ディープマインド新 AI、思考の新たな様式を発見

56 年間の未解決問題に挑む：DeepMind の新 AI が示す「知能」の新たな定義

ディープマインド（DeepMind）が発表した新システム「AlphaProof Nexus」は、人類が 56 年間解けなかった数学問題 350 問のうち、9 問を解決するという驚異的な成果を成し遂げました。このニュースの核心は、AI モデルそのものの知能が劇的に向上したからではなく、「信頼性の低い AI を厳格な検証ループで統合する」というアーキテクチャのパラダイムシフトにあります。

95.7% の失敗率でも「9 つ」を解いた理由

このプロジェクトは、伝説の数学者ポール・エルデシュが残した 1000 件以上の未解決問題のうち、形式化可能な 350 問に挑戦しました。結果は、驚異的な 95.7% の失敗率でした。つまり、350 問中 9 問しか正解できませんでした。

「失敗率がこれほど高いなら、何の成果もないのではないか」という批判も想像に難くありません。しかし、この数字を悲観的に見るべきではありません。なぜなら、これらの問題はいずれも数十年、あるいは半世紀以上も人類が挑み続けてきた未解決課題だからです。

「4 年前は足し算ができず、2 年前は高校の数学問題を解けず、1 年前はオリンピックレベルの問題に届かなかった。そして今日、50 年間解けなかった問題に挑んでいる。これは明確な進歩だ」

AI の進化を「現在の位置」でなく、「数本先の未来」から評価する視点こそが重要です。4 年という短期間で、人類の長年の壁を崩し始めたこの事実は、単なる数字以上の意味を持ちます。

「信頼性の低い部品」で作る「信頼できるシステム」

では、どうやってこれを実現したのでしょうか？従来の AI は、より賢いモデルを作ることに注力してきました。しかし、AlphaProof Nexus の鍵はそこにはありません。重要なのは、「周囲の制御を厳格にする」というアプローチです。

このシステムの仕組みは、チェスのトーナメントに似ています。個々の AI エージェント（プレイヤー）は、誤謬（ハルシネーション）を起こしやすく、でたらめな答えを出すこともあります。しかし、それらを単独で使うのではなく、以下のプロセスで組み合わせています。

1. 形式言語 Lean の活用: まず、数学者が問題と解答の枠組みを「Lean」という形式化された数学言語に記述します。この言語は、証明が正しいか機械的に即座に判定できる環境を提供します。
2. 生成と検証のループ: AI エージェントが解を試みますが、当然のように失敗します。次に、別の AI（判事役）がその解答をチェックし、「なぜ間違っているのか」を説明します。
3. トーナメント方式による選抜: 複数の解決策が提示された場合、より安価な「判事 AI」が過去の解決策を読み込み、相対的に良い方を選びます。これに ELO スコア（チェスのレート計算方式）が付与され、スコアの高い解が次のラウンドへ進みます。
4. 反復による収束: このプロセスを数千回繰り返します。検証者が「これで正しい」と認めるまで、最もスコアの低い悪い解決策からスタートし、徐々に正解に近づけていきます。

「信頼性の低い部品（AI）が、嘘をつけない裁判官（Lean と判事 AI）相手に数千回も失敗するのを許すことで、最終的に信頼できるシステムを構築した」

モデル自体が完璧である必要はありません。重要なのは、その周囲に厳格な検証ループを設け、正しい解が浮き上がるまで試行錯誤させる仕組みです。

パラダイムシフト：「賢いモデル」から「堅牢なループ」へ

この成果は、AI 開発の歴史における大きな転換点を示しています。これまでの物語は「AI をより賢くする」ことに集中していましたが、今後は「AI の周囲をどう厳格に制御するか」が重要になります。

「知能はモデルの中だけでなく、その周囲のループにも存在する」

このアプローチにはいくつかの重要な示唆があります。

• コスト効率: 超高速・低価格な小規模モデルを多数組み合わせることで、大規模で高価なモデルに匹敵する成果を出せる可能性があります。エンタープライズや研究現場におけるリソース最適化の新たな指針となります。
• 限界と課題: ただし、この手法にも限界はあります。例えば、より小さなモデルだけではゼロの問題しか解決できず、依然として強力なコア AI システムが必要です。また、テスト対象が「形式化しやすい問題」に限定されているため、選択バイアス（バイアス）の指摘もあります。

それでも、56 年間人類が解けなかった問題を、それぞれ数百ドルのコストで解決した事実は、AI が複雑な推論タスクを自律的に遂行する未来への確かな一歩です。私たちは今、モデルの性能向上だけでなく、その知能を支える「仕組み」そのものを再構築する時代を生きているのです。

この技術は、将来的に AI が人間を超える推論能力を発揮するための標準的なアプローチとなる可能性が高く、研究分野や実社会での応用がさらに加速することが期待されます。