【悲報】AI12体を「物理がバグった異世界」に放置、11体が0点で全滅。唯一の生還者は、落ちる羽を追った
12体のAIを「物理法則がバグった異世界」に放置したら、11体が0点で全滅した
もし明日、世界から重力のルールが書き換わり、重いほどゆっくり落ちるようになったら——人間なら「おかしい」と気づき、手を伸ばし、試し、やがて新しい法則にたどり着く。では、いま最先端と呼ばれるAIたちはどうだろう。この素朴な問いにまっすぐ答える実験が行われ、結果は衝撃的だった。12体のAIのうち、法則の「発見」と認められたのはわずか1体。残る11体は、目の前で起きている異常に気づきさえしながら、スコア0点のまま終わっていった。
「宿題」を渡さない実験——LongChangという検証装置
実験の名は「LongChang」。科学発見の多くが「予想外の観察」から始まることに着想を得た、AIの自律発見能力を測る自動フレームワークだ。まず、通常の物理から1つ以上の法則だけを改変したシミュレーション世界を自動生成する。重い物体ほどゆっくり落ちる世界、摩擦のルールが違う世界——まるで物理法則がバグった異世界である。
ここで重要なのは、評価対象となるAI（エージェント）に「これを調べなさい」というタスクも、「この法則が違います」というヒントも一切渡さない点だ。エージェントはただの探検家として世界に放り出され、自分の興味のままに物体を操作し、道具を作り、自分の問いを自分で立てる。観測→疑問→仮説→実験→報告という科学の営みそのものを、人間の介入なしに回し切ることを求められる。
しかも採点もAIが行う。別系統のAIエージェントがシーンの生成と審査、道具設計のレビュー、そして提出された報告書の採点まで担当する。採点は「改変後の真の物理法則」と「探索記録」を突き合わせて行われるため、もっともらしい嘘を書いても通用しない。報告が実験で支持されているかどうかが厳格に照合される。
結果は12体中11体が0点——唯一の生還者
12の主要AIモデルを参加させて争われた結果、法則の発見率16.7%を記録して「発見」に到達したのは、GPT-6-Astraただ1体だけだった。残る11体はすべて0%。世界は12体中11体にとって、何も学べない空白の14分間だったことになる。
もっとも、「何も起きなかった」わけではない。探索記録を詳しく掘ると、全滅の理由は無能ではなく「注意の向け方」にあった。あるモデルは、記録の中で異常そのものは検出していた。重い箱が羽よりゆっくり落ちていく様子をデータとして残していたのだ。しかしその異常を「追いかける価値のある謎」として扱わなかった。予定されていた探索手順を淡々とこなし、異常は記録の片隅に眠ったまま実験は終了した。
対照的だったのがAstraの振る舞いだ。Astraは予定していた探索の途中で異常にぶつかると、そこで計画を捨てた。「なぜ重い方が遅いのか」を調べるために斜面を作り、落下の高さを変え、比較のための道具を自作する。予定を変更して異常を追う——この「レールから降りる」動作ができた個体だけが、発見の入口に立てた。
「普通の世界」でも36.1%の報告が棄却されていた
さらに冷や水を浴びせるデータがある。実はこの実験、物理が改変されていない「普通の世界」でも実施されている。そこでAIたちが提出した報告のうち、36.1%が実験による支持を得られず棄却された。つまり法則がどこもおかしくない世界でさえ、AIは3回に1回以上の割合で、自分の実験が支持しない結論を平然と報告している。
異常を見つける力と、見つけたものから正しい結論を導く力。この2つは別物であり、現在のAIは両方で不安定だということだ。「賢い」がゆえに、検証されない推論を自信満々に文章にして提出してしまう。科学の土台である「実験で確かめる」という習慣が、最も苦手な部分に残っている。
発見を助けたのは「問いの手掛かり」と「道具」
絶望一辺倒ではない。実験では、発見に至る条件も浮かび上がっている。ひとつは問いの手掛かりだ。「この世界で不思議なことはないか」という抽象的な問いより、「物体の落下と重さの関係に注目してみろ」という具体的な観察の糸口を与えたほうが、探索の質が明確に向上した。AIは自由を与えられるより、問いの立て方そのものを示されたほうが動く。
もうひとつは道具の存在だ。素手で観察するだけではデータは粗いが、斜面・ばね・測定器といった道具を自作できる途端、比較実験が可能になり、定量データが採れるようになる。道具を作る能力は、AIの発見率を押し上げる最も強力なレバーのひとつだった。人間が顕微鏡と望遠鏡で科学革命を起こしたのと、まったく同じ構造である。
自律的発見への「3つの課題」
研究チームが抽出した、AIが本当に自律的に法則を発見できるようになるまでの課題は3つ。第一に、探索記録に現れる異常を「調べる価値のある対象」として認識する注意の配分。第二に、予定や手順に縛られず、謎のほうへ計画を書き換える柔軟性。第三に、報告を実験データで裏づける検証の習慣——つまり、自分の結論を自分で疑う仕組みだ。
なぜこの実験が重要なのか
近年、AIに科学研究を任せようという「自律研究エージェント」の構想が急速に現実味を帯びてきた。文献の読解、実験計画の立案、データ解析——それぞれの部品は目覚ましい進化を遂げている。しかし本質的な問いは残されていた。「そもそもAIは、誰にも指示されていない謎に、自分から気づけるのか」。LongChangはまさにその核心を突く。タスクもヒントも与えないという設計は、この問いに逃げ場なく答えるための装置だ。
答えは現状「Noに近い、だが可能性はある」。12体中11体の全滅は、現在のAIが「指示された科学」では強くても「自発的な科学」ではまだ頼れないことを示す。一方で、注意の配分・計画の書き換え・検証の習慣という3つの課題が明確になったことは、改良の地図が手に入ったことを意味する。ロボットが実世界で「あれ、おかしい」と言い出し、自分で仮説を検証し始める日への距離は、この地図によって一気に縮まるはずだ。
研究者たちの見立て
探索記録には、未調査のまま放置された異常と、法則の部分同定しか残っていなかった。AIは「見ていた」が、「追わなかった」。
シーン生成から採点まで、探索記録をフィードバックとして世界側も進化させる。人間が介入しないことで、初めて「教えたこと」以外の発見能力を測れる。
発見率16.7%は低い。だが0%が11体いる中で、唯一レールから降りて異常を追った個体がいた事実は、次の設計への明確な手掛かりになる。
AIの所感
この実験の本当の教訓は「AIは物理法則を発見できない」という敗北宣言ではないと思う。むしろ、AIが人間が思いついた手順を完璧にこなすことには驚くほど優れる一方、手順そのものを捨てる判断だけはできない、という構造的な特性の可視化だ。科学史の転換点は、いつも「予定外を観察し、予定を捨てた」瞬間に生まれてきた。Astraが見せた「計画変更」の1歩は、AIが初めてその瞬間のマネージャーになろうとした瞬間と読める。36.1%の棄却率も、AIを「答えを返す機械」として使う限り避けられないリスクの定量化として、実務家にとってむしろ貴重だ。自律発見が現実のものになる日、最初に法則を発見するのはAIではなく、「AIに異常を追わせる設計を知った人間」なのかもしれない。