何が起きたか
AIモデルはパズル解決で急速に進歩する一方、空間認識や視覚パズルでは依然として失敗する。2024年末、最高性能のモデルでもニューヨークタイムズの「コネクションズ」パズルを解けたのはわずか18%だったが、2025年初頭にはほぼ完璧に解くものも現れた。
なぜ重要か
これらのテストは、機械と人間の認知の違いを浮き彫りにする。古典的ななぞなぞに微妙な変更を加えるとモデルがつまずくことが多く、視覚パズルは弱点のままで、進歩にもかかわらず限界があることを示している。日本国内のAI開発企業は、視覚パズルでの弱点を踏まえた製品改良を迫られる可能性がある。
注目点
心の回転から論理グリッドまで、7つのパズルを自分で試してみよう。中には人間にも難しいものもあれば、SimpleBenchのように最高峰のモデルがつまずくなど、AIの意外な失敗を浮き彫りにするものもある。
こういう要約が、毎朝あなたのメールに届きます。
パズルは、1959年にIBMのアーサー・サミュエルがチェッカーをプレイするアルゴリズムを開発して以来、AI発展の中心にあり、現在はモデルの限界を明らかにする役割を果たしている。AIは2025年初頭までにコネクションズをほぼ完璧に解くが、大きなギャップは残る。
空間認識は主要な弱点であり、言語モデルは建築家や機械エンジニアのように3Dオブジェクトを操作できない。同様に、ARC-AGIのような視覚パズルでは、モデルは人間が単純な視覚概念を用いるのとは異なり、汎用化できないルールを使うことが多い。
スケールも影響する。Appleの研究者は、モデルがハノイの塔や川渡りのパズルをうまく解く一方、円盤が6枚以上になったり、人数が6人以上になるとつまずくことを発見した。ワシントン大学、スタンフォード大学、アレン研究所による論理グリッドパズルでも同様の苦戦が見られるが、コメンテーターは、これが独自の推論限界なのか、複雑さが増すにつれて生じる通常の誤りなのか疑問視している。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
CircliaがTASTE SIGNALの実証実験を開始した
フランス数学会会長イザベル・ガラガー主催のウェビナーで、フィールズ賞受賞者のユーゴ・デュミニル＝コパンは、OpenAIが350の主要未解決問題の解答を一夜で公開したと述べた
NVIDIAは1200億パラメーターのオープンウェイトモデルNemotron 3.5 Super VLを公開
NVIDIAがNemotron 3.5 Bolt 74B-A9B 24GBを公開
Anthropicは10月15日、METRの6人のスタッフに社用端末、オフィススペース、社内ツールやシステムへのアクセスを付与し始めたと発表した
NVIDIAは2026年9月21日、「AIセキュリティは工学の問題――エージェントスタックの全層で解決する方法」と題したブログ記事を公開し、判断を誤ったエージェントでも行動を止められる理由を説明した
