英語ニュース2026/4/23

【シャドーイング付き英語ニュース】OpenAI新AI発表！プロンプト術の秘訣？だだちゃ豆の甘さ解明！ | リスニング強化

動画と合わせてリスニング・シャドーイングにご利用ください。

スクリプト

Welcome to Sukima English News! I'm Sarah. （スキマ英語ニュースへようこそ！サラです。）

And I'm Marc. （そしてマークです。）

Today, we're exploring AI breakthroughs in drug discovery, improving AI prompts, and the science behind delicious beans! （今日は、創薬におけるAIのブレークスルー、AIプロンプトの改善、そして美味しい豆の科学について掘り下げていきます！）

From innovative AI models to delicious food, it's a great mix. （革新的なAIモデルから美味しい食べ物まで、素晴らしい組み合わせですね。）

Our first story comes from technology and medicine. OpenAI has announced a new AI model for drug discovery and life sciences, called GPT-Rosalind. （まず最初のニュースは、テクノロジーと医療からです。OpenAIが、GPT-Rosalindという、創薬とライフサイエンスのための新しいAIモデルを発表しました。）

This is their first model solely dedicated to life sciences, aiming to help scientists with drug discovery, biology research, and translational medicine. （これは、ライフサイエンスに特化した同社初のモデルで、創薬、生物学研究、そしてトランスレーショナルメディシンの科学者を支援することを目的としています。）

GPT-Rosalind. So, what's the main problem this AI is trying to solve in drug discovery? （GPT-Rosalindですね。それで、このAIが創薬において解決しようとしている主な問題は何ですか？）

Traditional drug discovery is incredibly time-consuming and expensive, taking years and billions of dollars with a low success rate. （従来の創薬は、成功率が低く、何年もかかり、数十億ドルもの費用がかかる、信じられないほど時間と費用のかかるプロセスです。）

AI, especially large language models, can analyze vast amounts of research and data much faster than humans, helping identify drug candidates or optimize trials. （AI、特に大規模言語モデルは、人間よりもはるかに速く膨大な量の研究やデータを分析し、薬剤候補の特定や臨床試験の最適化を支援できます。）

That makes sense. And the article mentioned impressive market growth figures. Can you share those? （なるほど、それは理にかなっていますね。そして記事には、印象的な市場成長率についても触れられていましたね。それを教えていただけますか？）

The global AI in drug discovery market is projected to grow dramatically. （創薬におけるAIのグローバル市場は、劇的に成長すると予測されています。）

MarketsandMarkets forecasts it will jump from one billion US dollars in 2023 to over 10.6 billion dollars by 2028, a compound annual growth rate of over 60 percent. （MarketsandMarketsは、2023年の10億米ドルから、2028年までに106億米ドル以上に跳ね上がると予測しており、年平均成長率は60％を超えています。）

Wow, over 60 percent. That's incredibly high. （わあ、60％以上ですか。それは信じられないほど高いですね。）

It does. And research and development spending in the global pharmaceutical industry is also on the rise. （そうですね。そして、世界の製薬業界における研究開発費も増加傾向にあります。）

IQVIA data shows R&D investment reached 243 billion dollars in 2022 and is expected to exceed 290 billion by 2027. （IQVIAのデータによると、2022年の研究開発投資は2430億ドルに達し、2027年までに2900億ドルを超えると予想されています。）

So, AI is seen as a crucial tool to make that massive R&D spending more effective. （つまり、AIは、その莫大な研究開発費をより効果的にするための重要なツールと見なされているわけですね。）

Exactly. Venture capital investment in biotechnology is also strong, with over 16 billion dollars invested in 2023. （まさにその通りです。バイオテクノロジーへのベンチャーキャピタル投資も好調で、2023年には160億ドル以上が投資されました。）

It sounds like GPT-Rosalind is arriving at a very opportune moment. What kind of impact could it have? （GPT-Rosalindは、非常に良いタイミングで登場したようですね。どのような影響が考えられますか？）

The primary impact will be accelerating drug discovery and reducing costs. （主な影響は、創薬の加速とコスト削減です。）

By quickly analyzing data and suggesting compounds, it could significantly shorten timelines. （データ分析を迅速に行い、化合物を提案することで、開発期間を大幅に短縮できる可能性があります。）

It could also help identify new therapeutic targets or even design novel molecules. （また、新しい治療標的の特定や、革新的な分子の設計にも役立つかもしれません。）

That's a huge advantage. And are there any specific benefits for Japan or Japanese researchers? （それは大きな利点ですね。そして、日本や日本の研究者にとって、何か特別なメリットはありますか？）

