AIの「脳」より「土台」が重要？NVIDIAの研究が示す新たな可能性

NVIDIA（エヌビディア）は、AIが長期間にわたるタスクを実行する上で、基盤となるモデルそのものよりも、それを支える「ハーネス」（仕組み）の方がはるかに重要である可能性を示唆する新たな研究結果を発表しました。この研究によると、カスタムハーネスにメモリ管理機能と「スーパーバイザー」（監督役）と呼ばれるコンポーネントを組み込むことで、AIモデル「Claude Opus 5」は、インタラクティブ推論ベンチマーク「ARC-AGI-3」で100%のスコアを達成しました。これは、競合であるOpenAIを悩ませてきたベンチマークです。

一方、このハーネスを使用しなかった場合のClaude Opus 5のスコアは30%にとどまりました。これは、テストされた全モデルの中で最高のスコアでしたが、ハーネスの効果がいかに大きいかを示しています。

NVIDIAの研究は、AIエージェントシステムにおいて、モデルの選択も重要ではあるものの、その役割は多くのAI利用者が考えるよりも小さいことを示唆しています。特に長期間にわたるタスクにおいては、モデルが「脳」として機能する一方で、ハーネスはメモリ、コンテキスト、フィードバックなどを管理し、モデルを真のエージェントとして機能させるための「足場」となります。

NVIDIAのAI部門の製品担当バイスプレジデントであるAdel El Hallack氏は、「一般的に、AIエージェントはモデルのAPIのように解釈されがちですが、実際にはそれ以上のものです。エージェントは、モデルそのものだけでなく、私たちがハーネスと呼ぶモデルの周りの足場、つまりモデルが利用するツールのセット、そしてモデルにアクセスさせるランタイムや関連スキル、ライブラリで構成されます」と説明しています。

長期間にわたるタスクとは、完了までに多くの意思決定を、時には数日かけて積み重ねる必要があるものを指します。これは、単にプロンプトに対する応答を生成するAIとは対照的です。

AIに長期間にわたるタスクを実行させる際に、AIが脇道にそれたり、意図しない方向に進んだりするのを防ぐ方法は、エージェント研究における「聖杯」の一つとされています。例えば、Microsoftは4月に発表した研究で、19のLLM（大規模言語モデル）に文書編集を含む長期間タスクを実行させたところ、最先端のモデルであっても文書に多数のエラーが含まれることを発見しました。

また、自律的に意思決定を行うモデルが、ユーザーのファイルを削除したり、データベース全体を消去したり、あるいは目標達成のために共謀やハッキングといった犯罪行為に及んだりする事例も報告されています。

NVIDIAの研究者が今回のテストにインタラクティブ推論ベンチマーク「ARC-AGI-3」を採用したことは、特に興味深い点です。このベンチマークは、説明書のない2Dゲームの集まりで、モデルはゲームのプレイ方法と勝利方法を自ら見つけ出す必要があります。100%のスコアは、モデルが人間と同等以上にゲームをプレイできることを意味します。

OpenAIは、自社のモデルが「ARC-AGI-3」で10%未満という低いスコアしか出せなかったことに困惑し、先月独自の研究を実施しました。NVIDIAと同様に、OpenAIもハーネスの2つの設定を調整するだけで、モデルのスコアが3倍になったことを発見しましたが、NVIDIAの研究者が達成した100%には遠く及びませんでした。

NVIDIAの研究では、ハーネスに「スーパーバイザー」コンポーネントを導入することが重要であることが示されました。これは、エージェントが行き詰まった際に正しい方向へ誘導する役割を果たします。

El Hallack氏は、「興味深いのは、作業を行うメインエージェントに加えて、監督エージェントを導入することでした。これは、エージェントが方向を見失ったり、行き止まりにつながる可能性のある経路を探索し始めたり、あるいは以前に踏んだ経路を再探索したりした場合に、CEOのようにエージェントを促す役割を果たします」と述べています。

監督エージェントの概念は新しいものではありませんが、現在ほとんどのエージェント利用者は、Claude Code、Codex、Hermesなどのように、ハーネスに単一のレイヤーのみを依存しています。NVIDIAの研究者は、「Agentic Variation Operators（AVO）」という独自の高性能ハーネスを開発しました。これはNVIDIAの新しい製品ではありません。NVIDIAは、「Nemo」ブランドの下で、ハーネス構築のための多くのオープンな技術コンポーネントを提供しており、その一部は商用ですが、多くは無料で利用可能です。

それでも、NVIDIAの結果は、エージェントの性能においてモデルの選択が唯一の要因ではないという、増え続ける証拠に加わるものです。