AIの「思考」をスリム化！東大開発の新技術MAC

最近、AIが人間のように考えながら問題を解く「思考連鎖推論」という技術が注目されています。これは、まるで人間が複雑な問題を解くときに、一つずつ段階を踏んで考えていく様子に似ています。例えば、難しい数学の問題を解くとき、いきなり答えを出すのではなく、「まずこの公式を使う」「次にこの数字を当てはめる」といったように、いくつものステップを踏んでいきますよね。AIもこれと同じように、複雑な問題を解くための道筋を「思考」として生成しながら進むことができるのです。この能力のおかげで、AIはこれまで難しかった様々なタスクをこなせるようになってきました。

しかし、この「思考連鎖推論」には、ちょっとした弱点がありました。それは、AIが考えている途中で、どうしても無駄な情報や、同じような情報がたくさん出てきてしまうことです。例えるなら、何かを説明するときに、同じことを何度も言ってしまったり、関係ない話まで長々と話してしまったりするようなものです。こうした「思考の無駄」が多いと、AIが処理しなければならない情報量が増えすぎてしまい、結果としてAIの動きが遅くなったり、たくさんのコンピューターの力が必要になったりするという問題が生じていました。これが、AIがもっと複雑な問題を解く上での「壁」となっていたのです。

そこで、東京大学の研究者たちが、この「思考の無駄」をなくすための新しいアイデア、「Memory-Augmented Compression（MAC）」を開発しました。これは、AIが「思考」している過程で出てくる情報を、賢く「要約」してしまう技術です。そして、その要約された情報を「記憶」として保存しておき、後でまた同じような思考が必要になったときに、この記憶を「再利用」するのです。まるで、一度解いた問題の解き方をノートにまとめておいて、次に似た問題が出たらそのノートを見返す、といったイメージでしょうか。

このMACという技術を使うことで、AIは無駄な情報をいちいち新しく生成する必要がなくなります。すでに要約された記憶があるので、それをもとに効率的に次のステップに進めるのです。その結果、AIの処理速度が上がり、より少ないコンピューターの力で、より複雑な問題を解くことができるようになります。実際に、数学の問題や、いくつものステップを踏む必要がある高度な推論タスクで、MACを使ったAIは、従来のAIよりも良い成績を出したという実験結果も報告されています。この技術がさらに進化すれば、AIがもっと色々な分野で活躍できるようになるかもしれませんね。