AIエージェント100体超で仮想サッカー編成も成績不振

Knightの実験は二つの極の間に位置する。数年前、Turing Instituteのツールは過去のリーグデータのみからファンタジーチームを選び、負傷や監督交代を無視したため、その提案は「驚くほど突飛」だった。今回はCodexが最近のニュースを取り込み、モデルを実行でき、エージェント間の分業——ニュースやブログ記事を読む者、結果を分析する者、モデルを実行する者、提案を批評する者——が品質を目に見えて高めた。100を超えるエージェントへの拡張はコスト以外にほとんど何も加えなかった。

より広い証拠も同じ方向を指す。市場におけるAIを研究するシカゴ大学の計算機科学者Haifeng Xuは、モデルは膨大な実世界情報を消費し、より複雑な推測システムを編成できるため良くなっていると語る。予測市場での同氏のテストでは、モデルは特別な誘導なしで平均的な人を時折上回り、GPT-5が最高で、Grok 4、Claude Sonnet、Gemini、Llamaが続いた。別のベンチマークPrediction Arenaは最先端モデルに1万ドルを渡し57日間賭けさせた。モデルは一貫して損失を出したが、時間とともに改善した。

Xuは、人間は理解の深さで依然優位に立つと指摘するが、その優位は侵食されつつあるようだ——Metaculus CupではAIが最高の人間予測者を時に上回り、ForecastBenchの結果はまだ出ていない。Knight自身のチームは、その差がまだ埋まっていないことを思い起こさせる。巧妙なエージェントハーネスは、勝ち星を生まずともより賢い提案を生み出せるのだ。