説明可能な科学的発見のための機械的集団知能

要旨: 実験的観測から支配方程式を導出することは、科学における長年の課題である。人工知能（AI）は関数近似において大きな能力を示してきたものの、説明可能で外挿可能な方程式を発見することは、現代AIにおける根本的な限界として残っており、AI主導の科学的発見にとって中核的なボトルネックとなっている。ここでは、機械集団知能（machine collective intelligence）を提示する。これは、計算知能における2つの基本的だが異なる伝統である象徴主義とメタヒューリスティクスを統合する統一的パラダイムであり、支配方程式の自律的かつ進化的な発見を可能にする。複数の推論エージェントを統率し、協調的な生成、評価、批評、統合によって象徴的仮説を進化させることで、単一エージェントによる推論を超えた科学的発見を可能にする。決定論的、確率論的、あるいはこれまで特徴付けられていなかったダイナミクスにより支配される科学システムにおいて、機械集団知能は、人手で作り込んだ領域知識に依存することなく、その基となる支配方程式を自律的に回復した。さらに、得られた方程式は、深層ニューラルネットワークに比べて外挿誤差を最大で6桁にわたり低減し、0.5〜1百万のモデルパラメータを、わずか5〜40の解釈可能なパラメータへと圧縮した。本研究は、原理に基づく科学的方程式の自律的発見に向けた、AIの重要な方向転換を示すものである。