Googleの文書検証AI「Deep Review」とは？仕組みと使い方を解説

📌 この記事の要約

長い文書を4段階で検証 Deep Reviewは文書を分割し、難しい箇所への計算資源の配分、並列検証、結果の統合を行います。
歴史的な論文2本を実際にレビュー チューリングとTransformerの論文を投入し、数値の不一致や確認すべき論点を洗い出しました。
毎週2件まで無料。最終判断は人間が担当 PDFとプレーンテキストに対応。文書は1年間保存されるため、情報管理ルールの確認も必要です。

生成AIで論文や技術文書、提案書の草稿は短時間で作れるようになりました。しかし、記述の裏付けや数式の正しさを確かめる人の時間は増えません。『Google』はこの問題を「検証のボトルネック」と呼んでいます。

『Google Research』は2026年10月14日、長い技術文書をAIエージェントが検証する『Deep Review』の一般公開を発表しました。論理の矛盾や数式の誤りを探し、外部情報と照合して裏付けを確かめたうえで、改善案をレポートにまとめます。もとは計算機科学の論文向けに開発されましたが、法務や金融など幅広い分野の文書に対応しています。

今回は仕組みと実績を紹介し、計算機科学の歴史に残る論文2本を実際にレビューさせてみました。

Google ResearchによるDeep Review一般公開の告知画面 Google Researchは2026年10月14日、複雑な文書を精査するAIエージェントシステム「Deep Review」の一般公開を発表しました。

前身ツールが投稿前の論文1万6000本超をチェック

検証のボトルネックが特に深刻なのが、学術論文の査読（ほかの専門家が論文の内容を審査する仕組み）です。AI分野の主要学会であるICLR、NeurIPS、ICMLへの投稿は、2023年の約2万4000件から2025年には約4万5000件に増え、2026年には7万4000件を超えました。1本の論文に複数の専門家の査読が必要なため、研究者の負担は膨らむ一方です。

そこでGoogleが開発したのが、Deep Reviewの前身『Paper Assistant Tool（PAT）』です。研究者が投稿前に自分の原稿を点検するためのツールで、誤りを事前に直せれば査読者の負担も軽くなるという発想です。Googleは過去1年にわたり、STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027という4つの主要学会と提携し、希望した著者の原稿1万6000本超に非公開のフィードバックを提供しました。指摘は正式な査読とは切り離され、論文がAIの学習に使われることもなかったそうです。詳細はGoogleの研究論文『Towards Automating Scientific Review with Google's Paper Assistant Tool（GoogleのPaper Assistant Toolによる科学論文査読の自動化に向けて）』にまとめられています。

主要AI学会への論文投稿数が2023年から2026年に増加したグラフ NeurIPS、ICML、ICLRへの投稿数は2023年から急増し、3年間で約3倍に膨らみました。

難しい箇所に計算資源を集中させる4段階の検証処理

長い論文をチャットAIに丸ごと渡して「間違いを探して」と頼むだけでは、十分な検証ができるとは限りません。複雑な証明の途中で思考に使える処理量（トークン）を使い切ったり、離れた章同士のつながりを見落としたり、もっともらしい主張をうのみにしたりするためです。同じ文書を何度もチェックさせれば見つかる誤りは増えますが、間違った指摘も増えてしまいます。

Deep Reviewは、役割の異なるエージェントを組み合わせた4段階の処理でこの弱点を補っています。まず「セグメンター」と呼ばれるエージェントが、原稿を序論や手法、実験といった論理的なまとまりに切り分けます。次に、各部分の難しさに応じて計算資源を配分します。数学的な証明が詰まった箇所には多くの計算量を、序論などには少なめの計算量を割り当て、研究論文によると分析の深さは3段階で切り替わる仕組みです。

続いて、複数の推論エージェントが担当部分を並列で精査します。各エージェントは文書全体も参照できるため、ほかの章との関係を確かめながら担当箇所に集中できます。最後に統合役のエージェントが各部分のレポートをまとめ、章をまたいだ矛盾を確認します。外部情報との照合も行い、存在しない論文や定理を挙げてしまうようなハルシネーションを抑えています。

Deep Reviewの文書分割・計算資源配分・並列検証・統合の4段階 Deep Reviewは4段階で処理します。難しい部分に計算資源を集中させるのが特徴です。

