Sakana AIは、MITおよびNYUとの共同研究として、画像を目標なしに進化させる「Picbreeder」を視覚言語モデル（VLM）で再現した実験結果を発表した。多様なエージェントを導入すれば探索の幅は広がるが、偶然を創造的な飛躍に変える能力では人間に及ばないことが明らかになった。この知見は、日本企業がAIを研究開発や製品設計に活用する際の設計思想にも影響を与える。

目標を定めない画像進化をVLMで再現

研究の起点となったPicbreederは、ユーザーが興味を引かれた画像を選び、世代を重ねることで顔や動物、頭蓋骨といった予期しない形状が創発する仕組みである。ケネス・スタンレー教授らはこれを「目標のない探索」が人間の創造性の核心にある証拠とみなしてきた。本研究では、このプロセスをVLMエージェント群に実行させた。エージェントたちは共有された画像アーカイブから親となる画像を選び、新たな候補を生成し、自ら評価して公開する。いずれの段階にも正解や目標は設定されていない。

多様なエージェントが探索を拡張する一方、残る壁

VLMエージェントは特定の概念や見た目に引き寄せられ、親画像を繰り返し選ぶ傾向があった。単独では既存のアイデアの洗練に留まり、大胆な飛躍を起こしにくい。しかし、パーソナリティの異なるエージェント集団を構成することで状況は改善し、生成されたアーカイブの意味的多様性は人間のアーカイブに迫る水準に達した。また、エージェントが進化させた頭蓋骨の画像は、勾配降下法で直接最適化されたものより滑らかな変化を示したが、人間の集団進化による画像ほどの明瞭な分離性は得られなかった。

偶然を持続的発見に変える人間の優位性

最も注目すべき差異は、偶然生じたパターンへの対処にある。人間は、予期しない結果の中に価値を認め、それを集中的に育成し、そこからさらに大きな概念的跳躍を遂げる能力に長ける。一方で、今回のVLMエージェントは興味深いパターンを認識しても、その中に留まりやすく、それを起点に新たな方向へ探索を広げることが難しかった。この能力差の構成要素は未解明であり、AI駆動型の科学研究を標榜するSakana AI自身にとっても、解決すべき中核的な問いとして残されている。

日本のAI産業利用への構造的示唆

この研究は、日本の製造業や素材開発の現場でAIを導入する際の指針にも直結する。特定の性能指標を最大化するだけのモデル運用では、人間の研究者が偶然の発見から新素材や新製法を見出すプロセスを置き換えられない可能性がある。多様な評価軸を持つエージェント群による探索と、人間の評価者を組み合わせたシステム設計が、研究開発の生産性を左右する要素になりうる。クラウド基盤やAPI経由でVLMを調達する企業にとっては、単一モデルの性能比較を超えた、探索プロセス全体の設計思想が調達要件に加わることを示唆している。