CEDAR: Agent-Orchestrated Tree Search for Goal-Directed Optimization of Complex Systems

完璧なケーキを焼こうとしているのに、レシピがない状況を想像してみてください。手元にあるのは、「ふわふわしていて、甘くて、重すぎないもの」といった、漠然としたアイデアだけです。現実の世界では、都市がどのように成長するか、ウイルスがどのように広がるか、あるいは経済が新しい法律にどのように反応するかといった多くの事象が、まさにそのケーキのようなものです。これらは「複雑系」と呼ばれ、多くのパーツがループの中で互いに影響し合っています。一つの要素を変えると、システム全体に予期せぬ波及効果をもたらします。科学者たちは何十年もの間、将来を予測するためにこれらのシステムのデジタルモデルを構築しようとしてきましたが、それは悪夢のような作業でした。通常、人間の専門家が非常に具体的で困難なコードを書く必要があり、たとえ書けたとしても、望ましい結果を得るためにモデルをどのように微調整すべきかを判断するのは、風の吹く方向を推測しながら船を操縦するようなものです。

ここで、CEDARと呼ばれる新しい手法が登場します。これは、完璧なケーキのレシピをゼロから発明するために協力して働く、超スマートで疲れを知らないロボットシェフのチームだと考えてください。人間がコードを書く代わりに、CEDRは「審判（Judge）」と「編集者（Editor）」として機能する特殊な人工知能（LLM）を使用します。編集者は、ケーキをより良くするためにレシピ（コンピュータコード）を書き換えようとし、審判はその結果を試食してスコアを付けます。しかし、ここでの魔法のトリックは、彼らが単にランダムに推測しているのではないということです。彼らは「モンテカルロ木探索（Monte Carlo Tree Search）」という戦略を用いています。これは、巨大で枝分かれした迷路を探索する探偵のようなものです。道の分岐点に立つたびに、探偵は「この道を行けば、もっと良いケーキが見つかるだろうか？」と問いかけます。これにより、システムはレシピの数千もの異なるバージョンを探索し、失敗から学び、人間が思いもよらないような経路を見つけ出すことができます。論文では、このロボットチームが、既存の乱雑なモデルを取り込み、「人口を増やしつつ汚染を低く抑える」といった目標を満たすように自動的に改善できることが示されています。しかも、従来の方法よりも速く、かつ創造的にこれを行うことができます。

ロボットシェフと可能性の迷路

この論文の核心となるアイデアは、AIを使用して、エコシステムや経済、あるいは人口などの複雑なシステムのモデルを自動的に設計・改善できるという点です。これらのシステムは、出力が別の部分の入力となるフィードバックループ（原因と結果の網の目）で満たされているため、非常に扱いが難しいものです。伝統的に、これらのモデルの構築は、専門家が特殊で時代遅れのソフトウェアを使用して行う、遅く手作業の多い仕事でした。もし新しいルールを追加した場合に何が起こるかを見るためにモデルを変更したいと思ったら、自分でコードを書き直さなければなりませんでした。

CEDARは、これを自律的な「自動運転プロセス」に変えることで、ゲームのルールを変えます。システムモデルの作成を、探索のゲームとして扱います。システムは、時間の経過とともにシステムがどのように変化するかをシミュレートするPythonコード（一般的なプログラミング言語）として表現されます。目標は、人間が望むような挙動（例えば「汚染を最小限に抑えつつ、人口成長を最大化する」など）を示すコードのバージョンを見つけることです。

これを行うために、CEDARはループ内で働く2つのAIエージェントを使用します。

1. 編集者（The Editor）: このAIは現在のコードとシミュレーションの結果を確認します。その後、コードへの変更を提案します。変数の数値を微調整したり、変数間の新しい関係を追加したり、数式の仕組みを変更したりします。これは、新しい材料を試そうとするクリエイティブなシェフのようなものです。
2. 審判（The Judge）: このAIは新しいコードを実行し、シミュレーションの経過を観察し、目標に対して評価を行います。新しいバージョンにスコアを付け、なぜそれが良かったのか、あるいは悪かったのかについて詳細なレポートを作成します。これは、ケーキを試食するフードクリティック（評論家）のようなものです。

しかし、単にランダムな変更を試みるだけでは不十分です。そこで**モンテカルロ木探索（MCTS）**が登場します。出発点を幹とする一本の木を想像してください。編集者が変更を加えるたびに、新しい枝が生えてきます。MCTSアルゴリズムは、次にどの枝を探索すべきかを決定します。単に「今、最も良さそうに見えるもの」を選ぶのではありません。「新しい、奇妙なアイデア（隠れた宝石を見つけるため）」を探索することと、「最も有望な経路を深く掘り下げること」のバランスを取ります。これにより、システムが局所的な「そこそこ良い」解に陥るのを防ぎ、真に素晴らしい結果を見つけることができます。

