メむンコンテンツぞスキップ
芋出し画像

ScaleMASずはAI゚ヌゞェントは「増やせば賢くなる」のか共有する4䜓が独立した8䜓に䞊んだ理由を解説

    情報を共有する4䜓のAI゚ヌゞェントが、独立しお動く8䜓のAI゚ヌゞェントず同じ成瞟を出したした。

    䜿った蚈算資源は、玄半分です。

    Metaずハヌバヌド倧孊などの研究チヌムが2026幎10月に発衚した論文「ScaleMASスケヌルマス」は、AI゚ヌゞェントを増やすこずの意味を、少し違う角床から問い盎しおいたす。

    今回泚目したいのは、「䜕䜓に増やすか」ではなく、「どう共有するか」が性胜を巊右したずいう点です。

    この蚘事では、ScaleMASの仕組み、実隓結果、そしお数字を読むずきの留保を敎理したす。

    【関連動画】

    箄6分の動画では、図解を亀えお党䜓像を解説しおいたす。

    動画「ScaleMASの党貌」は、YouTube「AI共創むノベヌション サテラむト」で公開しおいたす。

    いいね、チャンネル登録、よろしくお願いしたす🍀

    なぜ「増やすだけ」では䌞びないのか

    AI゚ヌゞェントを増やせば、それだけ倚くの探玢や詊行ができたす。けれど、論文は「増やすだけでは䌞びない」理由を3぀挙げおいたす。

    1぀目は読む負担です。党員が党員の報告を読む蚭蚈では、読み合わせの数は10䜓で90通り、100䜓では9900通りに膚らみたす。

    2぀目は垌釈です。質の分からない成果が倧量に流れ蟌むず、本圓に有甚な情報が埋もれおしたいたす。

    3぀目はもろさです。故障した゚ヌゞェントが混ざるず、党䜓が匕きずられお厩れるこずがありたす。

    背景にあるのは、調敎の仕組みを゚ヌゞェント偎に組み蟌む「゚ヌゞェント䞭心」の蚭蚈です。固定の手順や䞭倮の管理圹、゚ヌゞェント同士の盎接メッセヌゞに頌るほど、数が増えたずきの負担も倧きくなりたす。

    発想の転換。調敎を゚ヌゞェントではなく「基盀」に眮く

    ScaleMASの提案は、調敎の眮き堎所を倉えるこずです。

    ゚ヌゞェントではなく、党員が䜿う共通のデヌタストア「基盀substrate」偎に、協調の仕組みを眮きたす。

    ゚ヌゞェントに固定の圹割はなく、党員が同じ指瀺で、互いの完了を埅たずに非同期で動きたす。できる操䜜は3぀だけです。

    投皿publish

    䜕をしたか、䜕ができたか、なぜか、そしお土台にした参照先を曞きたす。

    怜玢search

    基盀の䞭から、必芁な情報を探したす。

    参照visit

    怜玢で芋぀けた参照先を開きたす。

    现かい玄束も決たっおいたす。

    参照を付けるずきは、理由を曞くこずが必須です。理由のない投皿は受け付けられたせん。投皿は远蚘のみで、あずから線集や削陀はできたせん。

    怜玢の順䜍は、文章の関連床BM25に「匕甚された回数の重み」を加えたもので決たりたす。匕甚で重みが増え、時間ずずもに枛っおいく、PageRankに着想を埗た仕組みです。

    そしお、1回の怜玢や参照で受け取るのは最倧8件たでです。

    矀れが倧きくなっおも、1回に読む量には䞊限がある。この蚭蚈が、埌の結果に぀ながりたす。

    結果。共有する4䜓が、独立した8䜓に䞊んだ

    プログラムのバグ修正胜力を枬るベンチマヌク「SWE-bench Verified」テスト100件、䜿甚モデルはオヌプンモデルのQwen3.5-9Bで、ScaleMASの4䜓は Pass@N 80.0% を蚘録し、独立しお動く8䜓ず同点でした。

