現代の人工知能の世界において、機械は膨大な量の情報を読み取ることによって問題を解決することをますます求められています。何百万冊もの本がある図書館で、特定の質問に答えなければならない司書を想像してみてください。一つのアプローチは、答えを出そうとする前に、すべての本の表紙から表紙までを読み通すことです。もう一つのアプローチは、司書に一連のシンプルな道具を与えることです。つまり、カード目録を検索する方法、特定の棚まで歩いていく方法、そして関連するページだけを読み取る方法です。この第二の方法は、機械がすべてを事前に暗記する必要はなく、複雑な構造をナビゲートする方法を学習できるという考えに基づいています。これが、知識グラフ（事実、概念、データテーブルを繋ぐデジタル地図）の上で推論できるエージェントを構築するという核心的な課題です。目標は、膨大なネットワーク全体を一つの圧倒的なメモリ・スロットに無理やり押し込めるのではなく、人間の専門家が行うように、巨大で変化し続けるデータのネットワークの中から正しい情報を見つけ出すシステムを作ることです。

Oplitの研究者たちは、このナビゲーション・アプローチをより伝統的な手法と比較するために、GRA（Graph Reasoning Agent：グラフ推論エージェント）と呼ばれる新しいシステムを開発しました。彼らは、製品の製造ルール、注文に関するデータ、機械のパフォーマンスの記録を含む、工場の運営のデジタルツインを備えたシミュレーションされた工場環境を構築しました。Unified Factory Knowledge Model（統合工場知識モデル）として知られるこの環境には、情報を結びつけることで特定の答えを見つけ出す必要がある数百の分析的な質問が含まれています。質問の中には単純な数値を求めるものもあれば、現在の工場の状態を考慮して新しい生産スケジュールが可能かどうかといった、複雑なルールを理解する必要があるものもあります。研究者たちは、汎用的な一連のツールを用いてデジタル工場をステップ・バイ・ステップで探索するエージェントが、工場マニュアルとデータベース・スキーマのすべてを一気に流し込まれたエージェントよりも優れた性能を発揮できるかどうかを確認したいと考えました。

チームは、このタスクを処理する3つの異なる方法をテストしました。第一の方法は「フルコンテキスト・アプローチ」と呼ばれ、すべてのテーブルやルールを含む工場の全説明を、開始前に人工知能のメモリに投入します。これは、司書に質問を一つされる前に、図書館のカタログすべてと建物内のすべての本を渡してしまうようなものです。第二の方法は、マップを完全に排除し、エージェントに情報のつながりがないテキスト文書とテーブルのリストだけを与えます。第三の方法であるGRAは、エージェントに7つのシンプルなツールを与えます。エージェントは、近くにあるものをリストアップすること、特定のアイテムの詳細を読み取ること、単語を検索すること、意味を検索すること、データベース・クエリを実行すること、計画を練ること、そして最後に答えを出すことができます。決定的なのは、エージェントは事前にテーブルの名前やルールを知っておらず、これらのツールを使ってグラフを探索することで、それらを発見しなければならないという点です。

結果は、グラフをステップ・バイ・ステップでナビゲートしたエージェントの方が、一度にすべてを読もうとしたエージェントよりも正確であることが示しました。258問のテストセットにおいて、ナビゲート型エージェントは88.4パーセントの割合で正解しましたが、フルコンテキスト型のエージェントは83.3パーセントの正解率でした。さらに重要なことに、ナビゲート型エージェントは、フルコンテキスト型のエージェントが処理しなければならなかった情報の3分の1未満しか読んでいない状態で、この高い精度を達成しました。これは、複雑なタスクにおいては、より多くを見るよりも、より選択的に見ることが優れていることを示唆しています。すべてを読んだエージェントは、テキストの膨大な量に圧倒されることが多かったのに対し、ナビゲート型エージェントは、問題を解決するために必要な特定のデータ片だけに集中することができました。

