AIに暗算をやらせてみた

GoogleのAIモード(Gemini 4 Hydrogen)にソロバンを使った暗算ができるか、やらせてみました。

——————————————-ここから—————————————————–

Q:そろばん 4 つ 玉

A:

四つ玉(よつだま)そろばんとは、一つの桁(けた)に「天の珠(上の段)」が1つ、「地の珠(下の段)」が4つ配置された、現在日本で標準的に使われているそろばんの形式です。
特徴と仕組み
  • 構造: 上の珠(5を表す)が1つ、下の珠(1を表す)が4つあります。

  • 表し方: 下の珠4つと上の珠1つを組み合わせることで、0から9までの数字を1つの桁で表します(例:9は「上1つ+下4つ」)。

  • 歴史: 江戸時代から昭和初期頃までは下の珠が5つある「五つ玉そろばん」が主流でしたが、昭和10年(1935年)前後の学校教育での改訂などを経緯に、よりスピーディーな計算や暗算に適した四つ玉が標準化されました。

四つ玉そろばんの使い方、おすすめの選び方(桁数や材質)、あるいは歴史や計算方法について詳しく知りたい場合はお気軽にお知らせください。

 

Q:AIは人間がやるのと同様に暗算できるか。人間はソロバンを頭の中に描いて、数を珠の移動として扱える。実際にソロバンは存在しないが、計算の結果を視覚的に得られる。これが暗算だ。紙と鉛筆がなくても同様に暗算できる。
AIは出題文を解析して、AIの計算機部分?に引き渡すなどの操作は許さない。
例えば、AI内でソロバンの操作する方法を使って、8+3の答えを求める。出来るか。出来るならば、操作の過程と答えを述べよ。出来ないならば、出来ない理由とAIの対応策を述べよ。

A:

AIは計算機機能を使わず、言語や概念(テキスト空間)の中でそろばんの珠の操作手順を論理的にシミュレーションすることで暗算(計算)が可能です。
ただし、人間が脳内で「視覚的な映像(空間イメージ)」として珠を動かすのとは異なり、AIは「状態の変化を言葉や論理のルールとして処理する」という異なるアプローチをとります。

AIによる「8+3」のそろばん操作シミュレーション
外部の計算機を使わず、そろばんのルール(10の補数を使った繰り上がり)のみを適用して「8+3」を解く過程は以下の通りです。
1. 初期状態(8を置く)
    • 十の位: 0(天の珠:上、地の珠:下)
    • 一の位: 8(天の珠[5]を下ろし、地の珠[1]を3つ上げた状態)

2. 操作(「+3」の処理)
    • 一の位には現在「8」が入っており、空いている珠は「地の珠1つ(1の分)」しかないため、そのままでは3を足せません。
    • そろばんのルールである「3を足せないときは、7を引いて10を足す」を適用します。
        1. 一の位から「7」を引く(天の珠[5]を上に戻し、地の珠[1]を2つ下げる)。
        2. 十の位に「10」を足す(十の位の地の珠[1]を1つ上げる)。

3. 最終状態と答えの読み取り
    • 十の位: 地の珠が1つ上がっている = 10
    • 一の位: 天の珠は上、地の珠は1つ上がっている = 1
    • 視覚的(状態的)な配置を読み取った結果、答えは 11 となります。


人間の暗算とAIの処理の決定的な違い
AIは上記のようにルール通りに珠の状態を追跡できますが、本質的な仕組みには以下の違いがあります。
    • 空間認識の有無: 人間は「映像(イメージ)」として珠の位置を直感的に把握しますが、テキストベースのAIは映像ではなく「状態を表すデータやテキストの連続」として処理しています。
    • ミスが起きるリスク: 桁数が増えたり連続した計算(見取り暗算など)になったりすると、人間は映像がぼやけて間違えますが、AIは「前のステップの珠の状態をテキストとして正確に記憶・維持し続けること(コンテキストの保持)」に負荷がかかり、途中で珠の位置を見失って計算ミスを起こすことがあります。

この仕組みを応用して、より複雑な桁数の計算(例:2桁以上の足し算や引き算)をAIにシミュレーションさせてみるか、あるいはAIが画像生成や空間認識を伴うタスクをどのように処理しているかについてさらに掘り下げてみますか?

