2026年2月にGoogle社は、「Gemini 3 Deep Think」を発表しました。
これにはＡＩの大きな進化がありましたので、ここに記載します。
- １．今までのAIの思考の仕方
- ２．Deep Thinkの改善とは
- ３．推論時のスケーリング則
- ４．Sparse MoEアーキテクチャ
- ５．ネイティブ・マルチモーダル
- ６．ハルシネーションの抑え込み
- ７．嘘をつかない為の道具
- ８．利用の実例
- ９．まとめ
１．今までのAIの思考と利用の仕方
機械学習で作り上げた膨大な知識を検索して答えを作り出していました。
LLM（大規模言語モデル）により、日常会話による応答が行えました。
ただ、回答に嘘が混ざる事がありました。これをハルシネーションといいます。
２．Deep Thinkの改善とは
出力する答えに対して確認をするようになりました。
ハルシネーション（嘘）を押さえる為に論理の裏付けをするようになりました。
３．推論時のスケーリング則
Inference-Time Scaling Law について
2020年にOpenAIが提唱し、モデルを大規模化するほど精度が上がると言われました。
しかし、無限にリソースを投入すれば無限に性能が向上するわけではなく徐々に鈍化します。
ＡＩは答えを出すまでに複数の回答を並列探索します。
その中で不要なものは排除し、計算量を少なくします。
４．Sparse MoEアーキテクチャ
Gemini3は、7.5T(7.5兆)のパメータを持っています。
その為、必要なサブネットワーク(Mathematics,Physics,code,Literature)だけを使います。
これにより効率的になります。
５．ネイティブ・マルチモーダル
テキスト、画像、音声、動画、コードなどの異なる種類のデータを、個別のモデルを組み合わせるのではなく、開発当初から統合的に処理・理解・生成できるように設計されたAIモデルのことです。
人間の脳のように複数の感覚（モーダル）を同時に処理し、リアルタイムで高精度な判断や生成が可能になります。
６．ハルシネーションの抑え込み
１．最初の答えを出す。
２．論理的な誤り、嘘をチェックする。
３．２の指摘に基づき修正する。
４．２に進む
この思考ループよりハルシネーションを抑え込みます。
７．嘘をつかない為の道具
自分の知識だけに頼らず、Google検索で最新の文献を引用し架空の論文捏造をさせない。
Pythonによる複雑な計算による検証をする。
８．利用の実例
手書きのいすの2Dスケッチから、3Dモデルを推論して、3Dプリントで椅子を作る事が行えます。
これは幾何学計算と空間推論を伴うエンジニアリングです。
製造業の常識を覆します。
現実に次ぎのような実績があります。
１．エルデシュ予想４問題を自立解決した。
２．半導体薄膜の製造プロセスを最適化した。
９．まとめ
Gemini 3 Deep Thinkは、人類が到達出来なかった科学や工学の未踏の領域を共に探索するための知的インフラです。
