あなたは建築家だと想像してください。ただし、家を設計するのではなく、アナログ回路と呼ばれる、小さくて目に見えない機械を設計しています。これらは、スマートフォンの画面に適切な電圧を供給したり、ノイズの多いラジオ信号を浄化したりといった作業を行う、あなたの電話や車、ノートパソコンの中に潜む、縁の下の力持ちです。何十年もの間、これらの回路を構築することは、遅くて手作業による芸術的なプロセスでした。人間の専門家が設計図を描き、それが機能するかどうかを確認するためにコンピュータ・シミュレーションを実行し、失敗に気づいたら消去して、最初からやり直す。このサイクルが、たった一つの設計のために数百回繰り返されます。それは、まるで、一つひとつの藁（わら）を拾うたびに新しい針を作り直し、その中のどれかが正解であることを願うという、干し草の山の中から特定の針を探すような作業です。

最近、科学者たちは「言語モデル」を使って、コンピュータにこのスケッチを行わせる方法を試みました。これは、物語を書いたり質問に答えたりできる、あのスマートなAIと同じものです。彼らは、AIに一連のルール（例えば「電圧を2倍にする回路が必要だ」など）を読み取らせ、即座に回路の図面を吐き出すように教えました。しかし、落とし穴がありました。これらのAIは、簡単なレシピをいくつか暗記したものの、複雑な宴会の料理を求められるとパニックに陥る学生のようなものでした。回路が少し大きくなったり複雑になったりすると、AIはただランダムで壊れた設計を出力してしまうのです。AIは自分の間違いについて「考える」ことも、やり直すこともできませんでした。それは「ワンショット（一撃）」の試行でした。一度推測して、もし失敗したら、そこで終わりです。

ここで、EXPLOREという新しい論文が登場します。デューク大学とIBMのチームである研究者たちは、AIに最初の一回で正解を出すよう強いるのではなく、最終的な設計を確定させる前に、さまざまな選択肢を「思考し、探索（エクスプローラー）」させるべきだと気づきました。彼らは、AIの創造性と厳格な探索プロセスを組み合わせたシステムを構築しました。それは、単に犯人を推測するだけでなく、あらゆる手がかりをチェックし、あらゆる可能性を追い、証拠が確実になったときに初めて容疑者を逮捕する探偵のようなものです。

問題点： 「ワンショット」の罠

なぜEXPLOREが特別なのかを理解するために、「お絵描き当てゲーム」をしていると想像してみてください。あなたは猫の絵を描かなければなりませんが、ペンを動かせるのはたった一度のストロークだけです。もし耳の部分で書き間違えたら、猫全体の絵は台無しになります。これが、従来のAI手法の仕組みでした。彼らはあなたのリクエストを見て、即座に完全な回路を描いてしまいます。もし回路が機能しなくても、AIには修正する方法がなく、最初からやり直すしかありませんでした。

問題は、回路が大きくなるにつれて悪化します。論文によれば、回路に部品（コンデンサ、インダクタ、スイッチなど）を追加していくと、それらを接続する組み合わせの数が爆発的に増加します。それは、パーツを一つ追加するたびにパズルのピースが倍増していくようなものです。3つまたは4つの部品を持つ単純な回路であれば、AIは正解を簡単に推測できました。しかし、6つの部品を持つ回路になると、間違った推測の数が膨大になり、AIは見失ってしまいます。従来のメソッドは、数千のランダムな推測を生成して、その中に当たりがあることを願うという力技（ブルートフォース）で解決しようとしましたが、これは非常に遅く、非効率的でした。

解決策： ガイド付き探索

EXPLOREフレームワークは、「ガイド付き探索」を導入することでゲームのルールを変えました。AIは単に最終的な答えを吐き出すのではなく、登山者のように振る舞います。登山者（AI）は、道がおそらくどこへ続くかを教えてくれる「地図（学習データ）」を持っています。しかし、山は険しく霧に包まれているため、登山者は盲目的に歩くことはしません。

