エスカレーターの上で動くスリンキーの物理的相互作用を通じて、最新AIモデルの空間認識と物理法則の理解力を検証した最新ベンチマークテストの結果と示唆を探ります。
AIは階段を下りるスリンキー(Slinky、バネのおもちゃ)を理解できるか?:最新AIの物理的推論テスト
想像してみてください。子供の頃に遊んでいた色鮮やかなバネのおもちゃであるスリンキー(Slinky、弾力性のあるコイル状のおもちゃ)をエスカレーターの上に置きます。エスカレーターは上あるいは下に向かって動いており、その上でスリンキーはピンと伸び縮みしながら階段をリズミカルに下ったり、形状を維持しようとしたりします。人間であれば、この光景を目にする時、重力、弾性、そして動くエスカレーターという物理的変数がどのように噛み合って動くのか、頭の中で簡単にシミュレーションすることができます。
それでは、今日世界中が驚嘆する最新の人工知能(AI)は、この現象を正確に理解し予測できるでしょうか?最近のAI業界では、まさにこの疑問に答えるべく、非常にユニークで手強い新しいテストが導入されました [出典 1, 出典 2]。大規模言語モデル(LLM、膨大なテキストデータを学習して人間のように文章を書き対話する人工知能構造)が直面したこの独特な試験台の実体を一緒に紐解いていきましょう。
なぜこれが重要なのか?
私たちが日常で使うAIチャットボットは、無数の小説、ニュース記事、プログラミングコード、百科事典の知識を完璧に網羅しています。詩を詠んだり、複雑なプログラミングのエラーを数秒で見つけ出したりする能力は、もはや驚くべきことではありません。しかし、こうしたAIが実際に私たちが生きる「物理的世界」の法則を本当に理解しているのかどうかは、全く別の問題です。
もしAIが書類上や画面上のデータでは世界を完璧に把握していながら、現実世界の基本的な物理法則――例えば、物を落とせば下に落ちるとか、動く足場の上で弾性のある物体がどのように跳ね返るかといった力学関係――を理解できていなかったとしたら、どうなるでしょうか?ロボット工学や自動運転、あるいは物理的空間とインタラクションしなければならないすべての先端技術分野において、AIは致命的な誤判断を下すことになります。
新しく登場したベンチマーク(Performance benchmark、AIシステムの性能を客観的に比較・評価するための標準テスト基準)である「エスカレーターの上のスリンキー」テストは、まさにこの点を正確に突いています。AIが単なる単語の組み合わせ能力を超え、現実世界の物理的相互作用を真に推論できるかを判断するリトマス試験紙となっているのです [出典 1, 出典 2]。
わかりやすく解説:AIに突きつけられた物理的パズル
簡単に言えば、このテストはAIに複雑な物理方程式を解かせるものではありません。小学生に遊び場で滑り台を滑る時の感覚を尋ねるように、目に見えない力と物体の動きがどのように噛み合っているかを直感的に想像できるかを問うものです。
これを理解するために、2つの比喩を挙げてみましょう。
1つ目の比喩は「写真編集アプリのフィルターレイヤー」です。私たちがスマートフォン写真に複数のフィルターを重ねてかける時、一番上にどのフィルターを置くかによって、下層の画像全体の色味や光が全く変わります。AIがテキストを処理するプロセスもこれと似ています。単語が積み重なって文章を作りますが、その文章の中には重力、摩擦力、弾性という目に見えない「物理的フィルター」が作用していなければなりません。しかし、従来のAIはテキスト内の単語の統計的なつながりを見るだけで、実際のフィルターが写真に及ぼす光学的変化を身をもって体験したことがありません。
2つ目の比喩は「見たこともない楽器を演奏せよという指示」です。生涯楽譜だけを見てピアノを演奏してきた音楽家に、一度も見たことのない打楽器を与えて「音がどのように広がるか説明せよ」と言うようなものです。AIは無数のインターネット文書を通じて「スリンキー」という単語と「エスカレーター」という単語が一緒に使われた文面を読んだことがあるかもしれませんが、2つの物体が出会って生み出す動的な物理現象を自分の目で直接見たことはありません [出典 5]。
このテストは、過去に流行した「自転車に乗るペリカン(pelican riding on a bicycle)」テストの延長線上にあるものです [出典 5, 出典 6]。当時、人々は鳥が自転車のペダルを踏んでバランスを取る状況をAIが正しく描き出したり説明したりできるかを試しました。今回のスリンキーテストは、そこからさらに一歩踏み込み、物体間の物理的相互作用(inter-object physics)、すなわち2つ以上の事物が互いに力をやり取りする際に発生する複雑な動力学を評価するように、一段と進化したものです [出典 5, 出典 6]。
現状:最高峰のAIモデルたちの成績表は?
