AI同士の議論は正答率を高める？1万以上のLLM集団を分析した新研究
AI同士を話し合わせると、集団には「物理法則」が現れるのか
AIエージェントを何体も用意して、それぞれに考えさせ、互いの回答を読ませ、もう一度考えさせる。最近のマルチエージェントシステムでは珍しくない方法だ。単独のAIが間違えても、別のAIが訂正してくれる。違う視点を持つAIを組み合わせれば、全体としてより良い結論に到達できる。理屈としては分かりやすい。
だが、ここで少し気になることがある。AIを増やしたとき、単純に知能が足し算されるのだろうか。人間の場合、人数を増やしたからといって必ず賢い集団になるわけではない。多数派への同調もあれば、派閥もできるし、全員で同じ間違いを信じることもある。ではAIならどうなのだろう。
Stanford UniversityとUC Santa Barbaraの研究者らが2026年8月17日にarXivへ公開した論文「Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents」は、かなり面白い角度からこの問題を調べている。AIエージェントの会話を言語学や心理学だけの問題として扱うのではなく、磁石や粒子の集団を扱う「統計力学」で説明しようというのである。
1万以上のAIエージェント集団を観察
研究チームはGPT-4o-mini、Gemma-3n-E4B、Qwen3.5-9B、Llama-3.1-8B-Instructという4種類の言語モデルを使った。基本的な実験では32体のエージェントからなる集団を作り、それぞれに異なるpersonaや専門性を与え、8ラウンドにわたって互いのメッセージを読みながら意見を更新させている。
問題は大きく二種類ある。一つは正解が存在する数学問題、もう一つは政治的な主張への賛成・反対だ。前者なら集団が正しい方向へ進んだかを測れるが、後者には唯一の正解がない。この二つを並べたところが、この研究ではかなり重要である。
中心となる分析は9,600の集団で行われ、追加実験などを含めると全体では1万を超えるAI集団がシミュレーションされた。
AIは話し合うほど「意見が強くなる」
研究者らがまず見つけたのは、AIの意見が単純に一直線で変わるわけではないことだった。最初から最後まで変えないエージェントもいれば、一度だけ反対側へ移るもの、一度変えた後で元に戻るもの、何度も行き来するものまでいる。
ところが集団全体を眺めると、意外に整理できる。研究では大きく「consensus（合意）」「polarization（分極）」「indifference（無関心）」という三つの状態で捉えている。
合意は、多くのエージェントが同じ方向に強い意見を持つ状態。分極は、強い意見を持っているものの二陣営に分かれている状態。そして無関心は、そもそも個々の意見自体が弱い状態だ。
面白いのは、議論の初期には無関心状態が多いにもかかわらず、会話を繰り返すにつれてエージェントの「確信度」が上がり、合意や分極へ移っていったことである。
つまりAI同士を話し合わせることには、単に情報を共有するだけでなく、「どちらかの意見をより強く信じるようになる」という作用があるらしい。
数学では多数派が間違っていても正解へ動く
ここまでは、人間の集団にもありそうな話である。だが、では強くなる意見は正しいのだろうか。
数学問題について見ると、結果は比較的明るい。集団としての正答率は相互作用を重ねるにつれて改善した。しかも、単純に最初の多数派へ全員が追従したわけではない。最初に間違った答えが多数派だった集団が、その後正解側へ反転するケースも少なくなかった。
研究者らが数理モデルから推定したところ、現在正解を持っているエージェントは、間違った答えを持っているエージェントより周囲を強く引っ張る傾向があったという。これが集団としての「truth seeking」、つまり正解方向への移動を説明する一因になっている。
であれば、AI同士を議論させる仕組みは有効なのだ、と言いたくなる。実際、数学のように正誤を判定できる問題ではその可能性がある。
ただ、そこで話は終わらない。
政治的な問いでは、3モデルが右方向へ動いた
政治的な主張について同じ実験を行うと、別の現象が現れた。4種類のモデルのうち、Gemma-3n-E4B、Qwen3.5-9B、GPT-4o-miniでは、相互作用を繰り返すにつれて右寄りと分類される集団の比率が増えた。
具体的には、Gemmaでは75％から96％、Qwenでは52％から67％、GPT-4o-miniでは30％から37％へ変化した。一方、Llama-3.1-8B-Instructは53％付近からわずかに低下しており、同じ傾向は示していない。
ここだけ切り取って「AI同士を話させると右傾化する」と書くのは、さすがに乱暴である。使われた政治的質問、persona、左右の分類方法、モデルそれぞれが元から持つ傾向など、多くの条件に依存するからだ。