Yes, Japan has a strong pharmaceutical sector and growing interest in AI. （はい、日本は製薬分野が強く、AIへの関心も高まっています。）

This specialized AI can help Japanese companies stay competitive globally. （この専門的なAIは、日本の企業がグローバルで競争力を維持するのに役立つでしょう。）

It could also lead to faster development of new medicines for diseases prevalent in Japan. （また、日本で一般的な病気に対する新しい医薬品の開発を早めることにもつながるかもしれません。）

So, it could mean quicker access to advanced treatments for people in Japan. （ということは、日本にいる人々が、より早く先進的な治療を受けられるようになるということですね。）

That's the hope. Furthermore, Japan faces an aging population and a shrinking workforce. （それが期待するところです。さらに、日本は高齢化と労働力人口の減少に直面しています。）

AI in life sciences can help maintain healthcare services despite these demographic challenges. （ライフサイエンスにおけるAIは、こうした人口動態の課題にもかかわらず、医療サービスを維持するのに役立ちます。）

It's fascinating how AI is tackling fundamental societal issues like healthcare. （AIが、医療のような根本的な社会問題に取り組んでいるというのは、興味深いですね。）

It really is. And GPT-Rosalind's specialized nature means it's built with biological data complexities in mind. （本当にそうですね。そしてGPT-Rosalindの専門的な性質は、生物学的データの複雑さを考慮して構築されていることを意味します。）

This could lead to more accurate predictions and fewer false starts in research. （これにより、より正確な予測が可能になり、研究における手戻りが減る可能性があります。）

So, instead of a general AI trying to understand science, this is an AI that 'speaks' the language of biology and chemistry. （つまり、科学を理解しようとする汎用AIではなく、生物学や化学の「言葉」を話すAIなのです。）

Precisely. It's trained on a massive dataset of scientific literature and biological information. （まさにその通りです。膨大な科学文献や生物学的情報のデータセットで学習しています。）

This allows it to understand scientific concepts and relationships general AI models cannot. （これにより、汎用AIモデルでは理解できない科学的概念や関係性を理解できるようになります。）

That's a really important distinction. It's not just about processing text, but understanding scientific context. （それは非常に重要な違いですね。単にテキストを処理するだけでなく、科学的な文脈を理解することなのです。）

Right. And this could lead to breakthroughs in areas like personalized medicine. （ええ。そして、これは個別化医療のような分野でのブレークスルーにつながる可能性があります。）

By analyzing an individual's genetic data and medical history, AI could help tailor treatments. （個人の遺伝子データや病歴を分析することで、AIは治療法を調整するのに役立つかもしれません。）

That would be a significant advancement for patient care. It feels like we're on the cusp of a new era in medicine. （それは患者ケアにとって大きな進歩となるでしょう。医療の新しい時代の幕開けのように感じます。）

We certainly are. The integration of advanced AI like GPT-Rosalind is set to transform how we approach health and disease. （まさにそうですね。GPT-Rosalindのような高度なAIの統合は、健康や病気へのアプローチ方法を変革するでしょう。）

It's a field to watch closely as these technologies mature and become more accessible. （これらの技術が成熟し、より利用しやすくなるにつれて、注視すべき分野です。）

Thank you, Sarah. That was a very insightful look at OpenAI's new AI model. （ありがとう、サラ。OpenAIの新しいAIモデルについて、非常に洞察に富んだお話でした。）

My pleasure, Marc. It's an exciting development with far-reaching implications. （どういたしまして、マーク。広範囲にわたる影響を持つ、エキサイティングな展開です。）

Now, let's shift gears to a fascinating topic about how we interact with AI. （さて、次にAIとの関わり方についての興味深いトピックに移りましょう。）

The article from Toyo Keizai Online discusses how people who are bad at giving instructions to AI might not understand the structure of their work. （東洋経済オンラインの記事では、AIに指示を出すのが苦手な人は、自分の仕事の構造を理解していない可能性があると論じています。）

It highlights that the key to getting good output from AI is the quality of the initial draft, or "tatakidai." （AIから良い出力を得るための鍵は、最初のたたき台、つまり「たたき台」の質にあると強調しています。）

"Tatakidai," that's an interesting term. It seems to refer to a preliminary draft or a starting point for discussion. （「たたき台」、面白い言葉ですね。議論のたたき台や出発点を指すようです。）

So, the article suggests that if you can't get good results from AI, it's not the AI's fault, but your instructions are lacking. （つまり、AIから良い結果が得られないのはAIのせいではなく、あなたの指示が不十分だということですね。）

