AIはまだ人間のように考えられない？最新研究が明らかにした4つの意外な事実

普段から料理をする人を思い浮かべてみてください。その人は、自分のキッチンにある道具の場所や調理器具の癖を把握し、頭の中に一種の「世界モデル」を構築しています。このモデルがあるからこそ、鍋の中身が見えなくても火の通り具合を予測したり、複数のレシピを効率的にこなす手順を計画したりできます。たとえ短期滞在先の新しいキッチンであっても、どこに何があるかを探り当て、すぐに対応できるのも、この柔軟なモデルのおかげです。

多くの研究者は、このような柔軟で予測的な世界の理解、すなわち「世界モデル」の構築こそが、AIの次なる進化の鍵を握ると考えています。

しかし、これまでのAI評価手法は、学習した環境内での性能（例えば報酬の最大化）に偏っており、AIが獲得した「世界モデル」そのものの柔軟性や汎用性を正しく測れていませんでした。そこで、ある研究チームが「WorldTest」という新しい評価フレームワークと、その具体的な実装である「AutumnBench」を開発しました。これは、AIと人間をまったく同じ土俵でテストすることで、この極めて重要な能力をより包括的に測定する画期的な試みです。そして、その結果は驚くべきものでした。

1. 人間は、依然としてAIを圧倒している

まず最も重要な発見は、人間が依然としてAIを大きくリードしているという事実です。

この研究では、517人の人間の参加者と、Anthropic社のClaude 4 Sonnet、Google社のGemini 2.5 Pro、そしてOpenAI社のo3という3つの最先端AIモデルが、129のタスクで直接対決しました。タスクは、変化の検出（CD）、隠された部分の予測（MFP）、計画立案（PL）の3種類に及びます。

結果は明白でした。人間がほぼ最適なスコアを達成したのに対し、AIモデルはすべてのタスクタイプで頻繁に失敗しました。AI技術が急速に進歩する現代において、この結果は、機械と人間のような柔軟で常識的な推論能力との間には、まだ「相当な改善の余地」があることを示しており、非常に重要かつ驚くべき発見です。

2. 「もっと計算資源を」は、必ずしも答えではない

AI開発の世界では、「モデルを大きく、計算能力を増やせば性能は向上する」という考え方が主流です。しかし、今回の研究はこの通説に疑問を投げかけています。

研究チームは、計算コストを増やすことがAIのパフォーマンス向上につながるかを検証しました。その結果、43の環境のうち25の環境ではコスト増に伴いパフォーマンスが向上したものの、残りの18の環境では横ばい、あるいは逆に低下することさえありました。

これは、AI開発における「スケールこそが万能」という現在の主流アプローチに根本的な問いを投げかける結果です。単なる力任せの計算では乗り越えられない、知性の本質的な壁が存在することを示唆しています。

3. 人間の学習の秘訣：私たちはより優れた科学者である

では、なぜ人間はAIよりもうまく世界を学習できるのでしょうか。その秘密は、学習へのアプローチの違いにありました。

研究では、報酬が与えられない「インタラクション・フェーズ」で、人間とAIがどのように環境を探索するかを分析しました。そこで明らかになったのが、「リセット」ボタンの使われ方の違いです。

人間の参加者は、行動全体の約12.5%でリセットボタンを使用し、同じく約12.5%で何もしない（no-ops）という選択をしました。一方、AIモデル全体でこれらの行動が占める割合は合計でも7%未満と著しく低く、特にClaudeでは2.1%に留まりました。

研究チームは、この行動を次のように分析しています。
人間は「リセット」を実験的なツールとして利用しているのです。環境のルールについて仮説を立て、リセットしては新しいことを試すという制御された実験を繰り返します。対照的に、AIモデルは単に前進するような行動を続ける傾向があり、リセットや何もしないという選択を、情報を集めるための貴重なツールとして活用できていませんでした。これは、人間がより戦略的で、メタ認知的なアプローチで学習していることを示しています。

人間がAIを圧倒的な差で上回った背景には、こうした学習プロセスの質の高さがあると考えられます。人間は単に環境をなぞるのではなく、能動的に仮説を立て、検証することで、より深く、正確な世界モデルを効率的に構築しているのです。

4. AIは頑固である：モデルの「考え」を変えることの難しさ

知能の重要な側面の一つに、新しい矛盾した証拠が提示されたときに、自分の理解を修正する能力、すなわち「信念の更新」があります。今回の研究で、AIはこの点で大きな課題を抱えていることが明らかになりました。

推論モデルは、一度構築した内部モデルを更新するのが非常に苦手でした。テストフェーズでの観測が、インタラクション・フェーズで学んだルールと矛盾していると認識した場合でさえ、モデルは元の誤ったルールに固執して予測を行う傾向があったのです。

これは「メタ推論」能力の限界と捉えることができます。モデルは、自分が学んだことを「いつ」「どのように」修正すべきかを知りません。この点は、柔軟な人間の知性との決定的な違いを浮き彫りにしています。

結論：AIの次なるフロンティア

今回の研究結果をまとめると、以下のようになります。現在の最先端AIモデルは、その驚異的な能力にもかかわらず、柔軟なワールドモデルを構築し活用する能力において、いまだ人間レベルには及んでいません。そして、その差は単に計算能力を増やすだけでは埋まらないのです。

人間が優れているのは、より高度なメタ認知スキル、すなわち戦略的な実験（仮説検証）と柔軟な信念の更新能力があるからです。

AIが単にゲームのルールを学ぶだけでなく、人間の子どものように真に実験し、適応する方法を学ぶには、何が必要なのでしょうか？――それが、AI研究の次なるフロンティアと言えるでしょう。

解説動画：

参考資料：

その他記事、コラム、書籍はこちら↓