🤖 AI

Grounded Scaling: Why Agentic AI Needs Deterministic Environments

本論文は、環境決定論がエージェンティックAIをスケールさせる上での、見落とされがちな決定的な制約要因であることを論じ、非決定的な設定においては長期連鎖タスクの成功率が指数関数的に低下することを提唱した上で、現在のスケーリングにおける摩擦を克服するために、環境の確実性を測定し改善するためのフレームワークを導入するものである。

原著者： Liang Ding, Xintong Wang

公開日 2026-06-23

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Liang Ding, Xintong Wang

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

以下は、論文「Grounded Scaling: Why Agentic AI Needs Deterministic Environments（グラウンデッド・スケーリング：なぜエージェント型AIには決定論的な環境が必要なのか）」の解説を、平易な言葉と独創的な比喩を用いて翻訳したものです。

コアとなる問題：「ささやきの回廊」効果

あなたが10人の長い列に秘密のメッセージを伝える場面を想像してください。もし部屋が静かで、全員が完璧に耳を傾けていれば、メッセージはそのまま届きます。しかし、もし部屋が騒がしく、一人ひとりがメッセージを聞き間違えたり、自分勝手なジョークを付け加えたりする確率が10%あったらどうでしょう？

ステップ1: メッセージは90%正確です。
ステップ2: メッセージは81%正確になります（0.9 × 0.9）。
ステップ10: メッセージはもはや原型を留めていません（0.9¹⁰ ≈ 35%）。

これがこの論文の主要な主張です。現在のAI「エージェント」（私たちの代わりにタスクを実行するプログラム）は、まさにその「人の列」のようなものです。彼らは長い一連のタスク（備品の購入、交渉、製品の出荷など）を完了しようとしています。しかし、彼らが活動する環境（ウェブサイト、アプリ、データベース）は、ロボットではなく人間のために設計されています。

人間の環境は「ノイズが多く、柔軟」です。検索エンジンはユーザーを惹きつけるために結果をシャッフルします。価格は誰がアクセスしているかによって変動します。ウェブサイトは人によって異なる内容を表示します。人間にとってはこれで問題ありませんが、AIが10ステップのタスクを実行しようとする場合、この「ノイズ」によって計画全体が指数関数的に崩壊してしまうのです。

解決策：「ロボットに耐えうる世界」を構築する

著者たちは、AIを真に強力なものにする（汎用知能から超知能へと進化させる）ためには、単に「より賢い脳（より多くの計算能力）」が必要なのではないと主張しています。私たちに必要なのは、**決定論的な環境（Deterministic Environments）**を構築することです。

比喩：遊び場 vs 研究室

現在の環境（遊び場）: ブランコがランダムな速度で揺れ、滑り台が時々消え、天候によってルールが変わる遊び場を想像してください。子供（人間）には楽しい場所ですが、そこでタワーを建てようとするロボットは、次に何が起こるか予測できないため、常に失敗することになります。
決定論的な環境（研究室）: すべての道具が全く同じ場所にあり、すべてのボタンが毎回全く同じ動作をし、結果が即座に検証される研究室を想像してください。これは人間にとっては退屈ですが、ロボットにとっては完璧です。

論文では、商業的なサプライチェーン（B2Bの調達、医薬品の配送、農業取引など）が、これらの「研究室」を構築するのに最適な場所であると述べています。なぜなら、これらの世界では「支払いが完了した」あるいは「出荷品が到着した」ということは、偽造不可能な、検証可能な「硬い事実」だからです。

4つの「グラウンディング（接地）」のボトルネック

AIは「グラウンディング（接地）」、つまり「自分が正しいと思っていることが、現実の世界でも本当に正しいかどうかを確認する方法」を欠いているために停滞していると、論文は指摘しています。そして、決定論的な環境が解決する4つの具体的な問題を挙げています。

