Augmenting Lateral Thinking in Language Models with Humor and Riddle Data for the BRAINTEASER Task
SemEval 2024 BRAINTEASER タスクにおいて、ユーモアやなぞなぞデータを追加学習に用いて DeBERTaV3 を微調整し、特に文レベルの lateral thinking において高い精度を達成した手法と、タスク定式化（多肢選択対シーケンス分類）の重要性を報告する論文です。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
この論文は、**「AI に『ひらめき』や『なぞなぞの解き方』を教える実験」**について書かれたものです。
通常、AI（言語モデル）は「A だから B」という論理的な順序で考えるのが得意です（これを「垂直思考」と呼びます）。しかし、この論文では、常識にとらわれずに「あ、そうか！別の見方がある！」と飛躍的に考える**「水平思考（ラテラル・シンキング）」**を AI に身につけさせようとしています。
まるで**「常識というお約束のルールを破って、新しい世界を見つける探検」**のようなものです。
以下に、この研究のポイントを、わかりやすい例え話を使って解説します。
1. 挑戦：AI には「なぞなぞ」が苦手
この研究は、SemEval 2024 という AI の大会で行われた「BRAINTEASER（頭脳パズル）」という課題に挑んだものです。
課題は大きく 2 つあります。
- 文のパズル（Sentence Puzzle）：
- 例：「ある男は毎日ひげを剃っているのに、ひげは長いまま。なぜ？」
- 答え：「彼は理容師だから（他人のひげを剃っている）」
- ポイント： 常識（自分のひげを剃る）を捨てて、別の視点（他人のひげ）を見つける必要があります。
- 単語のパズル（Word Puzzle）：
- 例：「ロンドン（London）のどの部分がフランスにありますか？」
- 答え：「『N』という文字」
- ポイント： 意味ではなく、単語の「文字の並び」や「音」で考える必要があります。
AI は普段、論理的な答えを探すのが得意ですが、このように「ひねくれた」答えを見つけるのは苦手で、よく間違えていました。
2. 解決策：AI に「お笑い」と「なぞなぞ」を勉強させる
研究チームは、AI のトレーニングデータに、2 つの「新しい教科書」を追加しました。
- GPT-4 が作った「お笑い（ジョーク）の教科書」
- なぜ？ お笑いの「オチ」は、予想外の展開で笑いをとります。これは「常識を裏切る」点で、パズルと似ています。AI に「予想外のこと」を教えるために使いました。
- 「なぞなぞ（RiddleSense）」の教科書
- なぜ？ なぞなぞも、普通の考え方を捨ててひらめく必要があります。これもパズルと構造が同じです。
【イメージ】
AI を「真面目な優等生」だと想像してください。この優等生は、教科書通りなら完璧ですが、ひねくれた問題が出るとパニックになります。そこで、先生（研究者）は彼に**「お笑い芸人の漫才」と「なぞなぞの本」**を読ませました。「あ、答えは意外なところにあったんだ！」というひらめきを体験させるためです。
3. 驚きの発見：「選び方」が重要だった
実験で面白いことがわかりました。
- 失敗した方法： 「文章を並べて、正解を導き出す」方法（シークエンス分類）。
- これは、AI が「答えを文章で書く」練習をしているようなもので、少し不向きでした。
- 成功した方法： 「4 つの選択肢から、一番いいものを選ぶ」方法（多肢選択）。
- これは、**「選択肢の中から正解をピンポイントで選ぶ」**練習です。
- 結果： 同じ AI モデルを使っても、この「選び方」を変えるだけで、正解率が10% 以上も跳ね上がりました！
- 例え： 料理が上手なシェフでも、「お皿に盛り付ける」か「鍋で煮込む」かで味が変わるのと同じです。AI にとって「選択肢から選ぶ」という形式は、ひらめきを引き出しやすい形だったのです。
4. 結果：文のパズルは得意に、単語のパズルは苦手
- 文のパズル（Sentence Puzzle）：
- お笑いとなぞなぞのデータを追加したおかげで、AI の正解率は**92.5%**まで急上昇しました。31 チーム中 6 位という素晴らしい成績です。
- 理由： 文のパズルは「意味のひらめき」が必要なので、お笑いとなぞなぞのデータがぴったり合いました。
- 単語のパズル（Word Puzzle）：
- こちらは**80.2%**で、10 位でした。
- 理由： 単語のパズルは「文字の形」や「音」を扱う必要があります。お笑い（意味のひらめき）のデータは、ここではあまり役立たず、むしろノイズ（邪魔なもの）になってしまいました。
- 例え： 「意味のひらめき」を教えるために「お笑い」を読ませても、「文字の形」を覚える練習にはならない、ということです。
5. まとめ：何がわかったのか？
この研究から、以下の 3 つのことがわかりました。
- AI に「ひらめき」を教えるには、お笑いとなぞなぞが効果的。
- 常識にとらわれない思考を身につけるには、似た構造を持つデータ（ジョークやなぞなぞ）が役立ちます。
- 「問いかけ方」が大事。
- 「答えを書く」より「選択肢から選ぶ」方が、AI の能力を最大限に引き出せました。
- パズルの種類によって、必要な勉強法が違う。
- 「意味のパズル」と「文字のパズル」では、AI が困るポイントが違います。万能な勉強法はなく、問題に合わせてアプローチを変える必要があります。
結論として：
このチームは、AI に「論理的な思考」だけでなく、「ふとしたひらめき」を教えることに成功しました。AI がもっと人間らしく、柔軟に考えるようになるための、小さな一歩となりました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。