190か国以上の300万人超(うち低中所得国が100万人超) |
| AlphaFoldを引用した論文 | 35,000本超 |
| 研究のうち病気の理解を目的とするもの | 30%超 |
使われ方の例として、絶滅が心配されるミツバチの免疫にかかわるタンパク質の研究や、いわゆる悪玉コレステロールにかかわるタンパク質の構造の解明が挙げられています。
ベイカーは自然にない形を作った
化学賞のもう半分を受けたベイカーは、向きが逆の研究をしてきました。
形を当てるのではなく、望む形のタンパク質を設計して作る研究です。
ノーベル財団によると、ベイカーは2003年に、自然界には存在しない構造を持つタンパク質(93個のアミノ酸からなる「Top7」)を設計して作ったと発表しました。
ノーベル財団は応用の可能性として、新しい薬、ワクチンの開発の加速、小さなセンサー、環境に負荷の少ない化学工業などを挙げています。
2つの賞を並べると見えること
同じ年の2つの賞は、AIと科学の関係の「行き」と「帰り」を表しています。
| 物理学賞 | 化学賞(ハサビスとジャンパー) | |
|---|---|---|
| 何が評価されたか | 道具を作ったこと | 道具で問題を解いたこと |
| 時期 | 1980年代の研究 | 2020年前後の成果 |
| 科学とAIの向き | 物理学 → AI(物理学の考え方からAIが生まれた) | AI → 化学と生物学(AIが科学の難問を解いた) |
| 受賞者の所属 | 大学 | 企業(Google DeepMind) |
2つ目の行に注目すると、物理学賞の対象は約40年前の研究、化学賞の対象は数年前の成果です。
基礎の研究が長い時間をかけて土台になり、その上に短期間で大きな成果が乗った、という順番が見えます。
4つ目の行も目を引きます。企業の研究者がノーベル化学賞を受けたことは、AIの研究の中心が大学だけでなく企業にもあることを示しています。
巨大な計算資源とデータを持つ企業が、科学の最前線を担う場面が増えていく可能性があります。
受賞者が語ったAIの危うさ
受賞は「AIの成功の証明」として受け止められた一方で、受賞者自身はAIの危うさを語りました。
2024年12月10日、ストックホルムでの晩餐会の演説で、ヒントンは次のような趣旨を述べたと報じられています。
- AIの短期的なリスクには、政府と国際機関による緊急で強力な対応が必要だ
- 人間より賢いデジタルの存在を作ったとき、人間が制御を保てるかどうかは分からない
- それを作るのが短期的な利益を追う企業であれば、安全が最優先になるとは限らない
- それらがAIに支配を求めさせないための研究を、急いで進める必要がある
AIの土台を作った本人が、受賞の場でAIの危険を語った。この組み合わせは、2024年の受賞を象徴する場面の1つです。
AIを人間の意図に沿わせる研究については、別の記事で解説しています。
→ アライメントとは|AIを「人間の意図に沿わせる」という課題
日本とのつながり
物理学賞の研究の源流には、日本の研究者の仕事もあります。
理化学研究所は2025年4月、甘利俊一・栄誉研究員の特別講演「人工知能と数理脳科学」の動画を公開しました。
この講演は、2024年12月に理研の脳神経科学研究センターが開いたノーベル物理学賞の解説セミナーを再編集したものです。
理研はこの中で、受賞した研究の源流には甘利氏をはじめとする日本の数理脳科学者の功績もあると紹介しています。
1960〜70年代、欧米で神経回路のモデルの研究が停滞した時期にも、日本では神経生理学と数理科学の交流が続き、この分野の先進国だったとされています。
受賞したのは2人ですが、研究は1人では進みません。ノーベル賞は人数の上限があるため、土台を支えた多くの研究は名前が出ないまま残ります。
この点を知っておくと、受賞のニュースの読み方が少し変わります。
2026年のノーベル賞とAI
2026年のノーベル賞は、10月12日の経済学賞で6つの賞の発表がすべて終わりました。いずれも、AIの研究に贈られたものではありません。
| 賞 | 発表日 | 受賞者 | 受賞の対象 |
|---|---|---|---|
| 生理学・医学賞 | 10月5日 | カール・ダイセロス、ペーター・ヘーゲマン、ゲオルク・ナーゲル | 光で神経細胞のはたらきを操作する技術(オプトジェネティクス) |
| 物理学賞 | 10月6日 | フランシス・ハルゼン | 南極の氷を使ったニュートリノ観測施設「アイスキューブ」への貢献 |
| 化学賞 | 10月7日 | アンリ・カガン、硤合憲三 | 鏡像の関係にある分子(キラル分子)の化学 |
