解説
「Dream-RSI」とは何か 探索履歴を再生して試行回数を半分以下に減らす仕組み
AIエージェントに複雑な計算やコード最適化を任せると、良い答えにたどり着くまでに膨大な試行錯誤の計算コストがかかります。その無駄を減らす新しい仕組みが登場しました。仕組みを理解すれば、社内で計算資源をどう使うべきかの判断材料になります。
何が起きたか
Googleおよび Google DeepMindの研究チームが、AIエージェントの探索方法を改善する新手法「Dream-RSI」を発表しました。対象となるのはAIモデル自体ではなく、モデルがどの案を追いかけどの案を捨てるかを決める「探索」の戦略部分です。
研究チームはGemini 3.1 ProとGemini 3.7 Flashを使い、3分野8タスクでDream-RSIの効果を確かめました。ゲノム解析や金融分野で使われる統計計算プログラムを書かせるタスクでは、Dream-RSIが生成したプログラムが既存ライブラリのsklearnやglmnetより高速に動作したといいます。Gemini 3.1 Proの場合、平均の実行時間は3,587ミリ秒から2,931ミリ秒に縮み、必要な試行回数は550回から317回へ減少しました。比較対象となった別手法「SimpleTES」が51,200回の試行を要したのに対し、Dream-RSIは317回で済んでいます。GPUカーネルの最適化タスクでも、同じ性能を最大2.43倍少ない試行回数で達成した例や、同じ計算予算のなかで最大2.09倍の性能を引き出した例が報告されています。
背景・解説
「探索」とは、AIエージェントが正解にたどり着くまでにどの案を試し、どの案を打ち切るかを決めるプロセスを指します。複雑な課題ほどこの選択肢は膨大になり、間違った方向に計算資源を使い続けると探索全体が失敗します。
従来のやり方は大きく二つに分かれます。ひとつは固定された探索戦略で、経験から学習できないため同じ失敗を繰り返しがちです。もうひとつは探索の途中で戦略を変える方法で、柔軟な一方、戦略が有効かどうかを確かめるだけで多くの試行を重ねる必要があり、コストがかさみます。
Dream-RSIはこの二択に頼らず、すでに完了した探索の記録を再利用します。エージェントは探索中の判断とその結果を逐一記録しておき、後からその記録を「再生」することで、実際にはたどらなかった別の道を選んでいたらどうなっていたかを確かめます。新しい解を一から生成し評価し直す必要がないため、モデルや評価器を呼び出さずに何千通りもの戦略を安く比較検討できます。研究チームはこの過程を「夢を見る」ことになぞらえ、最も良さそうな戦略を選んでから実際の探索に投入する、という流れを繰り返すループとして説明しています。ループの間、変わるのは探索戦略だけで、解を生み出すモデル自体には手を加えません。
なお研究チームは、過去の記録を単純な「指示文」に要約してエージェントに与える別の方法も試みています。あるGPUタスクでは、この指示付き版のほうがかえって性能が低下しました。指示が具体的すぎると探索範囲を狭めてしまうためだと説明されています。Dream-RSIは同じくGoogle DeepMindが2025年に発表した「AlphaEvolve」の一段上に位置づけられる取り組みで、AlphaEvolveがコード案の生成と選抜を担うのに対し、Dream-RSIはその探索戦略自体を最適化します。
仕事や業務への影響 — AI Topicaの見方
モデルを追加学習させず探索戦略だけを差し替えられる点が、この手法の実務的な価値です。すでにGeminiなどのモデルを使ってコード生成や数理最適化を回している開発チームであれば、モデルの入れ替えという大きな投資をせずに導入を検討できます。出典の実験では、GPUカーネル最適化で最大2.43倍少ない試行回数で同じ性能に達しており、月々のクラウドGPU利用料が大きいチームほど削減の効果は目立ちます。
例えば、社内に3人のエンジニアを抱え、レコメンド計算の最適化に月200万円分のGPUを借りている仮想の受託開発会社を考えます。試行回数を半分程度に抑えられれば、単純計算で月あたり100万円前後を削減できる計算になります。もちろん実際の削減額はタスクの種類や既存の戦略の出来次第で変わりますが、探索の試行回数そのものを指標にコスト管理できる点は現場にとって扱いやすい発想です。
一方で、この手法が効くのはあくまで「探索を伴う自動化」に限られます。人手で仕様を決めてコードを書く通常の開発業務や、単発の問い合わせ対応にDream-RSIを当てはめても意味はありません。GPU最適化やアルゴリズム探索を継続的に走らせている情報システム部門やデータサイエンス組織にとって検討材料になる技術だと整理しておくのが実用的です。
不確かな点・注意
発表はGoogleおよびGoogle DeepMindの研究チーム自身によるもので、外部の第三者による独立した確認は出典に記載がありません。効果が示されたのは3分野8タスクに限られており、他分野の業務にそのまま当てはまるかどうかは分かりません。使用モデルもGemini 3.1 ProとGemini 3.7 Flashに限定されており、他社のモデルや別バージョンのGeminiで同様の効果が出るかは不明です。
また、明示的な指示文に要約する別方式が性能を下げた例は1件のGPUタスクにとどまり、この結果を一般化できるかは検証されていません。実運用でのAPI利用料やレイテンシへの影響、導入にかかる作業量についても出典には具体的な記載がなく、判断材料としては引き続き情報を追う必要があります。