研究者たちはまた、このナビゲーション・メソッドの成功は、エージェントが使用するツールの信頼性に大きく依存していることも発見しました。人工知能モデルが指示に従い、間違いなくツールを使用することに長けているとき、ナビゲーション・アプローチは非常によく機能しました。しかし、モデルがツールを正しく使うことに苦労する場合、その優位性は消失し、一度にすべてを読み取る手法の方が優れた結果となりました。これは、グラフをナビゲートすることの利点は、必要なものを正確に取得できる能力にあるが、それはエージェントがそれを正しく取得できると信頼できる場合にのみ成立するということを示しています。研究では、改善の主な理由はグラフ自体の構造ではなく、情報を選択的にアクセスするという行為にあることが分かりました。グラフが取り除かれ、エージェントが平坦なテキストを検索する場合でも、依然としてフルコンテキスト法を上回る結果を出しており、鍵となるのは「情報を探す戦略」であって、「すべてを読むこと」ではないことが証明されました。

この仕組みが現実世界のシナリオでどのように機能するかを示すために、研究者たちは工場オペレーターからのリクエストをエージェントがどのように処理したかを示しました。オペレーターは、「アルミニウムフレームを月曜日に特定の2つのステーションのいずれかで溶接する」という特定のルールが守れるかどうかを尋ねました。エージェントは即座に答えを知っているわけではありませんでした。まず、デジタルマップを使用して溶接ステーションを調べました。すると、一方のステーションは実際にはカーボンフレーム専用であるというルールが見つかりました。これはオペレーターの依頼からは明らかではないルールでしたが、グラフ内に保存されていました。これにより、選択肢の一つが即座に除外されました。次に、エージェントはもう一方のステーションを確認し、その作業量をこなすのに十分な時間があるかどうかを計算しました。標準的な推定時間と実際の履歴データを比較したところ、実際の作業は予想よりも長くかかっており、その日にリクエストを満たすことは不可能であるという結果が出ました。エージェントは明確な拒否を返し、なぜそのルールに従えないのかという2つの具体的な理由を説明し、さらにはスケジュールの修正案を2つ提示しました。

二つ目の例では、組み立てラインのカラーチェンジ回数を1シフトあたり3回に制限することが可能かどうかをオペレーターが尋ねました。エージェントは再び、シフトの定義と過去の生産記録を見つけるためにグラフをナビゲートしました。10ヶ月分の履歴を再現し、その制限がどの程度の頻度で破られることになるかを検証しました。その結果、ごく少数の日には制限を超えることになるものの、そのルールを採用することが不可能になるほど頻繁ではないことが分かりました。エージェントは、そのルールは実現可能であるが、季節的なリスクがわずかにあると結論付けました。オペレーターがこれを承認すると、システムは自動的にそのルールを、コンピュータ・ソルバーが工場スケジュールを管理するために使用できる数学的な形式へと翻訳し、その後、将来の使用のためにこの新しいルールをデジタルマップへと記録しました。

この研究は、人工知能が受動的な読者としてではなく、熟練した調査員のように振る舞うことで、複雑な産業知識を効果的に管理できることを実証しています。構造化された事実のネットワークを探索するためにいくつかのシンプルなツールを使用することで、システムはすべてを一度に処理しようとするよりも、より正確かつ効率的に困難な質問に答えることができます。研究は、「より少なく見る、しかし目的を持って見る」ことが、エージェントにより良い回答をさせることを示しています。このアプローチは、データセットが大きくなり、複雑になり、最終的には単一のメモリ・プロンプトに収まりきらなくなるにつれて、特に価値を持つようになります。このような状況では、情報をナビゲートし、特定の情報を抽出する能力こそが、知的な意思決定への唯一の実行可能な道となります。研究者たちは、次のステップは、ルールが可能かどうかを判断するだけでなく、それを強制するために必要なコンピュータ・コードを自動的に記述できるようにシステムを洗練させ、人間の指示と機械の実行の間のループを閉じることであると結論付けています。