AI がロケットを着陸させる、嵐の中でも96%成功

『深層強化学習』って、従来のプログラミングと何が違うの？昔のやり方じゃダメだったの？

従来のプログラミングは「ルールを先に決める」やり方です。風速何ノット、気温何度、風向きの変化パターンはこれこれ、という条件を全部書き出して、それぞれに対する対処法をコード化する。でも現実は予測できない組み合わせだらけ。風速と乱気流と気温がこんな風に重なることは想定してなかった、みたいなことが起きます。 深層強化学習は「試行錯誤で学ばせる」やり方。ロケットをシミュレーション上で何万回も着陸させて、うまくいった時の判断パターンを自動で抽出させる。プログラマーが「この条件ならこう動け」と全部書くのではなく、AIが自分で「こういう風のときはエンジン出力をこう調整するといいな」と勝手に見つけ出す。 だから、想定外の状況にも対応できるようになる。人間がスポーツを習うとき、コーチが「このシーン全部覚えろ」ではなく、何度も練習して身体で覚えるのと同じ。ロケット着陸は変数が複雑すぎて、全パターンを手でコード化するのは事実上不可能だった。AIにやらせたら、人間が思いつかない最適解も見つけてしまったと言えそうです。

ロケットの着陸精度が上がると、宇宙旅行の料金とか、一般人にとって何が変わるの？

ロケットの再利用が経済的に成り立つかどうかが、宇宙産業全体の採算性の分岐点なんですよね。 着陸精度が上がると、故障やリスクが減って、同じロケットを何度も飛ばせる回数が増える。すると1回の打ち上げにかかる実質的なコストが劇的に下がります。飛行機だって、毎回新しいジェット機を買ってたら航空券は今の100倍になるはず。ロケットも同じ構造で、使い回せればコストが圧縮できる。 宇宙旅行の料金が下がるのはその先の話。近い将来には、衛星打ち上げサービスや月への輸送コストが真っ先に変わり、そこで浮いた利益が宇宙旅行へ流れ込む感じになると考えられます。一般人にとっての変化は、最初は遠い。でも、衛星インターネットが安くなったり、軌道上での実験が増えたり、そうした周辺から恩恵が波及してくることになりそうです。

SpaceX のロケット再利用って、ここ数年で急に実現し始めたけど、昔は技術的に無理だったの？

昔は無理というより、「経済的に割に合わなかった」という方が正確なんですよね。 ロケット再利用の技術自体は、実は1960年代からNASAが取り組んでいました。スペースシャトルも、理屈上は再利用ロケットです。ただシャトルは整備費が莫大で、打ち上げコストが逆に上がってしまった。その失敗から、業界は「ロケットは使い捨てが経済的」と思い込んでいた時代が長く続きました。 SpaceXが再利用を本気で実現させた転換点は、センサーと制御技術の進化。風に揺られながら精密着陸する判断を、リアルタイムで何度もやり直せるようになったわけです。記事の「複雑さに対応できる深層強化学習」も、この10〜15年で急速に発展した技術。昔は、そもそも着陸プログラムを「書く」ことすら不可能に近かったんですよ。 加えてSpaceXが何十回も失敗を重ねて、試行錯誤できる企業文化と資金力を持っていたことも大きい。技術と経営姿勢の両立が、この数年での急速な実現につながったと言えそうです。

この『簡単な状況から難しい状況へ段階的に学ばせる』やり方って、人間の学習と同じプロセスなの？

表面的には似ていますが、中身は結構違うんですよね。 人間がスポーツを学ぶときは、「簡単な状況で基本を体で覚える」という過程を通ります。でも同時に、コーチの言葉を理解したり、失敗から「なぜダメだったのか」という原因を推測したり、そもそもなぜそのスポーツをやるのかという動機まで、複数の層が働いている。 一方、このAIの場合は、単純な報酬関数（着陸に成功したら報酬ポイントをもらう）だけで、何万回も試行錯誤を繰り返して、統計的にパターンを身につけていく。人間なら数十回で「風が強いときはこうするんだ」と言語化できることを、AIは膨大なデータからニューラルネットワークの重み調整という形で獲得している。 つまり、「段階的に難しくする」という学習戦略だけが共通で、そこに至る意識や理解や工夫の層が、人間とAIではまるで別物ということです。似ているのは教え方の枠組みだけで、学んでいるメカニズムは全く異なるのかもしれません。

着陸に成功する条件がわかると、逆に『失敗しやすい状況』も明確になるってことだから、むしろ着陸を避けるべき天気が見える？

その通りです。この研究が明らかにした「平均風速が最大の要因」というのは、ロケット企業にとって単なる学習成果ではなく、実運用のルール作りに直結する情報なんですよね。 96%の成功率を達成したということは、逆に言うと「この条件なら避けるべき」という着陸判断基準も同時に手に入ったわけです。平均風速がある値を超えれば、AI にとって成功率が劇的に下がる。最悪の嵐で88%という数字は、逆読みすれば「12%は失敗する」という警告信号です。 SpaceX は既に着陸タイミングを選別しています。この研究から得られたデータベースがあれば、気象予報との組み合わせで「この日このロケットは着陸を延期する」という判断がより科学的になる。人間のパイロットが「今日の海況は無理」と判断するのと同じく、AI の学習結果は着陸ゴーノーゴー判定の根拠になります。 つまり、AI が強くなることは、無理な着陸に挑戦することじゃなく、むしろ挑戦すべき条件と避けるべき条件の境界線を引くことに役立つのだと言えそうです。