実験：世界のダイナミクスから人口成長まで

著者は、CEDARが実際に機能するかどうかを確認するために、2つの主要な課題でテストを行いました。

課題1：「ワールド・ダイナミクス」のケーキ
最初のテストでは、「ワールド・ダイナミクス」と呼ばれる有名な複雑なモデルを使用しました。これは、人間の人口、天然資源、および汚染の共進化をシミュレートするものです。1970年代に人間の専門家によって作成された元のモデルは、放っておくと人口が増加し、資源が消費され、汚染が爆発的に増加することを示していました。CEDARの目標は、このモデルを微調整して、人口は成長できるが資源は枯渇せず、汚染も低く抑えられるという「スイートスポット」を見つけることでした。

結果は目覚ましいものでした。CEDARは単なる小さな改善を見つけただけでなく、システムをバランスさせるための全く新しい方法を発見しました。ある実行例では、200年間で人口を6.4倍（16.5億から105.7億へ）に増加させつつ、天然資源の枯渇を**19.9%**に抑え、汚染の蓄積を極めて低く保つことに成功しました。これは、資源の大量消費と汚染の急増を示した元のモデルと比較して、劇的な改善です。論文では、異なるAIの「脳」（ClaudeやGPT-5.1など）が異なる解決策を見つけたことが記されており、CEDARが単一の答えだけでなく、多様な有効な解決策を発見できることを示しています。

課題2：「ケーキからレシピを推測する」
2番目の課題はさらに困難でした。チームはCEDARに「グラウンド・トゥルース（正解）」となるシステムを与えました。それは、ランダムで予測不可能な要素（ステップごとにランダムに変化する死亡率など）を含む複雑な人口モデルです。彼らはCEDARに、このシステムの公式（数式）を教えませんでした。代わりに、時間の経過に伴う人口数の記録を与え、その記録を再現できるモデルを構築するよう求めました。

公平なテストにするため、彼らはCEDDRを標準的な最適化ツールであるOptunaと比較しました。彼らはOptunaに対して、3つの異なるレベルの支援を与えました。

• 公式なし: 単なる2つの数値（出生率と死亡率）のみ。
• 単純な公式: 基本的なフィードバックループ。
• 完全な公式: 実在のシステムの正確な数学的構造（既知の構造）。

CEDARは公式なしの状態からスタートした（自ら構造を編み出さなければならなかった）にもかかわらず、Optunaに完全な公式（既知の構造）を与えた場合と比較しても、Optunaを上回る成果を出しました。シミュレーションにおいて、CEDARはOptuna（完全な公式あり）のL1距離が3.71であったのに対し、L1距離2.22というより低いエラー率を達成しました。これは、CEDARが可能性の空間を探索する能力が非常に高いため、人間が数式を教えなくても、データを見るだけでシステムの背後にあるルールを解明できることを示唆しています。

なぜこれが重要なのか（そして、何を行わないのか）

この論文は、このアプローチが複雑なシステムのモデリングをより身近なものにできる可能性があることを示唆しています。システムダイナミクスの博士号を持ってコードを書く必要はなく、ユーザーが自然な英語で目標を記述するだけで、CEDARがその重労働を引き受けてくれるのです。また、AIが「なぜ」変更を行ったのかを説明するため、「解釈可能性（interpretability）」も提供します。例えば、ワールド・ダイナミクスの実験では、AIはバランスを改善するために、資源使用量を25-40%、汚染生成を**30-40%**削減したことを説明しました。これらの説明は、AIが行っているトレードオフを人間が理解する助けとなります。

しかし、著者は自身の主張について慎重です。シミュレーションの結果は強力ですが、この手法の理論的な保証（常に最適な答えを見つけるという数学的証明）は依然として未解決の課題であると述べています。また、「審判」と「編集者」はどちらも大規模言語モデルであるため、互いの間違いを強化し合ってしまう小さなリスクがあることも指摘していますが、ツリー探索の構造がそれを防ぐ助けとなっています。論文は、これがすべての現実世界のシナリオにおける解決済み問題であると主張しているのではなく、以前は不可能だった方法で複雑なシステムの挙動の発見を自動化できることを示す、強力な新しいツールであると述べています。

要約すると、CEDARは、AIの探検家チームに、広大な未踏の森（あらゆる可能なシステムモデルの空間）の地図と、コンパス（目標）を与えているようなものです。目的もなく彷徨うのではなく、彼らはスマートな戦略を用いて、最も美しく、かつ有用な開けた場所を見つけ出し、しばえては人間が歩こうと思わなかったような道を発見していくのです。