教育AI、難しい質問だけ「頭のいい版」に任せる仕組み

『1B』『7B』って数字は何を表してるの？AI の大きさ？

その通り、AI の大きさを表す数字です。B はビリオン、つまり10億のこと。1B なら10億個、7B なら70億個のパラメータを持つ AI という意味になります。 パラメータというのは、AI が学習を通じて調整する数値の一つ一つを指します。ざっくり言えば「AI の脳の中にある調整ノブの数」。このノブが多いほど、複雑な判断ができるようになります。つまり 7B は 1B の 7 倍、情報を処理する余裕があるということです。 この研究が面白いのは、単に「大きい方が強い」という話ではなく、問題の難度に応じて使い分けることで、全体の効率を上げている点。知識問題みたいに「答えが決まってる」ものなら、小さな AI で十分。でも問題生成や要約みたいに「複数の表現を比較して最適なものを選ぶ」という作業になると、余裕のある大きな AI が必要になる。つまり、パラメータ数の差は、問題の複雑さに直結しているという感覚を、この仕組みが自動で学んでいるわけです。人間の先生が直感的にやっていることを、AI も数値の形で見つけ出している、という風に言えそうです。

子どもが使う学習アプリとか、塾のオンライン授業もこういう仕組みになったら、月額料金が下がったりするの？

理屈の上では下がりそうなんですけど、実際は複雑なんですよね。 計算コストが減れば、その分を値下げに回すことは可能です。ただ、教育サービスの料金は「コストからの逆算」じゃなくて「市場で何が売れるか」で決まる傾向がある。スマホゲームの月額課金が、サーバー維持費と比例していないのと同じです。 むしろ気になるのは、こういう効率化が実現したとき、サービス提供側がどう動くか。安くするルートもあれば、浮いたコストで「より高精度な教育AI」を目指すルートもあります。後者なら、利用者は月額は同じか上がるかもしれない。あるいは、無料ティアは更新されずに、有料版だけが進化して格差が広がる可能性もある。 Pangu-ACE みたいな効率化技術が出たら、競争が激化して値下げ圧力が生まれるほうが、むしろ現実的かもしれません。業界全体が「同じ料金で、もっと良い AI に」という競争に入れば、結果的に月額が下がることもあり得そうです。

AI の処理能力が上がる中で、わざわざ『軽い版』を用意する必要が出てきたのは、最近の AI がそれだけ重くなったってこと？

そう、まさにそこですね。AI モデルが賢くなるにつれて、計算量も莫大になってきた。7B というのは70億個のパラメータという意味で、これでも一昔前なら「大規模」と呼ばれていたんです。でも今の最先端は数百億、数兆規模。質問に応じるたびにそこまで走らせるのは、電力代もサーバーのコストも馬鹿になりません。 特に教育 AI は、毎日何千、何万の質問が来るシステム。全部に高性能版を使えば、確実に正確性は上がるけど、運用コストが跳ね上がる。だから「簡単な質問までハイスペック機で対応するのは、むしろ非効率」という発想が生まれた。 塾の先生がなぜ簡単な質問に短く答えるのか。それは時間効率じゃなくて、人間の脳の認知資源は有限だから。AI も同じロジックで、限られたリソースを難しい問題に集中させる方が、全体の精度が上がるんですよ。つまり、AI が強力になったからこそ、その強力さを賢く配分する必要が出てきた、という逆説的な状況と言えそうです。

これって『全部の仕事を一人で完璧にこなす人より、適切に他人に任せられる人の方が効率的』って話を、AI にも当てはめたってこと？

その通りなんですが、もう一段階深く見ると興味深い。 人間の「任せ上手」は、経験や直感で「これは部下に丸投げ大丈夫」と判断します。でも判断が外れることもある。一方、この Pangu-ACE の振り分けシステムは、実際に軽い版で試してみて「これ、俺では無理そう」と判定してから、高性能版に渡している。つまり確実な判断の上での振り分けなんですよ。 だから効率性の観点では、むしろ人間のやり方より洗練されてる可能性がある。人間の先生は「この子は数学が弱そうだから」という推測で判断するけど、システムは実際の難度を測ってから判定する。その結果、知識問題は軽版で 78% 処理できるという数字が出てくる。 面白いのは、この仕組みが「無駄を削ぐ」という目的を超えて、タスクの本質的な難度を自動的に可視化してくれる点。問題生成や要約がほぼ全部高性能版に回されるという事実は、教育現場でも「実はこれが一番手間だったんだ」という新しい気づきをもたらすかもしれません。

『簡単な質問は軽い版で済ます』ってことは、逆に言うと『軽い版に不正確な答えをされる人が増える』ってことでもあるんじゃ

その見方も当然あるんですけど、実際には違う角度の話だと思うんですよね。 軽い版が「簡単な質問」を処理するというのは、逆に言うと「それは軽い版でも正確に答えられる質問」を選別しているということ。振り分けシステムは、正答率が下がりそうな難しい質問だけを高性能版に送るので、むしろ不正確な答えが減る設計になってます。 塾の先生だって、簡単な計算問題は初めての生徒でも答えられるからサッと返すわけで、その答えが不正確になるわけではない。むしろ時間の無駄を避けて、本当に手間がいる質問に脳力を使う。 面白いのは記事の後半の部分で、知識問題の 78% は軽い版で処理できるというのは、「知識問題は難易度の幅が大きい」という意味でもあって、問題生成はほぼ全部が高性能版に回されるというのは「あの作業は軽い版では信頼できない」という学習を AI がしている、ということ。つまり、低精度になりやすい領域を自動で見分けてる。不正確さの温床を事前に避けようとしている仕組みだと言えそうです。