タフツ大学のScheutz研究室が、ニューラルネットワークとシンボリック推論（記号推論）を組み合わせたニューロシンボリックVLA（視覚言語行動）モデルを開発しました。標準的なVLAモデルと比較してトレーニング時のエネルギー消費をわずか1%、推論時を5%に抑えながら、タワーオブハノイ課題で95%の成功率を達成したとScienceDailyが報じています。成果は2026年5月のICARAウィーン大会で正式発表される予定です。
ニューロシンボリックAI（neurosymbolic AI）とは、パターン認識に優れたニューラルネットワークと、論理規則に基づいて確実な推論ができるシンボリックAIを組み合わせたアプローチです。純粋なニューラルモデルは莫大な計算資源と電力を要しますが、ルールベースの構造的推論を組み合わせることで、特定タスクに必要な計算を劇的に削減できます。タワーオブハノイは段階的な手順の計画と実行を要する古典的な問題で、ロボット操作の複雑さを測る指標として研究でよく使われます。
Hacker Newsでは「AI電力消費問題への実用的な解法として注目を集める一方、スケーラビリティや複雑タスクへの適用可能性に懐疑的な声も」あり、狭いタスク領域での成功が汎用的なロボット操作にどこまで拡張できるかを問う議論が活発です。X上では「ロボティクス研究者から『シンボリックAI回帰の流れが本格化している』とするポストが多数拡散」しており、2010年代に深層学習の台頭で一時衰退したシンボリックAI研究が、エネルギー効率と信頼性という新たな価値軸で再評価されている流れが見えます。
データセンターの電力消費が社会的な問題となりつつある中、消費エネルギーを100分の1以下に抑える研究の実用的価値は大きいです。ロボティクス・エッジAI・組み込みシステムへの応用可能性と合わせて、ニューロシンボリックアプローチがLLM偏重のAI研究に一石を投じる動きとして今後も注目が続くでしょう。