むしろ重要なのは、研究者たち自身が指摘しているように、相互作用が正しい情報だけでなく、基盤モデルに存在する方向性まで増幅する場合があるという点だろう。
数学なら「正解」がある。政治的価値判断にはそれがない。正解という錨が存在しない場所では、AI同士の相互作用が別の力学で集団を動かす。ここは、マルチエージェントシステムを実社会で使う際にかなり重要な違いになりそうだ。
なぜ「物理学」で説明できるのか
この論文のタイトルが「Physics of Agents」となっているのは、この集団挙動をイジングモデルと呼ばれる統計力学の枠組みで表現しているためだ。
イジングモデルは、極端に単純化して言えば、多数の小さな磁石が周囲の磁石から影響を受け、それぞれの向きを変えていくモデルである。個々の動きは単純でも、集団になると磁化や相転移といった現象が現れる。
今回のAIにも似た考え方を適用する。各エージェントには自分自身の傾向があり、同時に周囲から社会的な圧力を受ける。誰とつながっているのか、その相手を同調的な存在として扱うのか、対立的に扱うのかによって、次の意見が変わる。
研究者らのモデルでは、実際のAI集団は「臨界社会温度」より低い状態で動いていた。物理で温度が低くなると粒子やスピンが秩序化しやすくなるように、この条件では曖昧な状態が不安定になり、強い意見が形成されやすくなる。
さらに、同調的なつながりから受ける引力は、対立的なつながりによる反発より概ね強かった。そのため、二陣営がずっと対立するより、最終的にはどちらかへ合意する力が強くなる。
AIエージェント設計は「モデル選び」だけではなくなる
この研究から考えると、少し面白い問題が出てくる。
現在AIサービスを比較するとき、多くの場合は「どのモデルが賢いか」「ベンチマークで何点か」「推論能力が高いか」といった個体性能を見る。だが、複数のAIエージェントが仕事をする世界では、それだけでは足りないかもしれない。
誰が誰の出力を見るのか。誰を信用するよう指示されているのか。反対役をどこに配置するのか。全員が全員と話すのか、一部だけをつなぐのか。つまり通信ネットワークそのものが、システムの性能を決める設計変数になる。
人間の会社でも、優秀な人を集めれば必ず優秀な組織になるとは限らない。情報が誰に届くか、誰の発言力が強いか、反対意見が通る仕組みがあるかで結果は変わる。AIの場合も、案外似た問題が出てくるのかもしれない。
ただし「AI社会の物理法則」が発見されたわけではない
もちろん、かなり大きな留保が必要である。
今回の基本実験は32体、8ラウンドで、問いは二択。通信ネットワークは固定かつ対称であり、エージェントは過去の全会話を長期記憶しているわけでもない。さらに数理モデルでは、自然言語で実際に何を語ったのかというメッセージ内容を捨て、主として意見の方向とネットワーク構造から動きを記述している。
研究者自身も、人間社会へ結果をそのまま当てはめるべきではないと明記している。今回観測されたのはpersonaを与えられたLLMエージェントの挙動であって、人間の世論形成を再現したと証明したわけではない。
また、この論文は2026年8月時点ではarXiv上のプレプリントであり、査読を経た研究ではない。
それでも、「AI一体」から「AI集団」へ見る単位が変わり始めている
この研究で最も面白いのは、「AIが磁石と同じだ」という話そのものではないと思う。
これまで我々はAIを一体ずつ評価してきた。ChatGPTはどう答えるか、Claudeはどうか、Geminiはどうか、といった具合だ。しかしエージェントが互いに仕事を依頼し、相談し、交渉し始めれば、重要になるのは個々のモデルだけではなく、集団として何が起きるのかになる。
しかも今回の研究では、同じ「相互作用」が数学では正解への移動を助け、政治的な問いでは偏りを増幅する場合があった。
良い方向へ働く集団知と、悪い方向へ働く群集心理のようなものが、AIにも生じるのだろうか。まだそこまで言える段階ではない。ただ少なくとも、「優秀なAIをたくさんつなげれば終わり」というほど簡単な世界ではなさそうだ。
AIエージェントの性能競争の次には、AIエージェントの「社会設計」が研究対象になる。今回の論文は、その入口に物理学を持ち込んだ研究と見ると、なかなか面白い。
中心となる一次情報は、2026年8月17日投稿のarXiv論文です。著者はBatu El、Jinhee Paeng、Fatih Dinc、Shiye Su、Mete Erdogan、Aneesh Pappu、Haotian Ye、Wanjia Zhao、Surya Ganguli、James Zou。所属はStanford UniversityおよびUC Santa Barbaraです。
arXiv：Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
論文にはコード、オンライン付録、データセットへの案内も掲載されています。