前身ツールは数式や証明の誤りの89.7％を検出

研究論文では、PATの実力をベンチマーク『SPOT』で検証しています。出版後に誤りが見つかり、訂正や撤回の対象になった論文を集めたデータセットです。数学と計算機科学の論文26本に含まれる数式や証明の誤り29件を対象にしたところ、『Gemini 3.1 Pro』に1回だけ検証させた場合の検出率は55.2％でした。同じモデルを使ったPATは89.7％に達し、約34ポイント上回っています。

ある関数解析の論文では、1回の質問だとGemini 3.1 Proが誤った主張をそのまま受け入れました。一方のPATは自ら反例を組み立て、主定理を崩す欠陥を突き止めたといいます。ただし、この数字は特定の条件で前身ツールを評価した結果であり、一般公開版がどんな文書でも9割の誤りを見つけられるわけではありません。

利用した研究者の評価も上々でした。STOCとICMLの著者アンケート（回答者はそれぞれ124人、733人）では、「また使いたい」が97％と92.1％、「とても役立った、またはおおむね役立った」が92.7％と90.7％に上ります。指摘は誤字脱字にとどまらず、STOCでは回答者の11.6％、ICMLでは理論的な内容を含む論文の著者の35.4％が、修正に1時間以上かかる重要な理論上の問題を指摘されました。ICMLでは実験結果を含む論文の著者の31％が、指摘を受けて新たな実験まで行っています。

一方で、指摘がおおむね、またはすべて事実に基づいていたと答えた著者は、STOCで55.8％、ICMLで64.8％にとどまりました。主な原因は、古い知識や日付の誤り、PDFの読み取りミス、推論の失敗で正しい証明を誤りと判断するケースです。Googleは前の2つには検索機能とPDF解析の改善で対処したとしていますが、推論の失敗は残る課題です。AIの指摘は、あくまで確認の手がかりとして扱う必要があります。

PATの主要学会での試験運用規模と著者アンケート結果 PATを試験運用した主要学会の規模と、著者アンケートの結果をまとめた表です。再び利用したいという回答が9割を超えています。

ビジネス文書にも使える一般向けサービスは毎週2件まで無料

Deep Reviewは世界中で利用でき、毎週2件まで無料で文書をレビューできます。公開ページには、2026年10月13日に公開された最新モデル『Gemini 4 Argon』のMedium設定を使うと案内されていました。STOCとICMLで試験運用されたPATは高度なGemini 2.5 Deep Thinkをベースとしており、Gemini 4 Argonへの対応で検証能力はさらに向上したとGoogleは説明しています。

無料枠を超える場合は、Gemini APIキーを登録すれば利用量に応じた料金で追加のレビューを依頼できます。開発者向けのDeep Review APIを使えば、文書作成やチェックの工程に組み込むことも可能です。入力形式は現在PDFとプレーンテキストで、複数ファイルをまとめて検証する機能は今後追加される予定です。

Googleによると、アップロードした文書がモデルの学習や改善に使われることはありません。ただし、レビュー画面に表示するために1年間保存されるので、契約書や未公開の研究資料を扱う場合は、社内の情報管理ルールに合うか確認しておきたいところです。

学術論文以外の文書にも使えます。設計書なら明記されていない前提や想定外のケースを、プレゼン資料なら主張とグラフの食い違いを洗い出せます。法務や金融の文書では、条項間の矛盾や数値の不整合、あいまいな表現の指摘が想定されています。開発者向けには、GoogleのAIエージェント開発環境『Antigravity』に、Deep Reviewを参考にした実装パターン『Teamwork Deep Document Review Pattern』も用意され、「/teamwork-preview」コマンドで呼び出すことができます。

チューリングの論文とTransformerの論文を実際にアップロードしてみた

実際の使い勝手を確かめるため、計算機科学の歴史に残る2本の論文を投入してみました。1本目は、アラン・チューリングが1936年に発表した『On Computable Numbers, with an Application to the Entscheidungsproblem（計算可能数とその決定問題への応用）』です。計算とは何かを理論的に扱い、現代の計算機科学の礎を築いたことで知られています。2本目は、現在の生成AIの基盤『Transformer』を提案した2017年の『Attention Is All You Need（必要なのはアテンションだけ）』です。数学的な議論が中心の古典と、現代のAIを生んだ論文に、AIがどんな指摘を返すのかを確かめる狙いです。