Exactly. The core idea is that effective AI use, or "prompt engineering," depends on understanding the underlying work structure. （まさにその通りです。中核的な考え方は、効果的なAI利用、つまり「プロンプトエンジニアリング」は、基盤となる仕事の構造を理解することにかかっているということです。）

Recent data shows Japan's personal use of generative AI is up to 26.7 percent in 2024, a big jump from 9.1 percent. （最近のデータによると、2024年の日本の生成AIの個人利用率は9.1%から26.7%に大幅に増加しています。）

However, this is still much lower than countries like the US at 68.8 percent or China at 81.2 percent. （しかし、これは米国（68.8%）や中国（81.2%）といった国々に比べると、依然としてかなり低い数字です。）

That's a significant gap. What reasons does the article give for this lower adoption in Japan? （大きな差ですね。この記事では、日本での採用が遅れている理由として何が挙げられていますか？）

It points to a psychological distance, like people not feeling the necessity or not knowing how to use it. （必要性を感じない、あるいは使い方がわからないといった心理的な距離が指摘されています。）

For businesses, the main goal for AI adoption is 94.1 percent for efficiency, but 52.9 percent still say the results are unclear. （ビジネスにおいては、AI導入の主な目的は効率化のために94.1%ですが、結果が不明瞭だと答える企業が52.9%います。）

So, companies are investing, but they're not always seeing immediate, measurable benefits. （つまり、企業は投資していますが、必ずしも即座に測定可能なメリットを得られているわけではないということです。）

And what about the skills needed? Is it just about learning new commands? （そして、必要なスキルについてはどうですか？新しいコマンドを覚えるだけなのでしょうか？）

Not really. The article emphasizes that understanding the "structure of work" is crucial. （そうではありません。この記事は、「仕事の構造」を理解することが重要だと強調しています。）

This means breaking down a task logically and knowing what information is needed at each step. （これは、タスクを論理的に分解し、各ステップでどのような情報が必要かを知ることを意味します。）

This understanding allows you to create better prompts, leading to a more useful "tatakidai" from the AI. （この理解により、より良いプロンプトを作成でき、AIからより有用なたたき台を得ることができます。）

That makes sense. It's like giving good directions to a taxi driver. If you don't know your destination's layout, you can't guide them effectively. （なるほど。タクシーの運転手に良い道案内をするようなものですね。目的地までの道のりがわからなければ、効果的に誘導できません。）

Right. And the market for prompt engineering is expected to grow from about 500 million US dollars in 2025 to 5.2 billion by 2034. （ええ。そして、プロンプトエンジニアリングの市場は、2025年の約5億ドルから、2034年までに52億ドルに成長すると予想されています。）

This indicates a huge demand for people who can communicate effectively with AI. （これは、AIと効果的にコミュニケーションできる人材への大きな需要を示しています。）

That's a massive growth. So, what's the takeaway for Japanese professionals aiming to excel? （それはすごい成長ですね。では、日本で活躍したいプロフェッショナルにとっての教訓は何でしょうか？）

The article suggests that developing this skill is essential for future career success, especially in Japan. （この記事は、このスキルを開発することが、特に日本では、将来のキャリア成功に不可欠であると示唆しています。）

It's about thinking critically about your tasks and communicating that logic clearly to AI. （それは、自分のタスクについて批判的に考え、その論理をAIに明確に伝えることです。）

So, it's less about being a tech wizard and more about being a clear communicator and a good planner. （つまり、テクノロジーの達人であることよりも、明確なコミュニケーション能力者であり、優れた計画者であることが重要だということです。）

Precisely. The ability to create a high-quality initial draft using AI can significantly boost your reputation and effectiveness at work. （まさにその通りです。AIを使って質の高い初稿を作成する能力は、あなたの評判と仕事の効率を大幅に向上させることができます。）

This skill helps you produce "tatakidai" that, even if criticized, are valuable starting points for improvement. （このスキルは、たとえ批判されたとしても、改善のための貴重な出発点となる「たたき台」を作成するのに役立ちます。）

It sounds like this is a skill that will become increasingly important across many industries in Japan. （これは、日本中の多くの産業でますます重要になるスキルになりそうですね。）

Absolutely. Mastering prompt engineering means understanding your work better and leveraging AI as a powerful assistant. （まったくその通りです。プロンプトエンジニアリングをマスターすることは、自分の仕事をより深く理解し、AIを強力なアシスタントとして活用することを意味します。）