| 文学賞 | 10月8日 | アン・カーソン | 古典の伝統と遊ぶように対話しながら、現代文学に新しい形を生んだ作品 |
| 平和賞 | 10月9日 | ナヴィ・ピレイ | 平和と国際法の推進 |
| 経済学賞 | 10月12日 | ロバート・E・ホール、マイケル・ウッドフォード | マクロ経済の安定化政策を、家計や企業の行動から組み立て直した研究 |
6つの賞の授賞式は、例年どおり12月10日に行われます。
2025年と並べると、2024年が特別だったことが分かる
前の年の2025年も、AIの研究への授賞はありませんでした。
| 賞 | 受賞者 | 受賞の対象 |
|---|---|---|
| 物理学賞 | ジョン・クラーク、ミシェル・H・デヴォレ、ジョン・M・マルティニス | 電気回路で、量子の性質(トンネル効果とエネルギーのとびとびの値)を手に持てる大きさで示した実験 |
| 化学賞 | 北川進、リチャード・ロブソン、オマー・M・ヤギー | 金属有機構造体(MOF)の開発 |
| 生理学・医学賞 | メアリー・E・ブランコウ、フレッド・ラムズデル、坂口志文 | 末梢性免疫寛容に関する発見 |
2025年は、北川進さんと坂口志文さんの2人の日本人が受賞した年でもあります。
ノーベル財団は、2025年の物理学賞の研究が、量子コンピューターなど次の世代の量子技術につながると説明しています。
2024年から2026年の3年間で、AIそのものやAIで出した成果が受賞したのは、2024年だけです。
2024年は、約40年前の基礎研究と、数年前のAlphaFold2の成果が、同じ年に評価された特別な年だったと言えます。
AIの受賞が毎年のように続くわけではありません。
ただし、AIは研究の道具として、受賞の対象にならない形で多くの研究に入り込んでいます。
AlphaFoldを引用した論文が35,000本を超えていることは、その一例です。
今後、AIを使った研究の成果が受賞するとき、受賞理由にAIの名前が出るかどうかは、注目してよい点です。
AlphaFoldのデータベースで、タンパク質の構造を自分で開いてみた
私は元システムエンジニアで、いまはAI分野の記事を書く仕事をしています。
2026年10月8日、AlphaFoldのデータベース(https://alphafold.ebi.ac.uk/)で、本文に出てきたミツバチのビテロジェニン(Vitellogenin)を検索しました。AlphaFoldのデータベースは無料で、登録なしにブラウザで開けます。
立体構造は数秒で表示され、大半が青(信頼度が高い)で、端のほうに黄色とオレンジの部分がありました。
ノーベル賞の対象になった成果を、登録もせずにブラウザで開けることに驚き、誰でも触れられる点は素晴らしいと感じました。
一方で、オレンジの部分が「形が決まっていない部分」なのか「AIが苦手な部分」なのかは、画面の説明だけでは判断できませんでした。
よくある質問(FAQ)
Q. 2024年のノーベル賞で、AIに関係する受賞はいくつありましたか。
A. 2つです。物理学賞(ホップフィールドとヒントン)と化学賞(ハサビスとジャンパー、ベイカー)です。物理学賞は機械学習の基礎になる仕組みに、化学賞のうちハサビスとジャンパーの分はAIによるタンパク質の構造予測に贈られました。
Q. なぜAIの研究が物理学賞なのですか。
A. 受賞した2つの仕組みが、物理学の考え方で作られているからです。ホップフィールドネットワークは磁性体のスピンとエネルギーの考え方を、ボルツマンマシンは統計物理学の道具を使っています。また、物理学の研究そのものでもニューラルネットワークが広く使われています。
Q. AlphaFoldは何をするAIですか。
A. タンパク質を作るアミノ酸の並び方から、立体の形を予測するAIです。形が分かると、そのタンパク質がどう働くかを調べやすくなり、病気の理解や薬の開発に役立ちます。
Q. AlphaFoldは誰でも使えますか。
A. 予測済みの構造を集めたデータベースは、無料でブラウザから見られます。新しい予測をするAlphaFold Serverも、非商用の研究者向けに無料で公開されています。商用での利用には条件があるので、使う前に提供元の案内を確認してください。
Q. ヒントンはAIに否定的なのですか。
A. AIの研究を否定しているわけではありません。受賞の晩餐会の演説では、AIの短期的なリスクへの政府と国際機関の対応や、人間より賢いAIを制御できるかどうかの研究を急ぐよう求めました。土台を作った本人として、危険への備えを訴えている立場です。
Q. 日本の研究者は関わっていましたか。
