LLMの「金太郎飴」思考を破る新モデルFlint

⏱ 読了約8分3,173 字

📑 目次

「時は川である」——AIの集団思考という盲点
Flintの仕組み——狙った一点にだけランダム性を注入
「7」ではなく「3.7916」——具体例が示す違い
So What——「差別化できるAI」という新しい競争軸
まとめ
参考・出典

オーストラリアのスタートアップSpringboardsが、大規模言語モデル（LLM）が似通った答えばかり返す「集団思考（groupthink）」の弱点に挑む新モデル「Flint」を開発した。米MIT Technology Reviewが報じた。ChatGPT、Claude、Geminiといった主要チャットボットに同じ問いを投げると、判で押したように似た答えが返ってくる——この「金太郎飴」現象を、Flintは狙った箇所だけ多様性を注入する仕組みで打ち破ろうとする。AIを企画・発想の道具として使うほど、この「みんな同じ答え問題」は無視できない。差別化を生めないAIは、ビジネスの武器になりにくいからだ。

「時は川である」——AIの集団思考という盲点

問題の根っこは、LLMが自由回答の問いに対して、予測可能で均質な答えに収束してしまう性質にある。2025年11月に発表され、AI分野の主要国際会議NeurIPS 2025で最優秀論文に選ばれた「Artificial Hivemind（人工の集合精神）」という研究が、これを鮮やかに示した。25種類の異なるLLMに、「時間についての比喩を書け」という課題をそれぞれ50回ずつ与えたところ、返ってきた答えの大半は「時は川である」「時は織り手である」といった、ごく似通ったバリエーションに過ぎなかったという。

モデルが違っても、答えは金太郎飴のように似る。これは単なる面白い現象ではなく、AIを発想支援に使ううえでの本質的な限界だ。ブレインストーミングの相手が毎回同じ無難な答えしか返さないなら、そのAIは「平均的な正解」を出す道具にはなっても、「誰も思いつかない一手」を生む道具にはならない。

Flintの仕組み——狙った一点にだけランダム性を注入

Springboardsの答えが「Flint」だ。技術的な土台には、アリババが公開したオープンソースモデル「Qwen 3」を使っている。Flintの新しさは、多様性を出す場所を選ぶ点にある。文章全体でランダム性（でたらめさ）を上げると、単に意味の通らない文になってしまう。そこでFlintは、「多様性が有益になる特定の出力ポイント」を見きわめ、その決定的な箇所でだけ選択のランダム性を高めるよう訓練されている。

具体例が分かりやすい。「ヨーロッパでどこへ行くべき？」と尋ねたとき、ランダム性を効かせるのは「行き先の地名」の部分だけで、文章のそれ以外の言葉には効かせない。結果として、文章の自然さを保ったまま、提案そのものは新鮮になる。全体を荒らすのではなく、勝負どころだけを揺らす——これがFlintの設計思想だ。

「7」ではなく「3.7916」——具体例が示す違い

Flintと既存モデルの違いは、いくつかの実例に表れている。「ランダムな数字を1つ挙げて」と頼むと、ChatGPTやClaudeは判で押したように「7」を返しがちだが、Flintは「3.7916」のような予想しにくい数字を返した。「新しい車の名前を考えて」では、競合がトヨタやホンダを挙げるなか、Flintは「フォードF-150」を提案した。スポーツ用品ブランド New Balance のキャッチコピーづくりでは、競合の「Run your way」に対し、Flintは「Built to last, run to win」を生んだという。

いずれも「正解」というより「ひとひねりある選択肢」だ。Flintは現在、主に広告・マーケティングの専門家がキャンペーンの発想を広げる用途に向けて提供されている。共同創業者の一人マクシミリアン・ヴァイグル氏は、Flintを使うマーケティング会社Uncommonの最高戦略責任者も務めており、実務の発想支援という明確な出口を持っている。創業チームはCEOのピップ・ビンゲマン氏、CTOのキーラン・ブラウン氏らが率いる。

So What——「差別化できるAI」という新しい競争軸

Flintが投げかけるのは、「AIの賢さ」とは別の、「AIの多様性」という新しい競争軸だ。第一に、発想業務での実用価値。企画、コピーライティング、商品ネーミング、新規事業のアイデア出し——こうした「人と違うことに価値がある」領域では、均質な答えしか出ないAIは役に立たない。狙った箇所だけ多様性を出すアプローチは、この弱点への直接の処方箋になる。

第二に、モデル選びの基準が変わる可能性だ。これまでAIの優劣は、正答率やベンチマークの点数で語られてきた。だが発想支援では、「どれだけ人と違う筋の良い答えを出せるか」が新たな評価軸になり得る。aigeekでも主要チャットボットのシェア争いを追ってきたが、「賢さ」で横並びになった先の差別化ポイントとして、多様性は有力だ。第三に、オープンソースの底力。FlintがアリババのQwen 3を土台にしている事実は、アジア発オープンモデルの台頭とも重なる。巨大企業の最先端モデルに頼らずとも、公開モデルを工夫すれば独自の価値を生めることを、Flintは実証している。

まとめ

Flintは、「AIは賢くなった。では、みんな同じ答えを返すことをどうするのか」という、これまで見過ごされてきた問いに正面から挑む。文章全体を荒らすのではなく勝負どころだけを揺らすという設計は、多様性と自然さを両立させる現実的な解だ。AIを「平均的な正解製造機」で終わらせず、「人と違う発想のパートナー」に育てられるか——差別化がものを言う日本のクリエイティブ・企画の現場にこそ、この問いは重く響く。次に注目すべきは、多様性という評価軸が、広告以外の領域へどこまで広がるかだ。

参考・出典

【編集メモ】事実（Springboards＝豪州スタートアップ／Flint＝Qwen 3ベース／Artificial Hivemind論文がNeurIPS 2025最優秀論文・25モデル×50回で「時は川」に収束／数字7→3.7916・車名F-150・New Balanceコピー等の実例／創業者3名／広告・マーケ向け）はMIT Technology Review（2026年7月1日）に基づく。実例の出力はモデルの性質を示す例示であり再現性を保証するものではない旨、記事の趣旨に沿って記述した。