投稿日: 投稿者: zattu

AIは学習したことを超えられるのか――相対性理論の再発見テストが示した現在地

少し前に以前の記事で、AIはできないことまで「できる」と言い張るため、最後は人が設計と検証をしなければならない、と書いた。

その根っこには、もっと単純な考えがある。現在の生成AIは、学習した情報やパターンを材料に答えを作る。だから、学習も観測もしていない世界の真実を、自力で保証付きに取り出せるわけではない。

最近、この点をかなり分かりやすく試した検証が報じられていた。テーマは「1900年以前の資料だけを与えた言語モデルは、アインシュタインの相対性理論を再発見できるのか」である。

1900年以前の知識だけで、相対性理論にたどり着けるのか

科学誌Natureは2026年9月、この種の検証を「Einstein test」として紹介している。独立研究者が、1900年以前に書かれたテキストに限定してモデルを学習させ、量子論や特殊相対性理論、一般相対性理論に相当する説明を作れるか試したものだ。

結果は、少なくとも「AIが自力でアインシュタイン級の発見を再現した」と言えるものではなかった。Natureの記事によれば、モデルは多くのケースで失敗し、ときには世界についての強い内部表現を持たないまま、もっともらしい単語を並べているように見えたという。

これは重要なテストだと思う。相対性理論は1905年以後の知識である。現代のAIに相対性理論を説明させても、それが理解や発見によるものなのか、膨大な学習データからの再構成なのかは区別しにくい。そこで学習資料の時代を切り、後世の答えが混じらないようにする。初めて「すでに正解を見ていたAI」と「未知の問題を解いたAI」を分けて確かめられる。

もちろん、この一件だけで「AIは絶対に新発見をできない」と証明されたわけではない。学習データから後世の記述を完全に取り除く難しさ、モデルの規模、与えた問題設定、外部ツールの有無など、検証には条件がある。実際、実験の公開者自身も、データへの後世の情報混入を避けるために、年による選別だけでなく、Einsteinやrelativityなどの語を含む文書を除外したと説明している。

「学習した以上のことはできない」は、少しだけ言い換えるべき

以前の自分の言い方を、より正確に直すならこうなる。

現在の生成AIは、学習済みの知識や規則の組み合わせを超えて、未知の世界について正しい答えを自力で保証することはできない。

AIは学習データにそのまま存在しない文章、コード、デザイン案を出せる。そこは「丸暗記しかできない」という意味ではない。既知の部品を組み合わせ、類似性を見つけ、候補を大量に出すことは非常に得意である。

しかし、それは「未知の事実を知っている」こととは別だ。米国国立標準技術研究所（NIST）は、生成AIが次の単語を予測する事前学習を基にしているため、もっともらしく、しかも自信ありげに誤った内容を出す「confabulation（作話）」が起き得ると整理している。知らないことを「知らない」と止まる仕組みではなく、文脈に続きそうな答えを生成する仕組みだからだ。

研究でも、学習時と異なる条件への一般化は弱点として繰り返し確認されている。Transformerを用いた検証では、学習した範囲内で正答しても、より長い未経験の問題では性能が大きく落ちた。別の基礎的な研究でも、モデルの能力は訓練分布への過度な適合によって、分布外ではうまく一般化しない可能性が指摘されている。

AIは発明の「代わり」ではなく、発明を速くする道具になる

これはAIを否定する話ではない。むしろ逆で、AIは人間の調査、設計、実験を圧倒的に速くできる。論文を横断して仮説の候補を出す。コードを書いてシミュレーションを回す。膨大な観測データから、人間が見逃していた規則性を拾う。ここには大きな価値がある。

ただし、候補を出すことと、それが現実に正しいと確かめることは違う。後者には、新しい観測、実験、反証、そして責任を持つ人間の判断が要る。AIに外部検索、計算機、実験装置をつなげればできる範囲は広がるが、その場合も新しい情報を得ているのは、AI単体の学習済みモデルではなく、道具と世界からのフィードバックを含んだ仕組み全体である。

相対性理論の再発見テストは、AIが便利かどうかを測るためのものではない。「それらしい答え」を出す能力と、「世界の新しい原理」を発見する能力は別物だと、きれいに可視化した点に意味がある。

AIに仕事を任せるほど、この区別は大事になる。AIが出した答えは、優秀な下書きや仮説として扱う。未知の部分ほど、根拠を確認し、実際に動かし、必要なら捨てる。その手間を省いてはいけない。

参考

カテゴリーAI