1. 「最強のAI」は「一神教」に向かうのか？
AI開発の主流は「最適化」でした。
より高いベンチマークスコア、より大きなモデル、より多くのデータ。
「最強のAI」を1体作れば問題は解ける——その前提が、ここ数年の競争を動かしてきました。
その前提が揺らぐ場面があります。
強いモデルを束ねたマルチエージェントが、特定の問題でことごとく失敗します。
AIで再学習を重ねたモデルが、世代を経るごとに出力が均質に収縮していきます。
どちらも「最強」を追求した先に現れる現象です。
問題は性能ではありません。
同じ方向に強くなったモデルは、同じ方向に見落とします。
AIが生成したデータで学習させると分布が収縮し、多様性が失われます。
「最強」と「多様」は、別の軸です。
マルチエージェントとモデル崩壊は一見別の話に見えますが、根底では同じ問いが立っています。
モデル同士がどれだけ違う見落とし方をするか、という問いです。
1.1. 盲点が同じなら増やしても意味がない（マルチエージェント）
マルチエージェントの構成で問われるのは、モデルの数ではなく「系統距離」です。
OpenAI派生を3体並べると、同じ方向に賢く、同じ方向に見落とします。
金融工学向け、学術NLP向け、コード特化といった、訓練の方向性が異なるモデルを混ぜて初めて並列化に意味が生まれます1。
アンサンブル学習でも同じ構造の原則が知られています。
個々の精度だけでなく、誤りの相関を意味するerror correlationを下げることで性能が上がります。
多数決は、全員が同じ間違いをするとき何も機能しません2。
モデル数と性能の関係は逓減します。
5体から9体への拡張は劇的な改善をもたらしますが、9体から11体では微増にとどまります。
それでも11体目を切れない理由があります——他の10体が全員見落としたバグを、その1体だけが見つけるケースがあるからです。
この価値は平均点には現れません。
「独自検出率」という別の軸で評価しないと、見落とします。
1.2. 薄まる情報、収縮する分布（再学習とモデル崩壊）
ウェブ記事の約半分がAI生成になった今、次世代モデルはAIが書いたテキストで訓練される割合が増え続けます3。
仕組みはこうです。
第一世代のモデルにN個のデータを生成させ、それで第二世代を訓練し、第二世代が生成したデータで第三世代を訓練します。
各世代での生成はモデルのパターンからのサンプリングですが、運悪く選ばれなかったパターンは次世代のデータセットから消えます。
一度0になったら復活しません。
世代を重ねるごとにデータセットは理論上ひとつの点に収縮していきます。
ランダムウォーク的な漂流とも言えます。元の分布から世代ごとに離れ、戻ってきません4。
2. 高品質化の選択が、分布を均質に押しつぶす
収縮はメカニズムだけでなく、選択のプロセスでも進行します。
自己回帰型LLMがテキストを生成するとき、最も確率の高いトークンを決定的に選ぶ「貪欲デコーディング」という方式があります。
この方式で生成したデータを訓練に使うと、元の自然な分布よりも典型的な表現が過多になります5。関西人が日本の人口の16%を占めていても6、貪欲デコーディングで生成したデータには関東弁しか現れません。
このデータで訓練されたモデルは、たとえサンプリングで生成しても関西弁が出にくくなります。
フィルタリングも同じ向きに働きます。
複数の出力から高得点のものだけを残すと、「奇抜だが79点」は落とされ「無難で80点」が残ります。
この差が僅かでも繰り返すと非対称性が蓄積し、奇抜な作風は訓練データから消えていきます。
高品質化を目指した選択が、気づかないうちに分布を均質に押しつぶします。
2.1. 「AI臭さ」に見えるレパートリーの少なさ（均質性）
AIが生成した画像や文章に「AI臭さ」を感じる現象があります。
これはモデルが下手なのではなく、レパートリーが少ないことの現れです。
人類は集合知として80点のポスターの作り方を無数に知っています。
AIも80点のポスターを作れますが、その方法の数は人類全体と比べてはるかに限られています。
同じパターンが繰り返されるから、人々はそのパターンを認識し始め、臭さとして知覚します。
モデル容量が有限である以上、訓練時に希少だったパターンは記憶から淘汰されます。記憶容量を効率的に使う最適化が、分布の裾を切り捨てます7。
ベンチマークでは同じ80点でも、その80点の取り方が収縮しているかどうかは別問題です。
「AIには作れないパターンの80点」という概念が生まれたとき、その作品は点数以上の意味を持ち始めます。
3. AIの収縮は人間の思考パターンにも波及する
マックスプランク人間開発研究所の研究は、LLMの癖が人間の話し言葉にまで浸透することを示しています。
“delve”や”comprehend”など、人間があまり使わないがChatGPTが頻繁に使う単語の発話頻度が、ChatGPT登場以降に有意に増加しました8。
