「7を選ぶLLM」——大規模言語モデルの回答が一様に偏る“集団思考”問題と、それを破るスタートアップ

情報源：https://www.technologyreview.com/2026/07/01/1140003/llms-are-stuck-in-a-groupthink-rut-this-startup-is-trying-to-get-them-out/
収集日：2026年7月3日
スコア：インパクト14 / 新規性15 / 注目度11 / 衝撃度18 / 根拠7 / 実現性7 = 72点

変化の核心：LLMの均質な出力バイアスが可視化され、回答の多様性そのものが新たな技術課題として立ち上がる。

概要

主要なチャットボットに「1から10の乱数を選べ」と求めると、多くがほぼ必ず7を返すことが知られている。これは大規模言語モデルの出力が多様性を欠き、特定の答えへ収束しやすいことを象徴する現象だ。あるスタートアップは、この集団思考的な偏りを打破し、モデルの回答分布を意図的に広げる技術に取り組んでいる。生成AIの創造性や多様性の限界を示す具体例として注目される。

何が新しいか

従来のLLM改善は、正確さや安全性、指示追従性の向上に主眼が置かれてきた。今回の新しさは、出力の多様性の欠如そのものを解決すべき課題として明確に位置づけた点にある。同じ学習データと最適化の下で複数モデルが似た偏りを共有するという構造的問題に、正面から取り組む企業が現れた。多様性を制御可能なパラメータとして扱う発想が新しい。

なぜまだ注目されていないか

LLMの評価は精度や安全性の指標が中心で、多様性の欠如は不具合というより特性として見過ごされてきた。7を選ぶ話は面白い逸話として消費されがちで、背後の構造問題まで議論が及びにくい。多様性の低下はブレインストーミングや創作など特定用途でしか顕在化せず、一般ユーザーには気づかれにくい。

実現性の根拠

回答分布を広げる技術は、サンプリング手法や後処理、追加学習など既存のML技術の組み合わせで実装が見込める。専用スタートアップが事業として成立しつつあること自体が、一定の技術的実現性を示す。ただし多様性と正確さのトレードオフをどう制御するかは未成熟で、証拠強度は限定的だ。

構造分析

モデルの均質化は、少数の基盤モデルに世界の生成AIが依存する集中構造と表裏一体だ。回答の多様性を担保する層が独立した技術・事業領域として立ち上がる可能性がある。創造性を要する産業では、単一モデルへの依存リスクを避ける需要が生まれ、多様性エンジンが新たな中間層になりうる。

トレンド化シナリオ

今後1〜3年で、出力多様性はLLMのベンチマークに組み込まれる指標の一つになっていくと見られる。創作、研究、意思決定支援などの用途で、多様性を制御できるツールへの需要が高まる。基盤モデル提供側も多様性の調整機能を標準搭載する方向へ進み、集団思考の緩和が競争要素になる。

情報源

https://www.technologyreview.com/2026/07/01/1140003/llms-are-stuck-in-a-groupthink-rut-this-startup-is-trying-to-get-them-out/