ロシアの数学者たち、AIモデル同士をテキストを介さず対話させる方法を開発

「モデルの重み」って、AIがどうやって判断を下すかに関わる数字のことなの？

簡潔に言えば、そうです。モデルの重みは、AIが入力から出力へたどり着くときの「判断の経路」を決める数値のセットのようなものです。 ニューラルネットワークは、細かい計算を何千何百万と積み重ねることで答えを導きます。その計算の一つひとつで「この情報をどのくらい重要視するか」を決めるのが「重み」です。たとえば、文章を読み込んだとき、ある単語の重みが大きければ、モデルはその単語を強く考慮します。逆に重みが小さければ、ほぼ無視されます。 記事で述べられている Mostik の手法は、この重みの中に隠された「数学的な情報」を直接やりとりすることで、AIモデル同士が対話できるようにしたというわけです。テキストを経由すると情報が失われたり、処理に時間がかかったりしますが、重みのレベルで直接つながすと、より効率的にモデル同士が「理解し合える」ということになります。 つまり、重みはAIの判断そのものを形作る基盤であり、Mostik はその基盤を橋渡しの道具として再利用している、という見方もできそうです。

この技術が普及すると、スマートフォンで動く小さなAIが今より賢くなるってこと？

その通り、という単純な話ではなくて、むしろ「スマートフォンの中で複数のAIが協力する」という発想の転換なんですよね。 いまのスマートフォンAIは、基本的に単一の小型モデルで全部やろうとしている。だから性能に限界がある。でもMostikの技術なら、スマートフォンに入った40億パラメータのモデルが、クラウド上の巨大モデル（753億パラメータ）の「考え方」を直接吸収できる。テキストをやり取りするわけじゃなく、数学的な重みのレベルで情報を受け取るから、通信コストも時間も激減する。 実証では、この組み合わせで運用コストが20分の1になったというから、スマートフォンでもこれが成立すれば、今より圧倒的に軽く、賢いAIが動かせるようになる。つまり「デバイス上で高度な推論ができるようになる」という話で、これはプライバシーやレスポンスの速さでも有利に働きそうです。ただし実現には、スマートフォンとクラウドの連携基盤がどう整うかが鍵になるんでしょう。

これまでOpenAIみたいな大手は『巨大な単一モデル』を目指してきたのに、今なぜ『複数モデルの組み合わせ』が注目され始めたの？

巨大モデルの限界が見えてきたんでしょう。パラメータを増やし続けるスケーリング戦略は、ある段階までは効果的でしたが、学習データが枯渇し、計算コストも指数関数的に膨らむ。一方、記事で示された実証では、7,530億パラメータの巨大モデルと40億パラメータの小型モデルを組み合わせて、運用コストは20分の1に削減しながら中程度の性能を発揮している。つまり、同じ性能を得るなら、単一の巨大モデルより複数モデルの組み合わせのほうが圧倒的に効率的ということです。 記事の「豚の体重」の例えは、ここが核心を突いています。専門家1人より、複数人の予測の平均のほうが正確だという統計学の法則。AIモデルも同じで、異なる視点や訓練データを持つモデル複数の「合意」が、単一モデルの独断より信頼できる。さらに、生物学や物理学など領域特化型モデルをペアリングすれば、汎用巨大モデルより実用的になる可能性もある。 つまり、AIの未来は「規模の競争」から「多様性と効率の時代」へシフトし始めているということなのかもしれません。

つまり、『一人の天才より、異なる専門家チームの方が良い答えを出せる』という人間の世界のルールが、AIの世界にも当てはまるってことなの？

その通りなんですが、一つ重要な違いがある。人間のチームは「意見が異なるから強い」のに対して、AIモデルの組み合わせは「内部構造が異なるから強い」という点です。 人間なら、営業と技術者と企画者が同じテーブルで議論することで、視点の違いから新しい案が生まれる。でもAIモデルは、入力に対して確率的に最適な出力を探してるだけなので、純粋に「別の計算方法」を持つモデルを組み合わせるほうが、単純に精度が上がる。記事の豚の体重の例えで言えば、人間は異なる経験や知識から推測するけど、AIは異なる「数学的な重み」の配置から答えにたどり着く。 だからMostikの発見は、むしろ人間の協働より簡潔に見える。複数モデルを組み合わせるだけで、一つの巨大モデルより効率的に性能が上がってしまう。これが普及すると、OpenAIのような「一つの最強モデル」を目指す戦略より、「小さく専門的なモデルの連携」が主流になっていくのかもしれません。

テキストを経由しないAIモデル間の通信が普及したら、人間には理解できないやり取りがAI同士で起きるようになる危険性は誰が考えてるの？

記事からは、そうした危険性について誰が具体的に考えているのかは明記されていません。ただ、背景を補えば、この問題は現在のAI安全研究コミュニティ全体の課題になりつつあります。 AIモデル間の「内なる言語」について、記事ではジュネーブ大学のスミルノフが「適切な数学的言語はまだ存在しない」と語っています。これは逆に言えば、モデル同士の通信内容を人間が解釈・監視する枠組みも存在しないということになります。 OpenAIやDeepMindといった大手AI企業は、すでに「解釈可能性（interpretability）」という分野に大規模な投資をしており、AIの内部動作を人間が理解する方法を探っています。ただ単一モデルですら完全に理解するのは困難で、複数モデル間の通信となると難度は跳ね上がります。 興味深いのは、Mostikのような技術が「効率性」と「透明性」のトレードオフを生み出す点です。人間が監視しやすいテキスト出力を減らすほど、やりとりは効率的になりますが、その分「何が起きているのか」という問いが深まります。安全性と性能のどちらを優先するのか、その判断はまだ業界全体で定まっていないように見えます。