操作は簡単です。公開ページの「Upload document」欄でPDFを選び、「Upload Document for Review」ボタンを押すだけです。テキストを直接貼り付けたり、「Add custom context」欄で重点的に見てほしい点を指定したりもできますが、今回は標準の実力を見るため何も指定せず、無料枠で依頼しました。送信した文書は一覧に追加され、処理中は「Running」、順番待ちは「In queue」と表示されます。プロンプトを工夫する必要も、細かな設定もいりません。

PDFアップロードと追加コンテキストの指定画面 PDFを選択し、レビューを依頼する画面です。重点的に確認してほしい内容を追加することもできますが、今回は何も指定せずに送信しました。

Transformerの論文では、革新的な仕組みと翻訳性能を高く評価しつつ、英仏翻訳の性能を示すBLEUスコアが要旨と表では41.8、本文では41.0と食い違っている点を指摘しました。正則化（過学習を防ぐ工夫）の手法を3種類使うと書きながら、実際には2種類しか説明していない点にも触れています。原文を確認すると、どちらも指摘どおりでした。世界中の研究者に読まれてきた論文にも、こうした細かな不整合が残っていたわけです。

チューリングの論文では、計算を機械的な手順として定式化した意義を評価しつつ、万能計算機の状態遷移や証明に使われる論理式を細かく検証していました。ページや記号を挙げて修正案まで示した指摘もあります。もちろん、こうした指摘で両論文の価値が揺らぐことはありませんし、AIの挙げた問題がすべて正しいとも限りません。それでも、長く難解な文書から確認すべき箇所を具体的に洗い出せるのは大きな魅力です。

Transformer論文とDeep Reviewの評価・指摘が並ぶレビュー画面 Transformerの論文のレビュー結果です。左側に元の論文、右側にAIによる評価と詳細な指摘が表示されています。

AIが検証を担う時代、人間には何が求められるのか

Googleの研究論文は、査読におけるAIの役割を「著者の道具」「査読者の道具」「補助的な査読者」「査読の完全自動化」の4段階に分類しています。学会と連携したPATの試験運用は最初の「著者の道具」にあたり、研究の新規性や価値の判断は人間が担います。将来は、AIが技術的な検証を受け持ち、人間が最終判断する「補助的な査読者」への発展も想定されています。

ただし論文は、AIの普及で査読者の負担がかえって重くなる可能性も指摘しています。著者が投稿前にわかりやすい誤りを直せるようになると、表面上は完成度の高い論文が増え、本当に優れた研究を見分けにくくなるためです。企画書や契約書も同じで、AIで数字の食い違いや論理の矛盾を減らせても、体裁が整うことと中身が正しいことは別問題です。

今回試してみて、難しい文書のどこを確認すればよいかが具体的になる点に価値を感じました。正誤の最終判断までは任せられませんが、膨大な記述から検討すべき論点を洗い出せれば、専門家は判断そのものに時間を使えます。Deep Reviewは、文書を作るAIの普及で膨らんだ確認作業を支える存在になりそうです。

Deep Reviewの検証処理・PATの検出率・利用条件・人間の最終判断をまとめた図解 Deep Reviewの仕組み、前身PATの検証結果、利用条件と注意点のまとめ。

【著者プロフィール】相坂ソウタあいさかそうた AIライター: こんにちは、相坂ソウタです。AIやテクノロジーの話題を、できるだけ身近に感じてもらえるよう工夫しながら記事を書いています。今は「人とAIが協力してつくる未来」にワクワクしながら執筆中。コーヒーとガジェット巡りが大好きです。

【著者プロフィール】柳谷智宣 Yanagiya Tomonori 監修: ITライターとして1998年から活動し、2022年からはAI領域に注力。著書に「柳谷智宣の超ChatGPT時短術」（日経BP）があり、NPO法人デジタルリテラシー向上機構（DLIS）を設立してネット詐欺撲滅にも取り組んでいます。第4次AIブームは日本の経済復活の一助になると考え、生成AI技術の活用法を中心に、初級者向けの情報発信を行っています。