米国マサチューセス工科大学（MIT）の研究チームが、人工知能（AI）のニューラルネットワークにおいて「記憶」と「推論」の機能を明確に分離することに成功した。この研究により、AIが基本的な算術計算を行う仕組みが、論理回路ではなく、記憶パスウェイに依存していることが明らかになった。 研究では、大規模言語モデルを解析する手法を用いて、特定の計算タスクに対するニューロンの活動パターンを詳細に分析。その結果、たとえば「7 + 5 = ?」といった簡単な足し算に対しては、モデルの記憶領域が主に活用されていることが確認された。一方で、複雑な論理的推論や新しい問題への適応には、異なるニューロンネットワークが関与していることが判明した。 この発見は、AIが「なぜ」答えを導くのかという理解を深める上で重要な一歩である。これまで多くの研究者がAIの意思決定プロセスをブラックボックスと捉えてきたが、今回の結果は、単純な計算は記憶に基づく「パターン認識」であり、本質的な理解とは異なることを示している。 研究チームのリーダーであるMITの機械学習研究者によると、「AIが正解を出すのは、『覚えている』からであり、『理解している』わけではない」と述べている。これは、AIが人間のように抽象的な思考を行うわけではないことを意味し、特に教育や医療などの高信頼性が必要な分野での利用には、慎重な検証が不可欠であることを示唆している。 この成果は、AIの内部構造をより正確に理解するための基盤となり、将来的にはより信頼性の高いAIシステムの設計に貢献する可能性がある。