#3 AIはサイコロを振れない？LLMの「ランダムのフリ」の正体

ChatGPTやGeminiなどの大規模言語モデル（LLM）は、「0から9の数字をランダムに選んで」と頼まれても まったくランダムに選べない ことを、複数のモデル・複数の分布で徹底的に実証した研究。ただし「外部から乱数を渡せば正しく変換できる」ことも示しており、問題は 乱数を"生み出す"こと自体 にあると突き止めた。

LLMをゲームや自律エージェント（自分で判断して行動するAI）として使う場面が増えています。こうしたタスクでは「最善手がわかっていても、あえてランダムに行動する」ことが重要になります。たとえば探索・学習のためにいろんな手を試したり、じゃんけんで手を読まれないようにしたり。ところが、LLMが正しい戦略を 理解 していても、それを 実行に移せない 「知っているのにできないギャップ」が報告されてきました。本研究はその原因の一つが「LLMはそもそもランダムな数を生成できない」という根本的な欠陥にあるのではないか、と問いかけています。

研究チームは、Gemini、Qwen3、OLMOなど複数のモデルファミリーに「0〜9の整数を等確率で選んで」「正規分布（ガウス分布）に従う数を出して」といった単純な指示を出し、それを1,024回繰り返して結果の偏りを統計検定で厳密に測定しました。

面白いのは、失敗の原因を切り分けるために 3つのアプローチ を比較した点です。①普通に「ランダムな数を出して」と頼む、②過去の出力履歴を見せながら順番に出させる、③外部から「0〜1の乱数」を渡して「これを使って目的の分布に変換して」と頼む。①と②はほぼ全滅でしたが、③では驚くほど正確な結果が出ました。つまりLLMは ​「分布の変換」という計算はできるのに、「ランダムな数を自分で生み出す」ことができない 。ランダムに見える出力は、訓練データの偏りや文章の位置に引きずられた "見せかけのランダム" にすぎなかったのです。

統計的適合度検定（データが理論通りの分布に従っているかを判定するテスト）を行ったところ、すべてのモデル・すべての分布で p値がほぼゼロ でした。これは「この出力が本当にランダムである確率は限りなくゼロに近い」ことを意味します。たとえばQwen3-8Bに0〜9の一様分布を頼むと「7」に極端に偏り、1〜100では「42」ばかり出てきます。温度パラメータ（出力のバラつきを調整する設定）を変えても、思考の連鎖（Chain-of-Thought）をオフにしても、より大きなモデルを使っても改善しませんでした。一方、外部から一様乱数を渡して変換させる方法では、モデルサイズが 40億パラメータ以上 になると統計検定をパスする正確な出力が得られ、モデルの推論能力に応じた 創発的な性質 も確認されました。

この問題は意外と身近なところに影響します。論文が挙げる象徴的な例が ​「4択問題の自動生成」​ です。Geminiに4択クイズを作らせると、正解の選択肢が「C」に集中してしまいました。これではカンニング対策になりません。同様に、LLMを使った商品レコメンドの多様化、A/Bテストの自動設計、ゲームAIの予測不能な行動など、「偏りなくバラけた選択」が求められるあらゆる場面でリスクがあります。

ビジネス的に重要なのは、 ​「外から乱数を渡してあげれば正確に使える」​ という発見です。つまり、LLMに乱数生成を任せるのではなく、システム側で乱数を生成してLLMに渡す設計にすれば、この問題は回避できる可能性があります。LLMをエージェントとして本番投入する際には、「ランダム性の供給元」を外部に持つアーキテクチャが重要になるでしょう。