AIは独自の研究世界モデルを構築すべき

AI研究における重要な問いは、エージェントが未知の環境でどのように自律的に理解を構築するかです。本記事では、ARC-AGIパズルを用いた実験を通じて、AIが事前ルールなしに探索、命名、抽象化、推論を通じて明示的な世界モデルを構築するプロセスを探ります。

実験開始時、AIは完全に未知のパズル世界に置かれました。ルール、目標、チュートリアルはなく、4つの方向キーと短くなる進行バーのみが与えられました。AIはまず、目に見える物体に名前を付けました：動くブロックは「block」、踏むとパターンが変わる点は「switch」、目標パターンを示す枠は「key-box」、床の不明な斑点は「speck」と名付けました。これらの命名は単純ですが、後の理解の基盤となりました。AIはこれらの観察をファイルに記録し、初期の世界モデルを形成しました。最初のセッション終了時には、7つの法則（claim）を書き留めており、その中には後の鍵となるC07「ロックが満たされたときのみ、閉じられたキーボックスが開く」が含まれていました。

実験が進むにつれ、AIはレベル5でより複雑な操作に直面しました：2つの斑点は単なるスイッチではなく、アクションを実行——パターンを巡回させるものと回転させるものです。AIはこれらの操作をPとQの記号で表し、数学的性質を研究し始めました。Pは周期6の巡回、Qは90度回転であることを発見しました。状態図を作成することで、AIは操作によって生成される軌道（orbit）を特定し、特定の目標状態はPだけでは到達できず、PとQの組み合わせが必要であることを認識しました。レベル6では、オフラインの幅優先探索（BFS）により、必要な動作シーケンスQQPPPPPQを見つけ、紙上での推論でその有効性を確認しました。

注目すべきは、AIが解法を見つけただけでなく、特定の経路の不可能性を証明したことです。「NEVER」という言葉を記録し、Pだけでは目標に決して到達できないことを示しました。これは試行不足ではなく、数学的に不可能であることを理論的に判断したものです。この判断により、AIは無駄なステップを省くことができました。

実験結果は、最初の試行では515ステップを費やして解けなかったパズルが、世界モデルをクエリした後の2回目の試行ではわずか63ステップで解決されたことを示しています。これは明示的な世界モデルの価値を如実に示しています。経験を伝達可能で推論可能な知識に変換することで、AIは科学者のように新しい環境で自律的に探索し、効率的に問題を解決できるのです。

本記事の示唆は、AIはニューラルネットワークの重みに暗黙的に依存するのではなく、命名、抽象化、論理推論を通じて明示的な世界モデルを構築すべきだということです。このアプローチは、ゲーム世界、タンパク質構造、未解決方程式など、未知の領域にも適用可能です。