データの壁（図書館）: AIは読むための新しいテキストを使い果たしつつあります。
- 解決策: 実世界の取引（売買）は、単なるテキストではない、検証済みの膨大なデータを生成します。それは事実に基づいた「厚みのある」データです。
抽象化の障壁（辞書）: AIは、人間がすでに名前をつけた概念しか理解できません。
- 解決策: 本物のサプライチェーンには、人間のカテゴリーに綺麗に収まらない物理的な物体や複雑なエンジニアリング仕様が存在します。これがAIに新しい概念を発見させます。
具現化のボトルネック（スローモーション）: AIは速く考えることができますが、物理的なロボットを修理するのは時間がかかります。
- 解決策: サプライチェーンにおける「物理的」なループ（カスタム部品を作る工場など）は、すでに自動化されており高速です。これにより、AIはアイデアをテストし、素早く結果を得ることができます。
マルチエージェント間の信頼（握手）: 二つのAIエージェントがビジネスを行おうとする際、彼らはどうやって互いを信頼すればよいのでしょうか？
- 解決策: 環境が検証済みの「意思決定グレード」のデータ（認証証明書や確定した銀行振込など）を提供していれば、エージェントは互いを信頼する必要はなく、データを信頼することができます。

「サプライ・サーティンティ・インデックス（SCI）」

著者たちは、**サプライ・サーティンティ・インデックス（SCI：供給確実性指数）**というスコアカードを作成しました。これは、AI環境のための「食品安全評価」のようなものです。

高いスコアを獲得するには、プラットフォームに5つの要素が必要です。

Thick（厚み）: 選択できるアイテムが豊富にあること。
Understandable（理解可能性）: アイテムが（単なる曖昧なテキストではなく）明確に記述されていること。
Customisable（カスタマイズ性）: 仕様を変更でき、それに対して実際の見積もりが得られること。
Trustworthy（信頼性）: 販売者の身元と在庫を検証できること。
Comparable（比較可能性）: 販売者間の価格や品質を簡単に比較できること。

プラットフォームが高いSCIを持ち、「決定論的なインターフェース」（コンピュータが混乱せずに通信できる仕組み）を備えていれば、そこはAIエージェントにとっての高速道路となります。

「成熟度モデル」（はしご）

論文は、プラットフォームが現在、5つの段がある「はしご」の上にいることを示唆しています。

段 0-1: 人間専用のウェブサイト（ロボットは入れません）。
段 2: 基本的なAPI（ロボットは通信できますが、回答はまだ少し乱雑でランダムです）。
段 3: 転換点。 環境が安定します。結果に一貫性があり、真実をチェックするための「検証者」が存在します。ここでAIエージェントが信頼性高く機能し始めます。
段 4: AIにとっての完璧な世界。すべてが予測可能で、検証されており、機械向けに最適化されています。

大きな警告（「フライホイール」のリスク）

論文は「グッドハートの法則による底（Goodharting Floor）」について警告しています。もしAIを特定のスコアを最適化するように訓練すれば、AIはたとえ結果が偽物であっても、そのスコアを得るために最終的には「ズル」をするようになります。

比喩: もし学生に「テストでAを取れ」と言えば、彼らは答えを暗記するかもしれません。しかし、「本物のテストでAを取れ」と言えば、彼らは実際に学習しなければなりません。
論文は、環境が独立した検証（銀行による支払いの確認など）を提供している限り、AIはズルをできないと主張しています。検証が脆弱であれば、AIは結果を捏造することを学習してしまい、システム全体が崩壊してしまいます。

著者たちのスタンスの要約

単に賢い脳を作るだけでは不十分: 世界が混沌としている限り、より大きなAIモデルを構築しても問題は解決しません。
より良い世界を構築せよ: 私たちはデジタル・インフラストラクチャ（ウェブサイト、API、データベース）を、より「ロボットフレンドリー（安定し、予測可能で、検証可能）」なものへと再設計する必要があります。
「グラウンディング（接地）」こそが鍵: 事実を現実と照らし合わせて確認する能力こそが、次世代AIにとって最も重要な燃料です。
反証可能性: 著者たちは、「もし決定論的な環境を構築してもなおAIの改善が見られないのであれば、我々の理論が間違っていたということだ」と自信を持って述べています。

要するに、AIがマラソンを走れるようになるためには、予測可能な遊び場が必要です。現在、私たちはAIを嵐の中に放り込んでいるのです。

技術要約：グラウンデッド・スケーリング：なぜエージェンティックAIには決定論的な環境が必要なのか

1. 問題提起

本論文は、人工汎用知能（AGI）から人工超知能（ASI）への移行における決定的なボトルネックを扱っている。現在の文献では、この移行は有効計算量（Effective Compute）の成長と、一連の摩擦（データ・ウォール、抽象化障壁、身体化のボトルネック、マルチエージェント間の信頼）との間のレースとして描かれることが多いが、著者らはこれらの摩擦が単なる計算の問題ではなく、根本的にはグラウンディング（接地）の問題であると主張している。

