アップルの研究者たちが、複雑な問題解決に取り組む人工知能モデルの性能についての新しい研究を発表しました。
研究では、LLMs（Large Language Models）の発展形である「思考型」AIが、タスクの難易度が高くなるにつれて性能が低下し、最も困難な問題では理性的な思考がストップしてしまうことが明らかになりました。
例えば、Claude 3.7やDeepseek-R1といったモデルは、チェスのようなロジックパズルで良好な結果を出すために設計されていますが、問題の複雑さが増すと全てのモデルの精度はゼロに落ち込むことが発見されました。
簡単な問題では性能が良好でも、パズルが複雑になるにつれて、模倣された「思考」が途中で断念され、より多くのリソースを使用しても状況は改善されませんでした。
また、異なるタイプの問題により、トレーニングデータの出現頻度がパフォーマンスに影響を及ぼすことが指摘されています。
アップルの研究チームは、現在のAIが本当に複雑な理論的問題を解決するための一般的な戦略を持っていないと結論付けており、AIの進歩を抑え込む根本的な限界が存在すると警鐘を鳴らしています。
これらの発見は、AI研究において、単にデータやモデルのサイズを増やすことから一歩踏み出すための新しい道として「思考」に注目が集まっている今、特に重要です。
出典 : Apple study finds “a fundamental scaling limitation” in reasoning models’ thinking abilities https://the-decoder.com/apple-study-finds-a-fundamental-scaling-limitation-in-reasoning-models-thinking-abilities/