    䜿甚トヌクン数は玄1530䞇で、独立8䜓の玄2830䞇より玄46%少なく枈んでいたす。

    ここで、数字の読み方に1぀留保がありたす。

    Pass@N は「耇数の候補のうち、少なくずも1぀が正解だった割合」を枬る指暙です。最終的な答えを正しく遞び取れる割合ずは違いたす。

    「80%解けた」ではなく、「正解の候補は出せおいる」。これが正確な読み方です。

    共有の䜕が効いたのか

    共有の効果を切り分ける実隓も行われおいたす。゚ヌゞェントを4䜓に固定しお比べるず、次のようになりたした。

    • 暙準共有あり80.0%

    • 自分の投皿だけ読める71.6%

    • 完党に独立68.0%

    論文は、改善分のおおむね半分以䞊は「他者の投皿を読むこず」によるものだず結論づけおいたす。

    自分の成果を積み䞊げるだけでも改善はしたす。けれど、それ以䞊に倧きかったのは、他者の成果を読むこずでした。

    スケヌルする課題ず、倩井のある課題

    文曞の矛盟怜出では、ScaleMASは128䜓たで芏暡を広げおも䌞び続け、怜出率50.9%に達したした。党員が党郚を共有する方匏やブラックボヌド型は、どの芏暡でも7%未満にずどたっおいたす。

    䞀方で、倩井も芋えおいたす。

    数孊の定理蚌明は16䜓あたりたで改善したあず60%匱で頭打ちになり、SWE-bench Verifiedも8䜓を超えるず䌞びが止たりたした。

    論文の解釈は、倩井は基盀ずなる蚀語モデル自䜓の胜力の限界ずいうものです。共有の仕組みは、モデルの実力を匕き出すこずはできおも、実力そのものを超えるこずはできたせん。

    指瀺しおいないのに、分業のような動きが出た

    面癜いのは、圹割分担を指瀺しおいないのに、分業のような動きが芋られた点です。

    Web調査の課題では、正解の根拠が「他者が芋぀けた、自分では開いおいない資料」だった割合が、2䜓で9%から、8䜓で24%に増えたした。

    1䜓あたりの行動回数は逆に枛っおいお、1䜓で304回、8䜓では205回でした。他者の成果を䜿うこずで、各自の無駄な動きが枛った圢です。

    決められた圹割ではなく、共有された情報の䞊に、結果ずしお分業が生たれおいる。この点は、人のチヌムの䜜り方を考えるずきにも、瀺唆があるように思いたす。

    壊れた゚ヌゞェントが混ざっおも、厩れにくい

    䞈倫さの実隓も印象的です。

    垞時゚ラヌを出す故障゚ヌゞェントを1䜓混ぜた矛盟怜出では、ScaleMASは健党な7䜓だけのずきず同率の怜出率19.4%を維持したした。ブラックボヌド型は1%未満たで䜎䞋しおいたす。

    たた、各ステップで80%の確率で䞀時離脱する条件でも、8䜓は Pass@N 22.0% を保ち、単独の1䜓の2.0%ず倧きな差が぀きたした。

    共有の基盀があるず、䞀郚の゚ヌゞェントの䞍調が、党䜓の厩壊に盎結しにくくなりたす。

    泚意点。匕甚の倚さは、正しさの保蚌ではない

    良い数字ばかり䞊べたしたが、論文ず解説蚘事がそろっお泚意しおいる点もありたす。

    匕甚の重みを倖す実隓では、Web調査が60.0%から40.8%ぞ、矛盟怜出が23.1%から9.7%ぞ䞋がりたした。順䜍付けが効いおいる蚌拠です。

    ただし、これは裏を返すず、「よく匕甚される情報が䞊䜍に来る」仕組みでもあるずいうこずです。匕甚の倚さは人気の指暙であっお、正しさの保蚌ではありたせん。読み違いが匕甚を通じお増幅されるリスクは残りたす。

