Minecraft、AIの最難関テストに　各ラボが攻略競う

シリコンバレーで最も引く手あまたのAI研究者たちが新たな熱狂の対象にしているのは、チャットボットでもコーディング支援ツールでもない。Minecraftだ。木を殴って木材を集め、鉱石を掘り、道具を作り、最終的にはドラゴンを討つブロック状のサバイバルゲームが、自律型AIエージェントの最新の試金石となっている。問いは単純だが答えるのは難しい。機械は人間の子供のように、長く終わりのないゲームをゼロから学べるのか。

Minecraftで上達するには反射神経だけでは足りない。エージェントは自ら目標を設定し、見たものを記憶し、数千ステップにわたって計画を立て、失敗から立ち直らなければならない。洞窟での曲がり角の判断ミスはすべてを失うことを意味する。探索、記憶、長期計画の組み合わせこそ、今日の大規模言語モデルが依然として苦手とするものであり、だからこそ各ラボはこのゲームをベンチマークに変えたのだ。

手法はさまざまだ。ある研究者はClaudeのような単一モデルに単独でゲームに挑ませ、試行錯誤で学ばせる。別の研究者はより高速で特化したエージェントを試す。Googleは最近別の道を選び、4つのGeminiモデルをチームにして、ゼロから協力させ、同じ目標に向かって作業を分担し情報を共有させた。それぞれの手法は、AIシステムがどう失敗しどう回復するかについて異なる何かを明らかにする。

結果は論文として公開され、リーダーボードで比較される。趣味人の砂場が競技の場に変わったのだ。この競争が重要なのは、試されるスキルがゲームに限らないからだ。Minecraftで一晩生き延び、避難所を建て、遠くの目標への経路を計画できるエージェントは、倉庫ロボットから旅行予約やスケジュール管理をするソフトウェアまで、実世界のタスクに必要なのと同じ能力を示している。

Minecraftはこの目的に使われる最初のゲームではない。チェスや囲碁のようなボードゲームは何年も前に攻略され、ビデオゲームは長くAIのテストに使われてきた。しかしそれらの多くはルールが固定され、勝者が明確だ。Minecraftは終わりがなく、唯一の正解ルートもない。だからこそ、エージェントが実験室の外で直面する雑然とした曖昧な問題の、より近い代役になる。

この関心は、AI業界が進歩を測る方法の変化も反映している。静的なテストのスコアは、ごまかしや過学習が容易だと見なされつつある。何時間もかけてクリアし、あらゆる判断が積み重なるゲームは、偽装するのが難しい。そのためMinecraftは、ラボが実力を見せつける人気の手段となり、外部者がエージェントの真の能力を見極める有用な手段となっている。

現時点で、支援なしにゲームを説得力をもって攻略したモデルはない。しかし競争自体が多くを明らかにしている。新たな試みのたびに、記憶、計画、チームワークに関する教訓が生まれ、次世代のモデルに還元される。世界の読者にとっての要点は、AIの次の飛躍はより大きなチャットボットからではなく、見たことのない世界で生き延びることを学べる機械から来るかもしれないということだ。