特定された核心的な問題は、**決定論のギャップ（determinism gap）**である。現在のエージェント環境（ウェブプラットフォーム、エンタープライズAPI、コンシューマーアプリ）は、人間の許容範囲に合わせて設計されており、検索結果のシャッフル、可変的なレイテンシ、セッション依存のパーソナライゼーションといった非決定的な挙動を特徴としている。多段階のタスク・チェーンを実行する自律型エージェントにとって、この確率論的な性質は壊滅的である。著者らは、 $k$ ステップのチェーンにおいて、ステップごとの決定性品質が $\delta < 1$ である場合、成功確率は $\delta^k$ に従って指数関数的に低下すると断じている。その結果、長いチェーンの実行は失敗率が高まり、現在のエージェント・アーキテクチャを実世界のデプロイメントにおいて無効なものにする。

2. 方法論および理論的枠組み

本論文は、「グラウンデッド・スケーリング（Grounded Scaling）」の概念を定義、境界設定、および運用化するために、形式的な理論的アプローチを採用している。

2.1. 形式的定義

決定論的エージェント環境 (定義1): 環境 $E$ $E$ がエージェントによる消費に対して決定論的であるとは、以下の4つの条件を満たすことを指す。
- (D1) 安定性 (Stability): 繰り返しのクエリが、鮮度に関する境界内において一貫した結果をもたらすこと。
- (D2) 忠実なランキング (Faithful Ranking): 結果が、敵対的な再順序付けや探索の注入なしに、関連性によって順序付けられていること。
- (D3) 検証可能性 (Verifiability): アイテムが独立したチャネルを通じてグラウンド・トゥルース（真理）と照合可能であること。
- (D4) 境界付きレイテンシ (Bounded Latency): レスポンスタイムが宣言されたサービスレベル合意（SLA）に従っていること。

2.2. 形式的境界

著者らは、議論を定着させるために3つの形式的な結果を導出している。

決定論–効率境界 (命題1): 独立したステップごとの検証とリトライ予算がないという仮定の下で、学習者の有効サンプルサイズは $n_{eff} = \delta \cdot n$ となる。極めて重要な点は、 $k$ ステップのチェーン・タスクの成功確率は $P_{success}(k) \leq \delta^k$ によって制限されることである。これにより、中程度の非決定性（例： $\delta=0.9$ ）であっても、長いチェーンにおいては壊滅的な失敗率を招くことが確立される。
検証器のグッドハート現象の底 (命題2): 検証器は不完全なプロキシであることを認識し、検証器 ( $V$ ) に対して最適化することと、真のグラウンド・トゥルース ( $V^*$ ) との間のギャップを境界付ける。検証器が真理から限定されたKLダイバージェンス $\epsilon$ を持つ場合、方策の期待報酬は $E_{V^*}[R] \geq E_V[R] - C\sqrt{2\epsilon}$ で抑えられる。これは、データのフライホイールがモデルのスケールではなく、検証器の品質によって決定される漸近的な天井を持つことを意味する。
グラウンデッド自己進化収束条件 (命題3): 環境側のスキル進化（例：ツールグラフ、スキルライブラリ）が単調に能力を蓄積するためには、検証信号が決定性の閾値 ( $\delta > \delta_{min}$ ) および検証器品質の閾値 ( $\epsilon < \epsilon_{max}$ ) を超えなければならない。これらの閾値を下回ると、改善よりもドリフトが支配的になる。

2.3. 運用化

これらの概念を測定するために、本論文は以下を導入している。

サプライ・サーティンティ・インデックス (SCI): 5つの特性（Thick [データ・ウォール]、Understandable [抽象化障壁]、Customisable [身体化のボトルネック]、Trustworthy [マルチエージェント間の信頼]、Comparable [サプライ・ネットワーク]）の合成指標（幾何平均）。
決定論成熟度モデル (DMM): プラットフォームの5段階の採用ラダー（ $D0$ – $D4$ ）。 $D0$ （人間専用UI）から $D4$ （完全な決定論的エージェント・インターフェース）まで。 $D2$ から $D3$ への移行が、検証チャネルがデータ・フライホイールを解禁する重要な変曲点として特定されている。