It's a way to stand out by being able to get the most out of these new tools. （これらの新しいツールを最大限に活用できることで、差をつける方法です。）

Thank you, Sarah. That's a really insightful look into how we can improve our AI interactions. （ありがとう、サラ。AIとのやり取りを改善する方法について、非常に洞察に富んだお話でした。）

It highlights the importance of fundamental work skills in the age of artificial intelligence. （人工知能時代における、基本的な仕事スキルの重要性を浮き彫りにしています。）

Let's shift gears to something delicious: Dadacha-mame, the king of edamame. （では、美味しいものに移りましょう。枝豆の王様、だだちゃ豆です。）

Ah, Dadacha-mame! I've heard they're exceptionally sweet. （ああ、だだちゃ豆！格別に甘いと聞きました。）

That's right. A research team has uncovered the reason behind their unique sweetness. （その通りです。ある研究チームが、その独特の甘さの理由を解明しました。）

Fascinating! So, there's a scientific explanation. （興味深いですね！科学的な説明があるのですね。）

Exactly. People wondered why Dadacha-mame, from Yamagata Prefecture, tasted sweeter. （まさに。山形県のだだちゃ豆がなぜ甘いのか、人々は不思議に思っていました。）

Yamagata, okay. Is there a specific gene or compound responsible? （山形ですね。特定の遺伝子や化合物が原因なのでしょうか？）

The research identified a gene mutation that increases amino acid content in the bean. （研究では、豆のアミノ酸含有量を増加させる遺伝子変異が特定されました。）

A gene mutation. So, it's inherent to the bean. （遺伝子変異ですか。ということは、豆自体に固有のものなのですね。）

Yes. The mutation causes the bean to accumulate more amino acids, especially when exposed to sunlight as a drought-tolerance response. （はい。その変異により、特に干ばつへの耐性反応として日光にさらされたときに、豆にアミノ酸がより多く蓄積されます。）

Amino acids, the building blocks of proteins. That makes sense. （アミノ酸、タンパク質の構成要素ですね。なるほど。）

The elevated amino acid levels contribute to a savory, umami taste. （アミノ酸レベルの上昇は、うま味のある、風味豊かな味に貢献しています。）

So it's a complex sweetness, not just simple sugar. It has depth. （単なる砂糖ではなく、複雑な甘さなのですね。深みがある。）

Precisely. The team analyzed Dadacha-mame and compared it to standard edamame. （まさにその通りです。チームはだだちゃ豆を分析し、通常の枝豆と比較しました。）

What were the findings? Were the differences significant? （結果はどうでしたか？違いは顕著でしたか？）

Dadacha-mame contains notably higher amino acid and sucrose content than regular edamame, a quality long known to local farmers. （だだちゃ豆は、通常の枝豆に比べてアミノ酸とショ糖の含有量が著しく高く、これは地元の農家が昔から知っている品質です。）

That's a substantial difference. （それはかなりの違いですね。）

And the amino acid content was significantly elevated, contributing to that richer flavor. （そして、アミノ酸含有量が著しく高く、それがより豊かな風味に貢献しています。）

So, it's the unusually high concentration of amino acids that makes Dadacha-mame special. （つまり、だだちゃ豆を特別なものにしているのは、異常に高いアミノ酸濃度なのですね。）

Exactly. The mutation makes the bean a more efficient producer of these flavor compounds. （まさにその通り。その変異によって、豆はこれらの風味成分をもっと効率的に作るようになるんです。）

This must be exciting for Yamagata farmers. （山形県の農家の方々にとっては、これはワクワクするでしょうね。）

Absolutely. It provides a scientific basis for what they've known for generations. （本当にそうですね。長年彼らが知っていたことに、科学的な根拠を与えることになりますから。）

And for consumers, we can appreciate this unique quality more. （そして消費者にとっても、このユニークな品質をより深く理解して味わうことができますね。）

It adds another layer of understanding to enjoying this summer treat. （この夏の味覚を楽しむのに、また一層の深みが増しますね。）

I wonder if this could lead to developing even sweeter edamame varieties. （これが、もっと甘い枝豆の品種開発につながるんじゃないかと、ふと思うんです。）

That's a possibility. Understanding these genetic factors opens doors for innovation. （それは可能性としてありますね。こうした遺伝的要因を理解することで、イノベーションの扉が開かれます。）

It's amazing how science can unlock the secrets of a bean. （科学が豆の秘密を解き明かすなんて、すごいことですね。）

It truly is. This research highlights biodiversity and unique regional qualities. （本当にそうですね。この研究は、生物多様性と地域ならではの特性を浮き彫りにしています。）

