Googleの無料AI「Deep Review」、論文の誤り検出を90%近くまで上げる

書き終えた企画書や論文を提出する前に、もう一度誰かに厳しく見てもらいたいと思ったことはないだろうか。チャットAIに文章を貼り付けて「確認して」と頼み、「特に問題ありません」という返事だけを受け取って安心した経験がある人もいるはずだ。

その安心は、どこまで裏付けがあるものだろうか。Googleは2026年10月14日、文書を厳密に検証するAIサービス「Deep Review」を一般公開したと公式ブログで発表した。論文に加えて、法律文書・財務資料、プレゼン資料、設計文書まで対象にしており、誰でも週2回まで無料で使える。単に「チャットAIに読んでもらう」のとは設計が違い、具体的にどれだけ誤りを見つけられるかの数字も、前身の研究段階ですでに示されている。

なぜ分担検証は誤りを見つけやすいのか

Deep Reviewは、文書を丸ごと1回のやり取りでAIに渡さない。いくつかの区画に分けたうえで、それぞれに専門のエージェントを割り当てて検証させる設計になっている。公式ブログによると、処理は4段階に分かれる。

4段階に分けて検証する

• 区分け: 文書を「序論」「手法」「実験」「証明」のような論理的なまとまりに分割する
• 計算量の配分: 情報の密度を測り、証明のように込み入った区画には多くの計算資源を割り当て、序論のような区画には少なくする
• 並列での検証: 各区画を専門のエージェントが担当して検証する。担当する区画に集中しつつ、文書全体も参照できるので、章をまたいだ参照のつじつまは追える
• 統合と裏取り: 統合役のエージェントが各区画の指摘をまとめ、章をまたいだ矛盾がないかを確認する。さらに外部の情報と照らし合わせて事実関係を裏取りし、エージェントが存在しない問題を指摘する事態を防ぐ

この設計の前身にあたるのが、研究用に開発された「Paper Assistant Tool(PAT)」だ。公式ブログの著者2名は、PATを報告したarXivの論文の著者とも重なっており、Deep ReviewがPATを土台にしていることが分かる。

検出率の差で見る効果

分担して検証する設計は、実際にどれだけ効果を生むのか。PATを検証した段階で、具体的な数字が出ている。対象は、数式や証明に誤りのある数学・計算機科学分野の論文26本、誤り29件。このSPOTベンチマークで、PATの誤り検出率が調べられた。

区画ごとに計算を配分し、複数のエージェントで分担して検証した結果が、この検出率の差にそのまま表れている。Geminiに1回だけ読ませた場合の55.2%と比べても、34.5ポイントの開きがある(The AI Insiderの報道、arXiv論文の結果を報じたもの)。自分は、ここまでの差が出るとは予想していなかった。チャットAIに原稿を読んでもらって「問題ありません」と返ってきたとき、その一言がどこまで信頼できるかを疑ったことがなかったからだ。

この数字はDeep Reviewの一般公開版そのものを測り直したものではなく、前身のPATを使ったベンチマークである点には注意してほしい。それでも、文書を区切って計算を配分し直すという設計の方向性が、検出率の差に直結することを示す数字として読める。

実際の学会でどれだけ信頼されたか

ベンチマークの数字だけでは、26本という小規模な検証に過ぎない。PATはもっと大きな規模でも試されている。Googleの公式ブログは、AIによる論文作成が増える一方で人間の査読が追いつかない状況を「検証のボトルネック」と呼んでいる。実際、NeurIPS・ICML・ICLRの3学会への投稿数は、2023年の約23,000件から2026年には74,000件超まで膨らんだという。

この状況を背景に、PATは2つのトップ会議で、著者が任意で使える投稿前レビューとして試された。STOCは2025年11月で、数学色の強い理論論文が対象になった。ICMLは2026年1月で、実験や比較も含む広い版が使われた。2つの会議を合わせて、4,700件を超える投稿が確認されている。

著者への調査では、「また使いたい」と答えた割合がSTOCで97%、ICMLで92.1%にのぼった。「フィードバックが非常に役立った、または概ね役立った」と答えた割合も両会議で90%を超えている。指摘の中身を見ると、STOCでは11.6%が「1時間以上かかる重大な理論上の誤り」を指摘されたと回答した。ICMLでは35.4%が理論的な欠落を指摘され、31%がそれを受けて新しい実験を追加したと答えている。

ベンチマークの数字が小規模な検証だったのに対し、こちらは数千件規模の実運用での反応だ。規模の異なる2つの調査が同じ結論を示していることで、分担して検証する設計の効果が、限られた条件だけで出た数字ではないと確かめられる。

Googleはこの実績を踏まえ、2025年から2026年にかけてSTOC2026・ICML2026・NeurIPS2026・ICLR2027の4学会に対象を広げた。1万6,000件を超える論文でパイロットを重ねたうえで、2026年10月14日に一般公開に踏み切っている。

自分も今日から無料で使えるのか

Deep Reviewは誰でも週2回まで無料で文書をレビューできる。もっと使いたい場合は、自分のGemini APIキーを接続すると利用上限が上がる。Deep Review APIを使えば、開発中のCIパイプラインなどに組み込むこともできる。入力形式は当初PDFとプレーンテキストに限られ、複数ファイルをまとめて検証する機能は今後追加予定とされている。Googleの開発環境Antigravityを使っている場合は、/teamwork-previewというコマンドから同じ仕組みの文書レビューを呼び出すこともできる。

対象は論文だけではない。公式ブログが挙げる例は3つある。設計文書では見落とされている前提や考慮漏れを確認できる。プレゼン資料ではスライドの流れや、箇条書きとグラフの整合を見られる。法律・財務文書では条項や表の整合性、曖昧な用語、主張の裏取りまで確認できるという。書き終えた文書を見てほしい場面は、もう論文を書く人だけのものではない。

アップロードした文書は、AIモデルの学習や改善には使われないとGoogleは説明している。一方で、Deep Reviewの画面上で文書を見返せるように、1年間はサーバーに保存される。提出前の機密性の高い文書を扱う場合は、この保存期間を踏まえて使うかどうかを判断するとよい。

精度にも限界はある。PATの段階では、正しい証明を誤りだと判定してしまう誤検知や、PDFの解析がうまくいかないケースが報告されている。公式ブログも、Deep Reviewは「より高度な判断は人間に委ねる」位置づけだとしており、指摘をそのまま結論にせず、最終的な判断は書き手自身が行う前提で使うことになる。

まとめ

Googleが2026年10月14日に公開したDeep Reviewは、文書を区画に分けて専門のAIエージェントに分担させ、情報の密度に応じて計算量を変えながら検証する仕組みを持つ。

前身のPATによるベンチマークでは、この設計によって誤り検出率が既存基準の21.1%、Gemini単体の55.2%から89.7%まで上がることが確かめられた。STOC・ICMLでの数千件規模の実運用でも、9割超の著者が「また使いたい」と答えている。

論文に限らず、設計文書やプレゼン、法律・財務文書まで対象になり、誰でも週2回まで無料で試せる。1年間の文書保存や、正しい証明を誤りと判定しうる誤検知には注意しつつ、提出前の一段厳しいチェックとして使える段階に来ている。