AIが「論理」をマスター？検索を賢く、安くする新技術「OrLog」の秘密

ああ、それは検索エンジンの話だよ。例えば「パリかアムステルダムにある美術館、でもアート系じゃないやつ」みたいな、条件がいくつも重なった検索って今のAIでも意外と難しいんだ。

それは論理以前に存在しないから無理だけど……。今のAIは「AかつB」とか「AだけどBじゃない」っていう論理的な制約を、雰囲気で処理しちゃうことが多いんだよね。だから、間違った答えを出しちゃうことがあるんだ。

「ニューロシンボリック」っていう考え方を使うんだ。直感的な判断が得意なニューラルネットワーク（LLM）と、厳密なルールが得意な記号論理（シンボリック）を組み合わせる手法だよ。

まず、LLMにクエリを分解させるんだ。さっきの例なら「パリにあるか？」「アムステルダムにあるか？」「アート系か？」っていう個別のチェック項目（述語）に分ける。ここがステップ2だね。

次に、それぞれの項目がどれくらい正しいか、LLMに「スコア」を出させるんだ。これを「述語の尤もらしさ推定」と呼ぶよ。面白いのは、LLMに文章を書かせるんじゃなくて、内部的な数値だけをサッと取り出すところだね。

……余計なことは言わなくていいよ。文章を生成しないから、計算がすごく速くて正確なんだ。で、そのスコアを「ProbLog」っていう確率的な論理エンジンに放り込んで、最終的な正解率を計算するんだよ。

その通り。実験結果では、LLMに全部任せて考えさせるよりも精度が高かったし、何より使うトークンの量が90%も減ったんだ。つまり、すごく安上がりで賢いってことだね。

今はWikipediaのデータで試してるけど、将来的にはもっと複雑なデータベースや、専門的な調査にも使えるはずだよ。ただ、最初のクエリ分解を間違えると台無しになるっていう課題もあるけどね。

……それは検索エンジンの問題じゃなくて、君の理想が高すぎるだけだと思うよ。