And it connects to Japanese food culture, celebrating a regional specialty. （そして日本の食文化にもつながり、地域の特産品を称賛することになりますね。）

Right. It’s a taste of home, with a scientific explanation. （ええ。故郷の味に、科学的な説明がついたようなものです。）

A delicious fusion of tradition and research. （伝統と研究の、美味しい融合ですね。）

So next time you enjoy Dadacha-mame, appreciate the genetic magic. （だから次にだだちゃ豆を味わうときは、その遺伝子の魔法に感謝してくださいね。）

I certainly will. It makes the snack more enjoyable. （きっとそうします。そうすることで、おやつがもっと美味しくなりますね。）

And it shows how genetics can benefit agriculture and our appreciation for food. （そして、遺伝学がいかに農業や、私たちが食べ物を理解する上で役立つかを示していますね。）

A perfect wrap-up. （完璧な締めくくりですね。）

今日のキーワード

Now let's look at some key vocabulary from today's stories. （さて、今日の話から、いくつかの重要な語彙を見ていきましょう。）

Our first useful phrase is "drug discovery", which means the process of finding new medicines. （まず最初に出てくる便利なフレーズは「創薬」です。新しい薬を見つけるプロセスを意味します。）

For example: AI can speed up the drug discovery process significantly. （例えば、「AIは創薬プロセスを大幅に加速させることができる。」）

That's a good one. It's a very important field. （いいですね。とても重要な分野です。）

Moving on, from the second story, we have "work structure". （次に、2番目の話から「ワークストラクチャー」です。）

This refers to the underlying organization and flow of tasks in any job. （これは、どんな仕事においても、タスクの根本的な組織化と流れを指します。）

For example: Understanding your work structure helps you delegate effectively. （例えば、「自分のワークストラクチャーを理解することは、効果的な権限委譲に役立つ。」）

Right, it's about seeing the bigger picture of how things get done. （そうですね、物事がどのように進むのか、全体像を把握することです。）

Next, for our third story, let's look at "gene mutation". （次に、3番目の話では「遺伝子変異」を見てみましょう。）

This is a change in the DNA sequence of a gene. （これは、遺伝子のDNA配列の変化のことです。）

For example: A gene mutation can lead to unique traits, like sweetness in beans. （例えば、「遺伝子変異は、豆の甘さのようなユニークな特徴につながることがある。」）

So it's a change at the genetic level. Interesting. （つまり、遺伝子レベルでの変化なんですね。興味深いです。）

Back to our first story, a key term is "compound annual growth rate", often abbreviated as CAGR. （最初の話に戻って、重要な用語は「年平均成長率」、よくCAGRと略されます。）

It's the average yearly growth rate over a specific period, assuming profits are reinvested. （これは、利益が再投資されると仮定した場合の、特定の期間における年間の平均成長率です。）

For example: The market's compound annual growth rate was over sixty percent. （例えば、市場の年平均成長率は60パーセントを超えていました。）

That's a very specific and useful financial term. （それはとても具体的で役立つ金融用語ですね。）

Another phrase from the second story is "psychological distance". （2つ目のストーリーからの別のフレーズは「心理的距離」です。）

This means a feeling of separation or unfamiliarity, making something seem less relevant. （これは、隔たりや馴染みのなさの感覚を意味し、物事を無関係に感じさせます。）

For example: Psychological distance can hinder AI adoption in some regions. （例えば、心理的距離は一部の地域でのAI導入を妨げる可能性があります。）

I see. It's about how people feel about new technology. （なるほど。新しいテクノロジーに対する人々の感情についてですね。）

And our last one, from the third story, is "elevated levels". （そして最後の3つ目のストーリーからの「高レベル」です。）

This means a higher than normal amount of something, like a substance in the body or food. （これは、体や食品中の物質など、通常の量よりも多いことを意味します。）

For example: Dadacha-mame has elevated levels of amino acids, making them sweeter. （例えば、だだちゃ豆はアミノ酸のレベルが高いため、より甘くなります。）

That clearly explains the scientific finding. Great vocabulary today! （それは科学的な発見を明確に説明していますね。今日の語彙は素晴らしいです！）

シャドーイング用セクション

A: Now let's try to use some of those useful phrases in sentences. （さて、それらの役立つフレーズをいくつか文で使ってみましょう。）

A: Scientists hope AI can accelerate the drug discovery process for new diseases. （科学者たちは、AIが新しい病気の創薬プロセスを加速できることを望んでいます。）