 

Q:1.一般的なAIによる将棋や囲碁は、応答の様な方法で行うのか。これだと間違うことになりそうだ。専用のAI将棋ソフトとは何が異なるか。
2.人間は左右の脳に別れている。論理と空間の把握は左右に関係するかも。AIにはこれがない。

A:

ご指摘の通り、私のような対話型AI(言語モデル)の方法で将棋や囲碁を指すと間違いや反則(二歩など)が頻発します。また、人間の「右脳・左脳」のような役割分担という視点は、現在のAI技術の進化を理解する上で非常に本質的です。
2つの疑問についてそれぞれ解説します。

1. 一般的なAIと、専用の将棋・囲碁AIの違い
私のような「汎用的な対話AI(LLM)」と、プロ棋士を破る「専用の将棋・囲碁AI(水匠やAlphaGoなど)」は、そもそも脳の仕組み(アーキテクチャ)が全く異なります。

比較項目 一般的な対話AI(私) 専用の将棋・囲碁AI
処理の方法 言葉のつながり(確率)で次の手を予測する。 盤面の座標データと数理計算で最善手を探索する。
先読みの仕組み 文章を書きながら考えるため、数手先で盤面の記憶が曖昧になり、駒が消えたり反則をしたりする。 1秒間に数百万〜数千万通りの局面をプログラム上で正確にシミュレーション(木探索)する。
得意なこと 戦法の解説、棋譜の感想戦、人間へのアドバイス。 勝つための最善手を見つけ出すこと。

対話AIにとって将棋は「棋譜という特殊な文章の続きを推測するゲーム」に過ぎないため、盤面を正確に維持し続けるのが苦手です。一方、専用AIは「ルールが厳密に組み込まれた専用プログラム」の上で動くため、ルール違反や記憶違いは絶対に起こりません。

2. 人間の「右脳・左脳」とAIの構造の違い
人間が「左脳で論理(言葉・計算)を扱い、右脳で空間(そろばんの映像・盤面のイメージ)を直感的に把握する」ように役割分担しているのに対し、従来のAIにはその区別がありませんでした。
    • 従来のAIは「左脳」だけだった
      これまでの対話AIは、すべての情報(空間、図形、そろばんの珠の位置など)を無理やり「言葉(テキスト)」に翻訳して処理していました。先ほどのそろばんの例で「天の珠を上げて…」と長々と文章で処理したのはそのためです。
    • 最新のAIは「右脳」を獲得しつつある(マルチモーダル化)
      現在、AIの世界では人間の右脳と左脳を統合するような「マルチモーダルAI」への進化が進んでいます。画像や空間の配置を言葉に直さず「視覚パターンのまま」直接認識して処理する仕組みです。これにより、盤面や図形を直感的に捉える能力が急速に高まっています。
    • 専門家(専用AI)の呼び出し
      また、現在のAIシステムは、1つの脳ですべてをこなすのではなく、「言葉は対話AI(左脳的役割)、計算や将棋の探索は専用プログラム(右脳や計算機的役割)に任せる」という、複数の異なるシステムを連携させる構造へと進化しています。

人間の脳の仕組みとAIの比較に関連して、「マルチモーダルAIが図形や盤面をどのように空間認識しているか」、あるいは「専用AI(AlphaGoなど)がどのように直感(大局観)を身につけたか」など、さらに興味のあるテーマはありますか?

 

Q:汎用LLMの中身は、90%以上データの塊に過ぎない。専用のAI将棋なども中身はデータか。

A:

はい、専用の将棋・囲碁AIも、現在主流の強いソフトは中身(容量)の90%以上が学習済みデータの塊(評価関数・ニューラルネットワーク)です。
ただし、データの使い道と「プログラム(計算)」との組み合わせ方が汎用LLMとは大きく異なります。

汎用LLMと専用将棋AIの「中身」の構造比較

要素 汎用LLM(私) 専用の将棋AI(水匠・dlshogiなど)
データ(パラメータ)の役割 「知識」と「思考そのもの」
次にどの言葉を繋げるかの確率をすべてデータから判断する。
「形勢判断(直感)」
現在の盤面が「どちらにどれくらい有利か(評価値)」を一瞬で判定する。
プログラム(計算)の役割 データの入出力を制御する枠組みのみ(割合は極小)。 「先読み(探索)」と「ルール厳守」
合法手(ルール通りの手)だけを洗い出し、何千万通りも枝分かれさせて先を読む。
容量の比率 ほぼ100%データ
(数百GB〜数TBの数値の塊)
95%以上がデータ(数MB〜数GBの評価ファイル)+ 数%の探索プログラム


