なぜAIのIQは、ある月から急に跳ね上がったのか【ゆっくり解説】

AIのIQテストの記録には、2024年9月に大きな段差があります。 知識を覚えることと、答えを出すまでの計算には、どんな違いがあるのでしょうか。 暗算と筆算を手掛かりに、AIの仕組みをゆっくり解説します。 【章】 00:00 点数の線は、なぜ跳ねた？ 00:49 1100円のバットとボール、即答できる？ 02:41 物知りなら、初見の空欄も埋まる？ 04:08 黙って待たせたら、何が増える？ 06:20 その月に、何を練習した？ 08:09 時間を足すと、答案はどう変わる？ 10:34 二つを数えるだけなら？ 11:51 金メダル級なら、この針は読める？ 13:46 言い過ぎチェック：その数字は何を測った？ 14:52 最初の思い込みを、どう書き換える？ 【参考情報】 2024年3月、文章化Mensa Norway。GPT-3.5=64/平均6問、random=63.5/5.8333問、ChatGPT GPT-4=85/13問、最高Claude-3=101。各2回。 https://www.maximumtruth.org/p/ais-ra... 2026年春に公開問題の文章版35問全問正解 https://www.trackingai.org/app/databa... 画像版と文章版、公開版と非公開版を区別 https://www.trackingai.org/IQ 非公開版の校正は読者約40人の共通問題回答で対応付け。Mensa側は公式IQを持つ80人と作者から回答 https://www.maximumtruth.org/p/massiv... Frederick 2005。バットとボール1.10ドル、差1ドル、答え5セント https://bear.warrington.ufl.edu/brenn... 2023年著者稿。GPT-3 text-davinci-003、CRT150問の86.7%で直感的誤答。炊飯器の例200/40/160/80ドル https://www.thilo-hagendorff.info/wor... 2023年GPT-4の模擬司法試験、上位約10%相当という発表 https://cdn.openai.com/papers/gpt-4.pdf 固定深さTransformerに途中の生成を足すと、順序依存の計算を実行できる https://arxiv.org/html/2402.12875v1 2022年CoT。途中の手順を含む例で算数等改善。点々だけの対照は基準程度 https://arxiv.org/html/2201.11903v6 o1は2024-09-12発表。大規模RL、回答前の長い内部CoT、修正・分解・別の方法 https://openai.com/index/learning-to-... 2024年12月o3試験版、多計算87.5%・少計算75.7%、一問4560ドル推計 https://arcprize.org/blog/oai-o3-pub-... 二つの品物＋無関係な数理情報。Claude Opus4等の長い推論で悪化する条件 https://arxiv.org/html/2507.14417v1 2025年強化版Gemini Deep Think、6問中5問完全正解、35/42点、金メダル水準 https://deepmind.google/blog/advanced... 初版の有効時計認識：成人5人平均89.1%、11モデル中最高Gemini2.5Pro13.3% https://clockbench.ai/ClockBench.pdf 2026-10-20取得の公開ランキング最上位83.3% https://clockbench.ai/ 人の平均100・標準偏差15。平均から15点上は正規分布換算で上位15.8655%≒16% https://test.mensa.no/Home/Test/en 【注記】 バットとボールはFrederick (2005)の1.10ドル・差1ドルを、同じ比率の1100円・差1000円に置き換えています。 IQ記録の2024年9月の124は記録名o1の値です。時期と測定者の案内から、2024年9月12日にChatGPT有料利用者と一部API利用者へ公開されたo1-previewと判断しています（o1-previewのAIME 2024 pass@1は44.6%で、本編の研究版o1の74%とは別の値です）。 AIのIQは人間向け問題の成績を換算した参考値で、人間のIQと同じ意味ではありません。 公開Mensa Norwayの文章版を使用。64は測定者の低域外挿値。でたらめ選択の63.5も測定者の延長計算です。測定者マキシム・ロット氏は当初ブログ、後にTracking AIで記録を公開。2024年3月のClaude 3の101は2回平均、5月以降の月間最高はCSVの1回ごとの記録です。109→124は2024年8月・9月それぞれの最高記録で、同一モデルの成長ではありません。満点は2026年4月1日Grok-4識別子の35/35の記録です。 公開問題の学習混入の可能性は排除できません。非公開テストとは問題・換算・入力条件を分けています。 o1の数学成績は2024年9月発表の研究モデル。o1-previewの利用成績ではありません。計算量図の横軸は対数で、秒数・IQではありません。 約70万円はARC-AGI-1 Semi-Privateのo3試験版・多計算設定の一問4560ドル推計を、仮に1ドル150円で換算した説明値です。原典は2025年12月10日にo3-pro単価80ドル/百万トークンで改定。実勢レート・通常利用料金ではありません。 数学の金メダル水準は強化版Gemini Deep Think。時計試験のGemini2.5Proとは別モデルです。ClockBench初版の有効時計143件・参加成人5人の平均89.1%、11モデル中最高13.3%を使用。追問の成績は正しく読めた時計だけが分母です。現行ランキングとは指標・版が異なります。 「考える」は研究上の呼称と説明の比喩で、人間の内面と同一とは認定しません。図解の値段・掛け算・図形は説明用の自作例です。 【クレジット】 音声：AquesTalk（株式会社アクエスト） 立ち絵：きつね BGM：massive damage／KK（OpenTracks、旧DOVA-SYNDROME） 【楽曲提供：株式会社光サプライズ】 フォント：Noto Sans JP 図解：AIの中身ラボ（自作） この動画は東方Projectの二次創作です。上海アリス幻樂団の公式作品ではありません。 #ゆっくり解説 #AI #仕組み #推論モデル #IQ