Agentic Artificial Intelligence for Power Systems: Strategies to Identify and Close Capability Gaps

電気グリッドを、現代社会を維持し続ける巨大で目に見えない神経系だと想像してみてください。それは、スマートフォンの充電器から、地球上で最も賢いコンピュータを訓練している巨大なデータセンターに至るまで、あらゆるものにエネルギーを送り込み、脈動しています。最近、これらのデータセンターは雑草のように急成長しており、グリッドが電力を届けるための新しい「道」を建設するよりも速いスピードで電力を飲み込んでいます。これにより、エネルギーの交通渋滞が発生しています。新しい発電所や重量級の負荷が、古い、混雑した電線の近所に無理やり割り込まなければならない状況です。これを解決するために、エンジニアは、停電を引き起こすことなく新しい接続ポイントを見つけるための、数千もの複雑な数学的問題を解かなければなりません。そこで登場するのが「エージェンティックAI（Agentic AI）」です。これは、単にあなたとチャットするだけでなく、実際に「仕事をする」超スマートで自律的なロボット・アシスタントだと考えてください。それはグリッドの地図を見ることができ、シミュレーションを実行し、自力でパズルを解こうと試み、明かりを灯し続ける人々にとってのデジタル・コパイロット（副操縦士）として機能します。しかし、ここで大きな疑問が生じます。このロボット・アシスタントは、本当に実戦に耐えうるのでしょうか？ それとも、単におもちゃのパズルを解くのが得意なだけなのでしょうか？

この論文は、これらのAIアシスタントに対する厳格な「教習所」のテストのようなもので、彼らが現代の電力グリッド計画という重労働をこなせるかどうかを検証するために設計されました。研究者たちは、他の研究で見つかった最新の「ベストプラクティス」に基づいたカスタムAIエージェントを構築し、それを4つの異なる規模のグリッドを持つシミュレーション・アリーナに投入しました。それは、小さな100バス（bus）規模の近隣地域、中規模の1,000バス規模の町、大規模な10,000バス規模の都市、そして超大規模な100,000バス規模のメトロポリスです。彼らはまた、AIに「レベル1：新しい負荷のための安全な場所を見つける」から「レベル6：複雑な緊急事態を解決し、解決策を提案する」までの6段階の宿題を与えました。結果は、少し現実を突きつけるものでした。AIは、小さなグリッドにおける簡単なタスク（レベル1と2）は何とか解くことができましたが、パズルが難しくなるか、あるいはグリッドが大きくなると、すぐに壁にぶつかりました。

10,000バスおよび100,000バスのグリッドでは、単純なタスクにおいてさえ、AIは結果を全く出すことができませんでした。研究者たちは、AIの「脳」（大規模言語モデル）が、処理しなければならない膨大なデータ量に圧倒されていることを見出しました。それはまるで、百科事典一冊を一度の呼吸で読み切ろうとしているようなものです。さらに、タスクが複雑になると（例えば、2本の送電線が同時に切れた場合に何が起こるかをテストするレベル5や6）、AIはループに陥りました。AIは、「コンティンジェンシー（不測の事態）」とは何か、あるいは最寄りの送電線がどこにあるのかを理解しようとするだけで、数千の「トークン」（AIの思考の通貨）を費やしましたが、問題を解決するためのシミュレーションを実際に実行することはありませんでした。ある特定の失敗例では、AIは自分が間違いを犯したことに正しく気づいたものの、自身のメモリシステムに騙され、修正した試行を間違った試行と同じものだと認識してしまい、再試行を拒否しました。

この論文は、現在の世代のAIエージェントは基本的なスクリーニングには有望であるものの、大規模で複雑なグリッド計画において人間のエンジニアに取って代わる準備はまだできていないことを示唆しています。著者らは、標準的なAIモデルに単純なデータ補助ツールを組み合わせる現在のアプローチでは不十分であると主張しています。これらのエージェントを真に有用なものにするためには、バックエンドのソフトウェアをアップグレードしてデータをより効率的に処理できるようにするか（おそらく、扱いにくいテキストファイルではなくデータベースを使用するなど）、一般的なチャットボットよりもエンジニアリングの論理を深く理解する特化型のAIモデルを訓練する必要があるでしょう。こうしたアップグレードが行われるまでは、「自律的な」グリッドプランナーは、独立して働く労働者というよりも、絶え間ない監督を必要とする「有能なインターン」に過ぎないのです。