AIの「つまずき」を逆手に取る新技術「CritICL」

AI、特に「小規模言語モデル」と呼ばれる、比較的小さなデータで賢く動くように作られたAIは、私たちの生活の色々な場面で活躍し始めています。例えば、文章の要約や、簡単な質問への回答など、その用途は広がるばかりです。

でも、AIも万能ではありません。学習したデータとは少し違う状況、例えば「今まで見たことないような質問」や「少しひねった言い方」をされると、急にうまく答えられなくなってしまうことがあります。これは、AIが「弱強汎化（じゃっきょうはんか）」と呼ばれる、得意な状況と不得意な状況の差が大きい状態に陥ってしまうためです。まるで、得意な科目は満点なのに、苦手な科目はさっぱり、という学生さんのようですね。

そこで今回、新しいAIの仕組み「CritICL（クリティカル）」が提案されました。このCritICLのすごいところは、AIが「どこで、どのように間違えやすいか」という失敗のパターンを、あえて積極的に分析してしまう点です。そして、その「失敗の傾向」を、AIをさらに賢くするための「先生」のように使うのです。

具体的には、AIが間違えやすいポイントを洗い出し、「こういう時はこう考えようね」と、その間違いを避けるためのヒントを与えながら学習を進めます。これにより、AIはより幅広い状況に対応できるようになり、予期せぬ間違いをしにくくなります。これは、AIの「汎化能力（はんかのうりょく）」、つまり、学習したこと以外のことにどれだけ応用できるかの能力を高めることにつながります。

しかも、このCritICLの素晴らしい点は、AIが元々持っている「効率性」を損なわずに、賢さを上乗せできることです。AIを賢くしようとすると、どうしてもたくさんのデータと計算が必要になり、時間もコストもかかってしまいがちです。しかし、CritICLは、失敗という「無駄」を「学び」に変えることで、効率を保ったまま性能アップを目指せるのです。これは、AIをより身近なものにし、多くのサービスで活用しやすくする可能性を秘めています。