EXPLOREがどのように機能するか、ステップごとに説明します：

1. 地図（言語モデル）： AIは、既存の数千の回路を観察することから学んだ「地図」を持ってスタートします。この地図は、有効な回路がどのようなものかについての優れた勘を与えてくれます。
2. 分岐する経路（モンテカルロ木探索）： AIが決定を下す必要があるとき（例えば「このワイヤーをここに接続すべきか、あそこに接続すべきか？」など）、単に一つを選ぶのではありません。AIはいくつかの異なる経路を想像します。これは「木探索（ツリーサーチ）」と呼ばれます。これは、道の分かれ道に立ち、どちらの道を進めばより良い景色が見えるかを想像しながら、両方の道を歩んでみるようなものです。
   3.連続的な現実のチェック（シミュレータ）： AIが想像する各経路に対して、回路シミュレータを用いた素早い「テスト」を実行します。これが真実の瞬間です。シミュレータは、「おい、そんな風に接続したら電圧が間違っているぞ」あるいは「素晴らしい、この部分はうまく機能している！」と伝えます。
3. スマート・スキップ（Pフィルタリング）： これは研究者たちが発明した巧妙なトリックです。AIが回路を記述するために使用する言語において、単語の約半分は「文法」の単語（例えば「the」や「and」など）であり、設計自体を実際には変えません。それらは単に文章を正しく見せるために存在しています。EXPLOREシステムは、もしAIがある文法単語に対して99%の確信を持っているなら、それらをテストするために時間を浪費する必要はないと判断します。それらは自動的に受け入れられ、エネルギーは「本当の」決定のために温存されます。これは、塩の瓶を味見する前に塩を加える必要がないシェフが、味見の時間をスープそのもののために残しておくようなものです。

得られた結果

チームは、従来のメソッドが苦戦し始めるスイートスポットである、6つのコンポーネントを持つ回路を用いてこの新手法をテストしました。彼らは非常に厳しい目標を設定しました。回路は極めて小さな誤差（0.01）の範囲内で完璧でなければなりません。

• 従来の方法： AIがワンショットで回路を推測しようとしたとき（「貪欲（Greedy）」法）、成功率はわずか**12%でした。多くのランダムな推測を生成して最良のものを選択する手法（「サンプリング＆フィルタ」）を用いたとしても、成功率は33%**に過ぎませんでした。
• EXPLOREの方法： ガイド付き探索を用いることで、成功率は**65%**へと跳ね上がりました。これは、従来の最高の手法よりも2倍以上の成功率です。

しかし、単に勝つ回数が増えただけではありません。より賢くなったのです。論文では、EXPLOREによるエラー（「平均二乗誤差」と呼ばれるもの）は、ランダムな推測によるエラーよりも20倍以上小さかったと記されています。これは、EXPLOREが見つけた回路が、目標に対して非常に正確であったことを意味します。

研究者たちはさらに大きな課題、つまり7、8、9個のコンポーネントを持つ回路についても調査しました。これらの複雑なシナリオにおいて、従来のメソッドはほぼゼロに近い成功率となり、事実上お手上げ状態でした。しかし、EXPLOREは機能し続けました。すべての問題を完璧に解決できたわけではありませんが、これらの困難で未知の領域において、依然として機能する回路を見つけ出すことができた唯一のメソッドでした。

な way なぜ重要なのか

この論文は、このアプローチが「行動する前に考えさせる」ことをAIに教えるため、大きな前進であると示唆しています。あらゆる可能な回路の膨大なデータベースに頼る（それは不可能です）のではなく、EXPLOREはAIの直感を利用してスマートな探索を導き、進みながら自分の仕事をチェックします。

著者たちは、これが大きな改善である一方で、すべてを一瞬で解決する魔法の杖ではないことにも注意を払っています。非常に大きな回路（10コンポーネント）に対する成功率は依然として控えめであり、システムを実行するには多くのコンピュータ・パワーを必要とします。しかし、「検索強化型」のアプローチが「ワンショット」の推測よりも優れていることを証明することで、彼らは新しい扉を開きました。これは、回路設計の未来が、単に「よりスマートなAIモデル」になることではなく、「モデルが物理的なチップを構築する前に、アイデアを探索し、テストし、洗練させるためのよりスマートな方法」になることを示唆しています。

要するに、EXPLOREは、回路設計者に目隠しをして宝箱に偶然ぶつかるのを期待するのではなく、コンパスと地図を与えるようなものです。それは、純粋な運のゲームを、戦略的なゲームへと変えるのです。