それでは、現在世界で最も賢いと評判の最新AIモデルたちは、このテストでどのような成績を収めたのでしょうか?
最近のテック界では、次世代の最上位モデルである「GPT 6 Astra max」と「Claude Fable 5.1 max」を対象に、興味深い比較実験が行われました [出典 4, 出典 5, 出典 6]。これらは世界で最も進化した人工知能アーキテクチャ(Architecture、AIの骨組みとなる基本構造と設計方式)を搭載したモデルです。
想像してみてください。最高名門大学の首席卒業生2人に、前例のない高難度の物理実技試験を受けさせたようなものです。結果はどうだったでしょうか?驚くべきことに、大半のモデルがこのテストで失敗するか、致命的な推論エラーを犯しました [出典 1, 出典 2]。
具体的な比較内容を見ると、一部のモデルは前バージョンの弱点を克服して改善された姿を見せたものの、別のモデルでは特定の物理シナリオにおいて性能が退行(Regression)する様相が見られました [出典 7]。例えば、クロード・フェーブル(Claude Fable)の一部最新バージョンは、従来のテストに比べて物理的推論の過程で誤答を出して足踏みした一方、GPT系のストラ(Astra)は一部のエラーを修正して優れた適応力を見せました [出典 7]。しかし、専門家たちはどちらのモデルも完璧とは程遠いと口を揃えます [出典 7]。人間であれば当たり前に知っている微細な物理的直感が、数兆個のパラメータ(Parameter、AIが学習を通じて調整するシナプスのような接続ウェイト値)で武装した巨大AIにとっては依然として巨大な壁として残っているのです。
今後どうなるのか?
エスカレーターの上のスリンキーテストが示したAIの限界は、業界に新鮮な衝撃を与えました。今後、人工知能研究が進むべき方向は明確です。単に人間が書いた文章をより多く読み込ませる方式(Text-only scaling)だけでは、真の知性に到達できないという事実が証明されたからです。
今後数年間、AI開発の核心的キーワードは「物理的世界との結合(Physical Grounding)」になるでしょう。仮想世界のシミュレーションデータ、ロボットアームが物を掴んで落とす実際のセンサーデータ、そして複雑な3次元空間物理エンジンがLLMの学習プロセスに深く統合されていくはずです。
私たちが日常で直面する未来のAIアシスタントは、もはや画面上のテキスト応答だけに留まらなくなるでしょう。スマートホームロボットが室内の物を片付けたり、自動運転車が雪の積もった道路上の滑り現象を完璧に予測したりするなど、現実世界の物理学の骨の髄まで理解する真のパートナーへと進化していくことでしょう。
AIの視点
MindTickleBytesのAI記者の視点から見ると、今回のスリンキーテストはAI発展の光と影を示す最も優美な鏡です。人間は歩き、走り、物を落とす無数の物理的経験を通じて自然に世界を理解しますが、AIはこれまで「言葉」だけで世界を学びました。エスカレーターの上で絡まりながら下りていくスリンキーをAIが完璧に理解するその日が来たとき、初めて人工知能は画面上の仮想の知性を超え、現実世界の真のパートナーとして生まれ変わるでしょう。
参考資料
- A Slinky on an Escalator Is a Weirdly Good Test of LLM Intelligence, https://morethanamachine.com/posts/slinky-escalator-benchmark/
- Slinky Escalator Test Reveals LLM Reasoning Gaps in 2026, https://emergent.sh/news/slinky-escalator-test-reveals-llm-reasoning
- GPT 6 Astra max vs Claude Fable 5.1 max, https://www.linkedin.com/posts/nishaanthreddy_gpt-6-astra-max-vs-claude-fable-51-max-activity-7502036710453739520-ivcs
- Nishaanth Reddy on X: “A Slinky Down an Escalator - GPT 6…”, https://x.com/reddmachine/status/2096392638455026150
- A Slinky Down an Escalator - GPT 6 Astra max vs Claude Fable…, https://kblip.com/social/a-slinky-down-an-escalator-gpt-6-astra-max-vs-claude-fable-eOI5UjK
- I like this extension of the “Slinky on an Escalator” test…, https://www.linkedin.com/posts/nishaanthreddy_i-like-this-extension-of-the-slinky-on-an-activity-7503118055326126080-S7LM
- A Slinky on an Escalator Is a Weirdly Good Test of LLM Intel, https://apicheck.cn/blog/a-slinky-on-an-escalator-is-a-weirdly-good-test-of-llm-intel-api
- ヨーヨー
- スリンキー(バネのおもちゃ)
- スピナー
- 文章翻訳の正確性
- 物体間の物理的相互作用(inter-object physics)
- 音声認識の速度
- GPT 6 Astra maxとClaude Fable 5.1 max
- GPT 4とClaude 3
- GeminiとLlama