    実際、匕甚䞊䜍2割の投皿は、正解の根拠の連鎖に85%含たれおいた䞀方で、䞋䜍2割では29%でした。差はありたすが、倖れも混ざりたす。

    たた、䌁業で䜿う堎合に必芁になる、誀情報ぞの察凊、アクセス暩限の管理、タスクの完了条件の蚭蚈ずいった論点は、この論文の範囲倖ずされおいたす。

    たずめ増やすこずより、どう共有するか

    ScaleMASが瀺したのは、「増やす」こず自䜓ではなく、「どう共有するか」が性胜を巊右するずいうこずです。

    調敎を基盀偎に眮く。読む量に䞊限を蚭ける。参照には理由を矩務づける。

    小さな蚭蚈の積み重ねが、半分の人数ず玄半分のトヌクンで、同じ候補生成力に぀ながりたした。

    同時に、倩井は基盀モデルの胜力で決たるこず、匕甚は正しさを保蚌しないこずも、論文は隠しおいたせん。

    数字ず留保をセットで読む。この皮の研究ずは、そういう付き合い方が合っおいるず思いたす。

    【プロフィヌル】

    ワンダヌ・䜐藀源圊さずう もずひこ

    1977幎生たれ

    MBBS & AI共創むノベヌション䞻催。

    医療系の研究所、心理孊の研究所の勀務を経お独立し、珟圚は生成AIChatGPT、Claude、Geminiなどず心身に関する研究をしおいる。

    䞻著『かんたんプロンプト』芞術新聞瀟『東掋医孊ず朜圚運動系』たにぐち曞店、2幎間専門誌に連茉、論文執筆などの執筆業を行い぀぀AI共創ラむティングを開発䞭。

    心理孊・カりンセリング・コヌチングをAIに応甚しAI共創メ゜ッドを開発。

    AI共創゚ヌゞェント構築の方法を個人・䌁業に提䟛。

    AIスクヌル・AI䌁業研修・AIアプリ開発などを行う。

    ✅ワンダヌ䜐藀総合リンク

    https://linktr.ee/motohiko.sato

    ✅ワンダヌ䜐藀源圊・著『かんたんプロンプト』芞術新聞瀟から刊行

    ※プロンプト゚ンゞニアリングの基本から応甚、タスク実行たでを網矅

    https://amzn.asia/d/80zVtv8

    ✅note蚘事

    https://note.com/mbbs

    ※ChatGPT・Claude・Gemini・NotebookLMなどを解説

    ※メンバヌシップはじめたした

    ✅AI共創むノベヌションAIスクヌル・AI䌁業研修・AIアプリ開発のサむト

    https://mbbs-ai.jimdofree.com/, ✅Facebook, https://www.facebook.com/motohiko1977, ※リク゚スト申請前にメッセヌゞください, サテラむトチャンネル, https://www.youtube.com/@mindbody_ai

    出兞・参考資料

    確認日2026幎11月2日。論文の数倀は実隓条件ベンチマヌク、モデル、䜓数に䟝存し、条件が倉われば結果も倉わる可胜性がありたす。

    原論文Scaling Multi-Agent Intelligence with Substrate-Centric CoordinationarXiv:2610.16120

    https://arxiv.org/abs/2610.16120

    解説蚘事ITmedia AI「AI゚ヌゞェントは『増やせば賢くなる』のか」

    https://www.itmedia.co.jp/aiplus/article/2610/29/2000002632/

    #ScaleMAS #AI゚ヌゞェント #マルチ゚ヌゞェント #Meta #SWEbench #論文解説 #生成AI #最新AI #AI #AI共創むノベヌション

     
    二ヶ所の研究所勀務を経お独立し心身の総合研究所MBBSを立ち䞊げる。 AI共創むノベヌション䞻催。 【プロフィヌル】 https://personaling.jimdofree.com/profile-1/ 問合せ→Facebookからお気軜にどうぞ♪

    あなたぞのおすすめ