AI、オリンピックで優勝するも学校の基礎数学で苦戦

2025年、グーグルDeepMindとOpenAIのシステムが国際数学オリンピックで金メダルの成績を収めた。これらのAIモデルは、通常、世界で最も聡明な若手数学者の中から選ばれた数人だけが解ける問題を解いた。しかし、これらの同じシステムは、中学生でも扱えるような基本的な算数で頻繁につまずく。この驚くべきパラドックスは、現代のAIについて根本的なことを明らかにしている。私たちは、機械が特定の領域では超人的な能力を発揮する一方で、私たちが初歩的だと考えるタスクでは失敗するという、ギザギザの知能の出現を目の当たりにしているのだ。

オリンピックの勝利

国際数学オリンピックは、大学入学前の数学競技の最高峰である。毎年、トップクラスの学生たちが、深い洞察力、創造性、高度な証明技術を必要とする6つの問題に取り組む。2025年、グーグルDeepMindとOpenAIのAIは42点満点中35点を獲得し、金メダルを獲得した。ディープマインドのAlphaGeometry 2は複雑な幾何学の問題をわずか19秒で解き、AlphaProofはほとんどの人間の参加者がつまずいた数論と代数の問題に取り組んだ。

これらのブレークスルーは、長年にわたる着実な進歩の上に成り立っている。これらのシステムは、厳密な証明を構築するためにLeanのような正式な数学言語を利用し、カリキュラム学習のような方法を採用し、難易度の高い問題で訓練する。このプロセスにより、AIは数学的対象間の複雑な関係を把握し、微妙なパターンを認識し、エレガントな証明を策定することができる。

初歩的な闘い

オリンピックで勝利するAIは、一見些細なタスクでしばしば失敗する。大きな数の掛け算を求められると、自信満々で不正解を出すこともある。他の基本的な算術演算のパフォーマンスも同様に予測不可能なことがある。問題は単純な計算にとどまらない。これらのシステムは、複数の数量を追跡したり、実世界の文脈を理解したり、基本的な演算を順次適用したりする必要のある語句問題に苦戦することが多い。

この弱点は、これらのモデルの動作方法に根ざしている。大規模な言語モデルは、学習データのパターンに基づいて次の文章を予測する。2 + 2」と表示されたとき、「4」と正しく出力するのは、足し算を理解しているからではなく、この順序が学習でどこにでも現れるからだ。めったに目にすることのない珍しい計算をさせれば、そのパフォーマンスは急降下する。彼らはパターンマッチングエンジンのようなもので、明確で一貫性のあるパターンには長けているが、斬新な計算を強いられると苦戦する。

建築パラドックス

オリンピックの成功と算数の失敗の矛盾は、より深いアーキテクチャーの問題を指し示している。現代のAIは、パターン認識、論理的演繹、解空間の系統的探索によって解ける問題を得意としている。オリンピックの問題は難しいが、AIが活用できるエレガントな構造を持っていることが多い。システムは証明の戦略を探求し、論理的なステップを検証し、確立された数学的枠組みを基礎とし、記号、ルール、論理に支配された世界で動作することができる。

基本的な算数は、逆説的ではあるが、異なる課題を提示する。パターンマッチングではなく、数量の正確な操作が要求される。数値の大きさや近似できない関係を理解する必要があるのだ。AIモデルが算数を言語モデリングタスクとして扱う場合、数値は計算すべき量ではなく、予測すべきトークンとして捉えられる。このタスク要件とモデル・アーキテクチャの根本的なミスマッチが、観察されるパフォーマンス・ギャップを生み出している。

学習データとその限界

AIの能力は訓練データによって大きく左右される。数学的証明や高度な問題は、学術論文、教科書、教育リソースなど、構造化された形式でオンライン上に存在することが多く、推論の明確な例を提供する。インターネット上には、数学的概念や問題解決の戦略に関する議論があふれており、高度な思考を学ぶための豊富なコーパスが形成されている。

初等数学は異なる問題に直面している。基本的な算数はネット上でよく見られるが、その基礎となるプロセスの詳細な説明が添えられていることはほとんどない。単純な計算は事実として述べられ、手順としては説明されない。トレーニングデータには計算結果は含まれているが、ステップごとの推論は含まれていないため、理解のギャップが生じ、それが基本的なタスクでのパフォーマンスの低さとなって現れるのだ。

AI開発への影響

このギザギザの知能は、AIの設計と配備にとって極めて重要な意味を持つ。複雑なタスクで成功したからといって、より単純なタスクでの能力が保証されるわけではない。定理を証明するAIが小切手帳の残高を計算できないかもしれないし、コードを書くシステムが基本的な計数を苦手とするかもしれない。このような現実があるため、現実のアプリケーションの能力と限界を慎重に評価する必要がある。

この現象はまた、ハイブリッド・アプローチの価値を強調している。単一のモデルですべてを処理することを期待するのではなく、異なるタスクに特化したシステムが必要になるかもしれない。演算のための記号計算と推論のための言語モデルを組み合わせることで、より信頼性の高いソリューションが得られるかもしれない。未来は、単一のモノリシックなインテリジェンスを追求するのではなく、複数の特化したシステムをオーケストレーションすることにあるのかもしれない。

進むべき道

ギザギザの知能を認識することで、より有能なAIへの道筋が明確になる。研究者たちは、計算ツールを言語モデルに統合する方法を開発し、演算を専用の計算機に任せることを可能にしている。新しいトレーニング戦略は、すべてのスキルを内面化するのではなく、外部ツールをいつ使うべきかをモデルに教える。これは人間の知能を反映したもので、私たちは計算のためにツールを使用し、より高度な推論に精神的エネルギーを集中させる。

結局のところ、ギザギザ知能のパラドックスは謙虚さを教えてくれる。これらのシステムは、普遍的に優れているわけでも、一様に限界があるわけでもない。長所と短所の複雑なタペストリーを持ち、それを効果的に利用し、改善するためには、私たちがそれを理解しなければならない。進歩には、AIの能力を拡大するだけでなく、その根本的なギャップにも対処する必要がある。定理を証明しながらも基本的な足し算に失敗するマシンは、人工知能であれ人間であれ、知能が単純な定義にとらわれない多面的な現象であることを思い出させてくれる。

結論

オリンピックの問題は解けるが、単純な数学は解けないAIの能力は、知能の発達にはばらつきがあることを示している。システムは、ある分野では素晴らしくても、別の分野では驚くほど弱いことがある。このギザギザのプロファイルを理解することは、責任を持ってAIを設計し適用するために不可欠である。すべてのタスクに対応する単一のモデルではなく、それぞれのシステムの強みを生かした異なるアプローチを組み合わせることが解決策になるかもしれない。現実世界の進歩は、AIがすべてにおいて優れていると思い込むのではなく、実際に確実に機能するAIを構築することからもたらされる。