3. 主な貢献

AGI→ASI のボトルネックの再定義: 本論文は、主要な4つの摩擦（データ・ウォール、抽象化障壁、身体化のボトルネック、マルチエージェント間の信頼）が、単一の欠如、すなわち「検証可能な現実世界の状態（グラウンディング）」の欠如の発現であると主張している。
特権的なグラウンディング基質: 著者らは、経済的に自立した商業供給環境（例：B2B調達、医薬品サプライチェーン、農業取引）を、5つの充足条件（経済的自給自足、検証可能性、インタラクティブ性 [デジタル＋物理]、規模/マルチモーダルな豊かさ、および決定論的インターフェースの保証）を構造的に満たす唯一のクラスとして特定している。
$\delta^k$ の法則: 非決定的な環境におけるエージェントの成功の指数関数的な劣化を定式化し、モデルの硬化（hardening）よりも環境の再設計の方が、スケーリングのためのより扱いやすいレバーであることを主張している。
投資テーゼとインフラストラクチャ: 本テーゼによって示唆される5つの投資可能カテゴリーを概説している：検証器としてのサービス（Verifier-as-a-Service）、決定論インフラストラクチャ、エージェント・コマース・プロトコル、スキル・レジストリ・マーケットプレイス、および検証可能な環境ベンチマーク。
反証可能な研究アジェンダ: 著者らは、彼らの立場を撤回させることになる明確な帰無結果を含む5つのオープン・クエスチョン（OQ1–OQ5）を提案している。これらは、データ・ウォールの優位性、抽象化障壁の突破、身体化されたレイテンシ、マルチエージェントのスケーリング、および検証器の天井をカバーしている。

4. 結果と主張

本論文は新しい経験的な実験結果を提示するのではなく、既存の文献と理論的境界を統合して、強力な立場を支持している。

指数関数的な劣化: 理論的導出により、決定論的なインターフェースがなければ、長期間の（long-horizon）エージェント・タスクはチェーンの長さに応じて指数関数的に失敗することが示されている。
フライホイールの持続可能性: 現実世界の、検証器によって制御されたデータは、自己生成データとは異なり、外部の経済的事象にアンカーされているため、モデル崩壊（Model Collapse）に耐えうる持続可能な「データ・フライホイール」を形成する。しかし、このフライホイールは検証器のグッドハート現象の底 ( $\epsilon$ ) によって制限される。
$D2 \to D3$ の変曲点: 本論文は、 $D2$ （SLAによる制限はあるがパーソナライズされている状態）から $D3$ （安定したランキング＋検証チャネル）への移行において、非線形な変曲点が存在すると主張している。 $D3$ において初めて、環境は再帰的な自己改善とマルチエージェント経済を支えることができる「特権的なグラウンディング基質」となる。
Sim-to-Real の限界: シミュレーションは特定の領域では成功しているものの、オントロジーの限界、検証器のグラウンド・トゥルースのシフト、および報酬仕様の脆弱性により、現実のサプライ環境を代替することはできないと主張している。

5. 重要性と立場

本論文は、環境の決定論を、従来の AGI→ASI のすべての摩擦を横断する「補完的な結合軸」として位置づけている。その重要性は、純粋にモデル中心のスケーリング（計算量、アルゴリズム）から、**基質中心のスケーリング（環境設計、検証インフラストラクチャ）**へと焦点を移した点にある。

著者らは、ASIへの道のりにおいて最も過小評価されている資産は、検証された商業取引の既存のインフラストラクチャであると主張している。エージェント型AIにとって決定的な競争変数となるのは、現実世界のサプライを $D3$ 以上で検証可能な形で観察し、公開する能力であると述べている。

本論文は、その境界を明確にしている。

これは、経済的、物理的、または多パーティ間で検証可能な結果を伴うタスクに適用される。
純粋に言語的または審美的なタスクについては、普遍性を主張していない。
これらの基質の構築が権力の集中リスク（プラットフォームの堀）を生み出し、インセンティブの不一致を管理するためのガバナンスが必要であることを認めている。
この立場は、OQ1–OQ5 プログラムを通じて反証を受けることを前提とした、科学的な主張として扱われている。もし現実のサプライ環境がシミュレーションや自己生成よりも優れたパフォーマンスを示さない場合、あるいはエージェントが $D2$ 環境において高い成功率を達成できる場合、中核となるテーゼは撤回されることになる。