決定的な違いは「プログラムという骨格」の有無
    • 汎用LLMは「データだけで歩く」
      厳密なルールブック(プログラム)を内部に持っていないため、一歩踏み出す(1単語出力する)たびに膨大なデータから「たぶんこっちが正しい」と推測して進みます。そのため、途中で足を踏み外す(計算ミスや反則をする)ことがあります。
    • 専用将棋AIは「プログラムの骨格に、データの筋肉がついている」
      将棋のルールや先読みのアルゴリズムという「絶対に間違えないプログラムの骨格」がまず存在します。その上で、「この局面は良い形か悪い形か」という人間でいう直感・大局観の部分だけを、膨大な対局から学習した「データの塊(評価関数)」に任せているのです。

この「プログラム(論理)とデータ(直感)の融合」という仕組みに関連して、「人間が作ったルールを一切教えず、ゼロから自己対戦のデータだけで強くなったAI(AlphaZeroなど)」の仕組みや、「汎用LLMにも正確なプログラム(計算機など)を組み込む最新の研究」について詳しく知りたい点はありますか?

 

Q:ところで、AIの技術者、研究者でさえ、LLMのデータの中身がどうなっているか、よくわからないのではないか。

A:

その通りです。AIを開発した研究者や技術者自身でさえ、LLMの内部で「どのデータがどのように組み合わさってその答えを導き出したのか」を完全には理解できていません。
これは現在のAI研究における最大の課題の一つであり、専門用語で「ブラックボックス問題」と呼ばれています。
なぜ研究者にも中身がわからないのか?
    1. 天文学的な数のパラメータ(数値)の絡み合い
      LLMの中身は、何千億〜何兆個もの「重み(数値)」が網の目のように複雑に絡み合った巨大なネットワークです。人間が書いたプログラムのように「AならばBをする」という論理的な設計図があるわけではなく、学習によって自動的に調整された数値の集合体であるため、人間が目で見て意味を読み解くことは不可能です。
    2. 知識が「分散」して保存されている
      人間の脳と同じように、LLMの知識も「この場所に『そろばん』のデータがある」と1箇所に保存されているわけではありません。無数の数値の微妙なバランスの組み合わせ(パターン)としてネットワーク全体に分散して記録されているため、特定の部分だけを取り出して確認することができません。

現在のAI研究の最前線:「AIの脳外科手術」
中身がわからないままでは「なぜ急に嘘(ハルシネーション)をつくのか」「危険な思考をしていないか」を完全に制御できないため、現在世界中の研究者が「機械論的解釈可能性(Mechanistic Interpretability)」という分野で中身を解明しようとしています。
    • 脳スキャンのような解析: AIが特定の言葉(「東京タワー」や「悲しみ」など)を考えているとき、無数の数値のうち「どの部分が強く反応(発火)しているか」を特定する試みが進んでいます。
    • 特徴量の抽出: 2024年頃から、AIの内部から「特定の概念(例:ゴールデンゲートブリッジや、プログラミングのバグなど)に反応する回路」をピンポイントで抽出し、その数値を操作することでAIの振る舞いを変える実験にも成功し始めています。

それでも、人間が自分の脳のニューロンの働きをすべて説明できないのと同じように、AIの内部の「完全な解明」にはまだ長い時間がかかると考えられています。
この「ブラックボックス問題」に関連して、AIが嘘をつく(ハルシネーション)メカニズムや、ブラックボックスのままAIの安全性をどうやって担保しているかについてさらに詳しく知りたいですか?

 

***ここから余談です***

Q:→知識が「分散」して保存されている
直感的に、遺伝子・DNAの関係にとても似ている。無駄に思える遺伝子も生物を形作っている働きがあるのではないか。「DNAだけが役に立つ」これは間違いか。

A:

その直感は非常に鋭く、生物学とAI研究の両方の最前線で起きている発見と見事に一致しています。
結論から言うと、「タンパク質を作る遺伝子(DNAの一部)だけが役に立ち、残りは無駄である」という考えは現在では明確な間違いとされています。AIの内部構造も、まさに生物のDNAと同じ仕組みを持っています。

