LG AI ResearchはNeurIPS 2025にて、膨大なデータセットから因果関係を特定するための画期的なフレームワーク「SciNO」を発表した。従来のAIは相関関係、つまり「何が同時に起きているか」を見つけることに長けていた。しかし、因果探索の目的は「どの変数が実際に別の変数を引き起こしているのか」を突き止めることにある。変数の数が増えるほどこの作業は困難を極め、標準的なモデルでは計算のボトルネックが発生し、破綻することが多かった。 この課題を解決するため、SciNOはデータを単なるベクトルの集まりではなく、連続的な関数として扱うアプローチを採用した。フーリエ・ニューラルオペレータを活用することで、データの密度の勾配である「スコア関数」を周波数領域から捉えることが可能になったのだ。これは、ラジオが特定の信号にチューニングを合わせる仕組みに似ている。この数学的な転換により、従来のMLPベースの手法よりも遥かに安定した因果順序の推定が実現した。 さらに注目すべきは、SciNOが生データと人間のような推論の橋渡しをしている点だ。研究チームは、大規模言語モデル（LLM）が持つ「セマンティック・プライア」を活用するベイズ的手法を導入した。これは、LLMが持つ常識的な知識をもとに「ありそうな原因」を提案させ、それを実際の観測データと照らし合わせる仕組みだ。このシナジーにより、複雑なグラフにおいて性能が75%向上した。単に次の言葉を予測するだけでなく、世界の根底にある論理を理解するAIへの大きな一歩と言えるだろう。

LG AI ResearchはNeurIPS 2025にて、膨大なデータセットから因果関係を特定するための画期的なフレームワーク「SciNO」を発表した。従来のAIは相関関係、つまり「何が同時に起きているか」を見つけることに長けていた。しかし、因果探索の目的は「どの変数が実際に別の変数を引き起こしているのか」を突き止めることにある。変数の数が増えるほどこの作業は困難を極め、標準的なモデルでは計算のボトルネックが発生し、破綻することが多かった。 この課題を解決するため、SciNOはデータを単なるベクトルの集まりではなく、連続的な関数として扱うアプローチを採用した。フーリエ・ニューラルオペレータを活用することで、データの密度の勾配である「スコア関数」を周波数領域から捉えることが可能になったのだ。これは、ラジオが特定の信号にチューニングを合わせる仕組みに似ている。この数学的な転換により、従来のMLPベースの手法よりも遥かに安定した因果順序の推定が実現した。 さらに注目すべきは、SciNOが生データと人間のような推論の橋渡しをしている点だ。研究チームは、大規模言語モデル（LLM）が持つ「セマンティック・プライア」を活用するベイズ的手法を導入した。これは、LLMが持つ常識的な知識をもとに「ありそうな原因」を提案させ、それを実際の観測データと照らし合わせる仕組みだ。このシナジーにより、複雑なグラフにおいて性能が75%向上した。単に次の言葉を予測するだけでなく、世界の根底にある論理を理解するAIへの大きな一歩と言えるだろう。