A. 受賞者ではありませんが、理化学研究所は、受賞した研究の源流には甘利俊一氏をはじめとする日本の数理脳科学者の功績もあると紹介しています。
Q. 2026年のノーベル賞にAIは関係しましたか。
A. 2026年10月12日までに発表された6つの賞は、いずれもAIの研究への授賞ではありませんでした。2025年も同じで、AIそのものやAIで出した成果の受賞は、2024年の物理学賞と化学賞だけです。ただし、AIは研究の道具として多くの分野に入っており、受賞した研究の中で使われている可能性はあります。
まとめ
2024年のノーベル賞では、AIが物理学賞と化学賞の2つにまたがりました。
物理学賞は、物理学の考え方から生まれたAIの土台(ホップフィールドネットワークとボルツマンマシン)に、化学賞は、AIで解いた50年来の難問(タンパク質の構造予測)と、タンパク質の設計に贈られています。
2つを並べると、物理学からAIが生まれ、AIが化学と生物学の課題を解くという往復が見えます。
約40年前の基礎研究が、数年前の大きな成果の土台になっていることも分かります。
一方で、土台を作ったヒントンは、受賞の場でAIの危険への対応を求めました。
2025年と2026年はAIの研究の受賞はありませんでしたが、AIは研究の道具として広く使われています。受賞理由にAIが出てこなくても、受賞した研究の中にAIがある。今後のノーベル賞は、そう読むと違った見え方をするはずです。
次に読む
→ 機械学習とは|仕組みと3つの種類を5段階でわかりやすく解説
物理学賞が評価した「例から学ぶ」仕組みの全体像です。
→ ディープラーニング(深層学習)とは|5段階でわかる用語解説
ヒントンが後に広めた、層を深くしたニューラルネットワークの話です。
→ アライメントとは|AIを「人間の意図に沿わせる」という課題
ヒントンが演説で求めた「AIを制御する研究」が、どういう課題なのかを解説しています。
用語の全体像はこちらで確認できます。
→ 今さら聞けないAI用語30選｜初心者でもニュースが読めるようになる意味と読み方
参考
内容は2026年10月8日に以下の資料で確認し、10月23日に2026年の残り3賞と2025年の3賞を追加しました。
- ノーベル財団「Press release: The Nobel Prize in Physics 2024」(2024年10月8日・英語)
- ノーベル財団「Popular information: The Nobel Prize in Chemistry 2024」(2024年10月・英語)
- 理化学研究所「2024年ノーベル物理学賞に関する特別講演 録画公開」(2025年4月16日)
- Google DeepMind「AlphaFold: Five years of impact」(2025年11月25日・英語)
- BetaKit「Geoffrey Hinton decries tech companies chasing “short-term profits” in Nobel Prize acceptance speech」(2024年12月10日・英語)
- IceCube「Francis Halzen, IceCube principal investigator, wins 2026 Physics Nobel Prize」(2026年10月6日・英語)
- NPR(WUNC)「Nobel medicine prize goes to 3 scientists for research into brain activity」(2026年10月5日・英語)
- NPR「Henri B. Kagan and Kenso Soai win Nobel Prize in chemistry」(2026年10月7日・英語)
- 本記事のAlphaFoldのデータベースの確認は、筆者が自分で実施した結果です(実施日は本文に記載)
- ノーベル財団「Press release: The Nobel Prize in Literature 2026」(2026年10月8日・英語)
- ノーベル財団「Announcement, Nobel Peace Prize 2026」(2026年10月9日・英語)
- ノーベル財団「Press release: The Prize in Economic Sciences 2026」(2026年10月12日・英語)
- ノーベル財団「All Nobel Prizes 2025」(英語)
この記事を書いた人:kkazuki｜AI/DX分野ブログ運営者 → 運営者情報
