4B型LM、GM級の棋力で指し手を説明

研究の概要

Adithya Bhaskar、Jeffrey Cheng、Danqi Chenの研究チームは、チェスの指し手と方針を言語で説明できるモデル「Queen」を発表した。パラメータ数は40億で、棋力は一般的なグランドマスターの水準に達する。

現行のチェスエンジンは超人的に強いが、指し手の理由を語らない「沈黙の専門家」である。一方、言語モデル（LM）は説明を流暢に生成できるが、棋力が弱いため、その説明の実用性が限られていた。Queenは両者の長所を一つのモデルに統合した。

構成は二つの要素から成る。第一に、沈黙の専門家である盤面エンコーダと、指示調整済みLMを、クロスアテンションで結ぶエンコーダ・デコーダ構造である。質問応答のカリキュラムで訓練し、エンコーダの内部表現からチェスの概念を取り出せるようにした。

第二に、反復的な蒸留アルゴリズムである。強化学習のベルマン更新を自然言語に置き換えた手法で、モデルが有力な候補手の後の局面を分析し、それらを現局面の解説にまとめ、その解説を再びモデルに蒸留する。

7回の反復で棋力は1782から2697へ、900 Elo超向上した。棋力とパズル正答率の双方で、あらゆるフロンティアモデルを大幅に上回った。パラメータ数は約3桁少ない。LMによる評価では、説明の流暢さが確認され、一貫性はGPT-5.6-Sol（high）に迫る水準とされる。

ビジネスへの示唆

本研究が示す価値は、チェスそのものではなく、高精度だが説明しない専門モデルに言語の層を付ける設計にある。論文は、ゲーム、ロボティクス、コンピュータ操作など、専門エンコーダが存在する領域への適用を見込む。以下は、この設計を企業に当てはめた場合の想定である。

• 製造業の品質管理部門：異常検知モデルが「なぜ不良と判定したか」を言語で示せれば、原因調査の時間と再発防止までのリードタイムを短縮できる。
• 金融のリスク・不正検知部門：与信や取引監視の判定理由を説明でき、誤検知の確認工数と監査対応コストの低減が見込まれる。
• 医療の画像診断支援：所見の根拠を医師に提示できれば、読影の再確認率や説明にかかる時間の改善につながる。
• 教育・スポーツ分野：指導者不足の現場で、強い解析結果を学習者向けの言葉に変換でき、学習継続率や習熟度の向上が期待される。

コスト面の含意も大きい。40億パラメータという規模で、巨大なフロンティアモデルを専門タスクで上回った。自社運用やオンデバイス実行が現実的になり、推論コスト、応答遅延、機密データの外部送信リスクを抑えられる。汎用の大型モデルを呼び出す方式に比べ、導入後の運用費用（TCO）の削減余地がある。

また、説明を生成するたびに自己改善する蒸留の仕組みは、人手による解説データの作成を減らす。専門家のレビュー工数が重い領域では、教師データ整備にかかる費用の圧縮が期待できる。

今後の展望

課題も残る。チェスは勝敗と評価指標が明確な領域であり、業務領域では「良い説明」の基準を定めること自体が難しい。説明の質はLMによる評価で測られており、実運用では専門家による検証が欠かせない。また、この手法は高性能な専門エンコーダの存在を前提とする。

それでも、ブラックボックスな専門AIの出力に言語での根拠を付与する設計指針が示された意義は大きい。説明責任が問われる規制産業を中心に、社内の専門モデルと小型LMを組み合わせる検証が進む可能性がある。企業は、既存の予測モデルの内部表現をどこまで言語化できるかを、早期に小規模で試す段階にある。