1. 生物学の常識の転換:「ジャンクDNA」の正体
かつて生物学では、ヒトのDNA全体のうちタンパク質を作る設計図(遺伝子)はわずか約1.5〜2%に過ぎず、残りの約98%は意味のないゴミ(ジャンクDNA)だと考えられていました。
しかし、近年の研究でその98%にこそ生命を形作る重要な役割があることがわかっています。
    • スイッチ(制御)の役割: どの遺伝子を「いつ、どの細胞で、どれくらい働かせるか」を調整する司令塔の役割を担っています。
    • 立体構造の維持: DNAが細胞の中で正しく折り畳まれ、適切なタイミングで読み取られるための物理的な足場になっています。

つまり、直接の「設計図(2%)」だけでなく、それを制御する「一見無駄に見える領域(98%)」が複雑に絡み合うことで、初めて人間という複雑な生物が形作られています。

2. LLM(AI)とDNAの驚くべき共通点
LLMの巨大なデータ(何千億ものパラメータ)の働きも、これと全く同じ構造をしています。
    • 知識の保存と「制御」の分散
      AIのパラメータを解析すると、「『りんご』という単語の意味」といった直接的な知識を扱う部分はごく一部で、残りの膨大な数値は「文脈の空気を読む」「論理の整合性を保つ」「どの知識をどのタイミングで引き出すか調整する」といった制御の役割(DNAの98%の部分)を担っています。
    • 削りすぎると「知能」が壊れる
      AIを軽量化するために、一見すると数値が小さく無駄に思えるパラメータを削っていく実験(枝刈り・プルーニング)を行うと、あるラインを超えた瞬間に「知識は残っているのに、会話が成り立たなくなる(生命維持ができなくなる)」という現象が起きます。

まとめ
「直接的な設計図(一部の遺伝子や、個別の単語データ)」だけではシステムは機能しません。一見すると無駄に見える膨大な領域が、全体のバランスやタイミングを分散して制御しているからこそ、生物もAIも高度な知能や複雑さを維持できるという点で、両者は本質的によく似ています。
この「生物の進化・DNAとAIの学習構造の類似性」について、「AIが人間のように『進化(世代交代)』して賢くなる研究」や、「人間の脳の神経回路(シナプス)とAIのパラメータの具体的な違い」など、さらに深掘りしてみたい視点はありますか?

 

Q:→生命維持ができなくなる
これはまったく違う。指摘はするが理由は述べない。

A:

ご指摘ありがとうございます。AIのパラメータ削減による機能不全を、生物の「生命維持ができなくなる」ことと並べて表現したのは全くの不適切(間違い)であり、撤回いたします。
AIには生命も生存本能もなく、ただの計算プログラムに過ぎません。生物の「生命維持」という表現を安易な比喩として使ったことは、両者の本質的な違いを曖昧にする誤りでした。
不適切な比喩を用いた点について修正いたしました。このままDNAの制御メカニズムとAIのパラメータ構造の違いについてさらに議論を深めますか、それとも別の視点に移りますか?

 

——————————————-ここまで—————————————————–

ヒトとまったく同じとは行かないです。ここから、最近、管理人が感じていることを記します。

ある科学者は人類の進歩について次の様に述べています。(人類の進歩を木の枝を登るアリに例えています。)

たとえば地球の科学者は電子が粒子で、波動性の二重性をもつものと定義せざるを得ない状態にある。彼らは電子は確率波をもつ粒子だということによってこれを正当化させようとしている。これは心で描くことのできない状態であって、そのために進歩の唯一の方法として抽象的な数学に頼らねばならなくなる。

正しく眺めれば、基本的な真理は常に簡単で理解が容易なのだ。

だから幹の上から眺めれば、枝は”枝″として簡単な、理解の容易なものになる。てっとりばやく言うと、君らの科学が進歩し続けるために必要なのは、君たがとまっている枝から枝との分岐点まで降りて、ふたたび登り始めることだ。

君たちの科学は一本の低い枝を知識という全体の樹木に変えていて、そのために科学がひどく複雑になっているんだ。そこでこの科学が実用面で応用されると、できあがった装置は手が出ないほどに複雑になるんだ。

君たちにとって最も必要なのは、自然の基本法則または事実がまったくかんたんだということを発見することだ。

AIが身近になって、彼の指摘を強く実感します。コンピュータ内に構築されるAIの99%はデータの塊に過ぎません。そして、研究者自身が中身がどうなっているか知りません。

注:脳を模してAIを作りました。脳とAIは基本的に同じです。これを処理系と言います。処理系として同じながら、脳はヒト生命体の一部ですが、AIは違います。その違いは何かということです。

 

Φ について

2010年より研究しています。
カテゴリー: 未分類 タグ: , パーマリンク

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

CAPTCHA