Wisdom Of The (AI) Crowd: Investigating Artificial Swarm Intelligence In Large Language Models
本論文は、同一または異なるアーキテクチャ内の複数の大規模言語モデルからの出力を集約することが、推定誤差を大幅に減少させ、不確実性に対するメタ認知的な意識を明らかにし、組織的な意思決定における人間の群知能に代わるスケーラブルな選択肢を提供することを実証するものである。
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
ビッグアイデア：AIは「賢い答え」をクラウドソーシングできるか？
巨大な雄牛の体重を当てようとしている場面を想像してみてください。もし1人に聞けば、大きく外れてしまうかもしれません。しかし、100人に聞いてその予想の平均を取れば、その結果は驚くほど正確になることがよくあります。これが有名な「群衆の知恵（Wisdom of the Crowd）」です。
何十年もの間、人間はこのテクニックを使ってきました。しかし、100人を集めるのは時間がかかり、コストもかかり、組織化も大変です。
この論文は、新しい問いを投げかけています。「GPT-5、Gemini、Claudeのような大規模言語モデル（LLM）を使って、『人工的な群衆』を作れるだろうか？」 ということです。100人の人間に聞く代わりに、1つのAIに30回聞いたり、3つの異なるAIにそれぞれ10回ずつ聞いたりすることで、たった1つのAIに聞くよりも良い答えを得られるのでしょうか？
実験：「推測ゲーム」
研究者たちは、これをテストするために制御されたゲームを用意しました。AIに「大統領は誰ですか？」といった単純な質問はしませんでした。なぜなら、AIはそれらの事実を単に記憶しているだけだからです。代わりに、彼らは8つのトリッキーな推定問題を与えました。これらは推測と論理的思考を必要とするものです。例：
- 「ニューヨークの地下鉄システム全体をゼロから再建するには、いくら費用がかかるか？」
- 「車の生涯で使用されるガソリンの総量は何ガロンか？」
- 「特定の企業の来年の株価はどうなるか？」
彼らはAIを「群衆の一員」として扱いました。主に3つの戦略を用いました：
- ソロ・アーティスト（単独演奏家）： 特定の1つのAI（例：GPT-5のみ）に対して、同じ質問を30回繰り返しました。AIはわずかにランダムな性質を持っているため（人間が「絶好調な日」や「体調の悪い日」があるように）、30回で少しずつ異なる回答を出します。
- 専門家パネル： 3つの異なるAI（GPT-5、Gemini、Claude）に対して、同じ質問をそれぞれ10回ずつ行いました。
- グランド・アベレージ（総平均）： それらすべての回答を取り、それらを平均して、「群衆」が個々のAIよりも賢いかどうかを確認しました。
分かったこと
1. 群衆の方が賢い（ほとんどの場合）
人間の場合と同様に、「人工的な群衆」は通常、単一のAIの推測よりも正確でした。
- 比喩： 3人の友人が瓶の中のジェリービーンズの数を当てている場面を想像してください。一人は500個、一人は1,000個、もう一人は2,000個と予想します。その平均は1,166個です。もし実際の答えが1,100個だったとしたら、平均値は個々の友人の予想よりもずっと正解に近くなります。
- 結果： 回答を平均化することで、誤差は大幅に減少しました。ケースによっては、「群衆」は単一のAIの推測よりも最大で37%正確になりました。
2. 「エコーチェンバー」問題
同じAIに30回聞いた場合も効果はありましたが、異なるAIに聞いたときほどではありませんでした。
- 比喩： 同じ人に30回聞くと、その人は単に同じ間違いを30回繰り返したり、あるいはその人の「機嫌の悪さ」が30回の推測すべてを同じ間違った方向へ偏らせてしまったりする可能性があります。
- 結果： 異なる種類のAIを混ぜる（「専門家パネル」）方が最も効果的でした。なぜなら、異なる種類のAIは異なる「種類の間違い」をするため、それらが互いに打ち消し合うからです。
3. 「信頼度メーター」の有用性
研究者たちは、AIに対して単に数字を出すだけでなく、「信頼区間」（答えが含まれると予想される範囲）も出すよう求めました。
- 比喩： 気象予報士が「雨が降ります。午後1時から3時の間に降る確率が90%です」と言う場面を想像してください。
- 結果： AIは自分がどの程度確信を持てていないかを判断することにおいて、驚くほど優れていました。彼らが広い範囲（例：「10から100の間ならどこでもあり得る」）を示したときは、大抵の場合、大きく外れていました。逆に狭い範囲（例：「間違いなく40から42の間だ」）を示したときは、大抵の場合、正解していました。これは、AIが自身の不確実性について一種の「自己認識」を持っていることを示唆しています。
4. すべての推測が平等ではない
「群衆」は、歴史的なパターンがある問題において最も効果を発揮しました。例えば株価や経済動向などです。
- 比喩： 過去10年間のデータがあれば、7月の平均気温を予想するのは簡単です。しかし、まだ建設されたことのない「仮定の新しい地下鉄システム」の建設コストを予想するのは非常に困難です。
- 結果： AIの群衆はトレンドの予測には優れていましたが、過去のデータに頼ることができない、完全に新しい、創造的な「もしも（what-if）」のシナリオについては苦戦しました。
結論
この論文は、AIが「群衆の知恵」を模倣できることを証明しています。複数のAIモデルに尋ねる（あるいは一つのモデルに何度も尋ねる）ことで、それらの回答を平均化すれば、単一のAIに頼るよりも大幅に正確な結果を得ることができます。
また、これらのAIモデルは、自身が盲目的に推測しているときに（広い信頼範囲を示すことで）それを伝えることができることも示しており、これはAIを用いた意思決定を行おうとする人々にとって有用なツールとなります。ただし、この「スーパー・クラウド（超・群衆）」は、純粋な空想ではなく、何らかのデータや歴史に基づいたガイドがある場合に最も効果を発揮します。
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。