台本なしのカジュアルな発話でも同様の傾向が見られ、書き言葉だけでなく内面的な言語パターンにまで影響が及んでいることを示唆します。
ChatGPTを使ったことがない人も、同僚や視聴しているYouTuberを通じて「GPT語」を無意識に獲得します。
LLMの出力分布が収縮すれば、それを使い、それを聞いた人間の言語パターンも収縮しうるのです。
収縮の渦は、モデルの内部だけに留まりません。
マルチエージェントでは「異なる間違い方をする個体を混ぜる」という設計への転換が求められます。
モデル崩壊の文脈では、同じ転換が人間の側にも問われます。
AIのデフォルト生成に乗っかることは、収縮に加担することです。
ユニークなプロンプト、AIには作れないパターン——それらを意識的に持ち込む人間が、系全体の多様性の担い手になります。
盲点が重なった集合は、どれだけ大きくなっても一つの盲点しかありません。
- 東京のSakana AIが2026年6月に公開したマルチエージェントシステム「Fugu」も、多様な系統のモデルを組み合わせる設計を採用しています。Conductorと呼ばれる7Bパラメータの司令塔モデルを強化学習で訓練し、GPT-5・Claude・Geminiなど複数のフロンティアモデルへの委譲を動的に制御する構成になっています。 – Sakana Fugu — Multi-agent System as A Model
- アンサンブル学習における誤り相関の定式化は、Krogh & Vedelsby（1995）の「曖昧さ分解」、英語でambiguity decompositionと呼ばれる理論に遡ります。アンサンブルの誤差は個別モデルの平均誤差から多様性の値を引いたものに等しく、精度だけでなく多様性を高めることが性能向上につながることが示されています。 – Optimising Diversity in Classifier Ensembles
- デジタルマーケティング企業Graphiteが2026年に発表した調査では、Common Crawlから無作為抽出した英語記事6万5000件以上を3種類のAI判定器で解析しています。2024年11月にAI生成記事の数が人間が書いた記事の数を初めて上回り、2025年Q1以降は全体の約50%で推移していると報告されています。 – More Articles Are Now Created by AI Than Humans
- Shumailovらはこのメカニズムを理論的・実験的に実証しています（Nature 2024）。特に「元の分布の裾が消失する」点を強調しており、LLMだけでなく変分オートエンコーダやガウス混合モデルでも同様の崩壊が生じることを示しています。 – AI models collapse when trained on recursively generated data
- 貪欲デコーディングとビームサーチはサンプリング方式と比べてモデル崩壊を急速に加速させることが、再帰的訓練の実験で示されています。生成テキストの分布一致度を測るMAUVEスコアは、貪欲デコーディングを用いた場合に世代が進むほど急激に低下します。 – Machine-generated text detection prevents language model collapse
- 総務省の2024年10月1日時点の人口推計によると、関西2府4県、大阪・京都・兵庫・奈良・滋賀・和歌山の総人口は約2,018万人です。日本の総人口約1億2,380万人に対して約16.3%にあたります。 – 関西2府4県人口0.4%減少（日本経済新聞）
- モデル崩壊の特徴として、元の分布の裾が最初に消失することがShumailov et al.（2024）で指摘されています。希少なパターンは再生成される確率が低いため、世代を経るにつれ訓練データから消えていきます。単なる品質低下ではなく、分布の形そのものが変容する不可逆的な過程です。 – AI models collapse when trained on recursively generated data
- 矢倉ら（Hiromu Yakura et al., 2024）は、YouTubeの学術講演36万本・ポッドキャスト77万本、計74万時間以上の発話データを計量経済学的手法で分析しています。ChatGPT登場後に「delve」などのGPT頻出語の発話頻度が有意に増加したことを示しました。台本なしのカジュアルな発話でも同様の傾向が確認されており、LLMの影響が書き言葉だけでなく内面的な言語パターンにまで及んでいることを示唆しています。 – Empirical evidence of Large Language Model’s influence on human spoken communication