鳥の群れからエージェントへ: AIシステムの群れ行動ルール
1986年、Craig Reynoldsは一見すると些細な問いを立てました。鳥はどのようにして群れをつくるのか。哲学の問いではありません。工学の問いです。1羽ごとの飛行経路をスクリプトで書くことなく、コンピュータグラフィックスで説得力のある群れを描きたかったのです。
Craig Reynoldsが1986年に考案したboidsアルゴリズムは、3つの単純なローカルルール(分離、整列、結合)が中央制御なしに一貫した全体の振る舞いを生み出すことを証明しました。そして同じ力学が、マルチエージェントAIシステムを支配しています。 ローカルな指示に従うエージェントは、ルールがよく選ばれていれば創発的な協調を生み、そうでなければ創発的な混乱を生みます。エッジケースを直すためにルールを足すと、エージェントは良くなるどころか悪くなります。
彼の答えは3つのルールでした。分離(separation):近くの仲間と密集しすぎないよう舵を切る。整列(alignment):近くの仲間の平均的な進行方向へ舵を切る。結合(cohesion):近くの仲間の平均的な位置へ舵を切る。リーダーも、飛行計画も、中央の管制役もいません。3つのルールを各個体にローカルに適用するだけで、本物の群れと見分けがつかない全体の協調が生まれます。1
それから40年後、私は調査し、議論し、意思決定に投票する10種類の専門エージェントの役割を中心に設計したマルチエージェントAIシステムを運用しています。ある夜、1つのプロンプトが動的に23体のエージェントを生み出しました(それぞれがさらにエージェントを生み、制御不能な連鎖になりました)。そして全員が、間違った問いについて完璧な合意に達しました。そのとき私は、Reynoldsが描いたのと同じ力学を目の当たりにしているのだと気づきました。単純なルールから生まれる創発的な協調と、同じ仕組みから生まれる創発的な失敗です。
TL;DR
Reynoldsのboidsアルゴリズムは、3つの単純なローカルルールが中央制御なしに一貫した全体の振る舞いを生み出すことを示しています。ローカルな指示(このコードを評価する、あのセキュリティ面を確認する、このアーキテクチャをレビューする)に従うエージェントは、ルールがよく選ばれていれば創発的な協調を生み、そうでなければ創発的な混乱を生みます。エッジケースを直すためにルールを足すと、エージェントは良くなるどころか悪くなります。私の23体のエージェントが暴走した事故がそれを証明しました。深さだけでなく幅も制約するスポーン予算こそが、Reynoldsの分離ルールのエージェント版なのです。
3つのルール、無限の群れ
上のルールを切り替えて、何が起きるか見てください。3つすべてが有効なら、boidsは自然に群れをつくります。分離を外すと、1つの塊に潰れます。整列を外すと、ばらばらに動き回ります。結合を外すと、局所的な進行方向は保ったまま離れていきます。どのルールも欠かせません。どれも単独では足りません。
Reynoldsはこれを1987年のSIGGRAPHで「Flocks, Herds, and Schools: A Distributed Behavioral Model」として発表しました。1 この論文はコンピュータグラフィックスを変えました。boids以前、アニメーションの群れには手作業でスクリプト化した経路が必要でした。boids以後、群れはルールから生まれるようになりました。それから10年以上たった1998年、Reynoldsはこの業績で映画芸術科学アカデミーから科学技術賞(Scientific and Engineering Award)を受けています。2
より深い貢献は、個々のルールそのものではありませんでした。全体の協調に全体の知識は要らない、という証明です。各boidが知っているのは、すぐ近くの仲間のことだけです。群れの地図を持つboidはいません。群れの目的地を知るboidもいません。そもそも群れには目的地がありません。協調した動きに見えるものは、ローカルな判断が全体のパターンを生み出している姿なのです。
ピクセルからプロセスへ
boidsからAIエージェントへの対応づけは、比喩ではありません。NeurIPS 2025のワークショップ論文「Revisiting Boids for Emergent Intelligence via Multi-Agent Collaboration」は、boidsの原理をマルチエージェントシステムに明示的に適用しています。3 この論文は、協調的なツール構築環境で動くエージェント向けの自然言語ガイダンスとしてReynoldsのルールを使います。整列と分離は近傍のエージェントのツールのメタデータから導かれ、結合は前のラウンドの全体要約を注入する形で実現されます。
私の対応づけはもっと単純で、論文を読む前にシステムを作る中で生まれたものです。
| boidsのルール | エージェントでの相当物 | 防ぐもの |
|---|---|---|
| 分離 | スポーン予算:親ごとのアクティブなエージェント数を制限する | 同じサブ問題へのエージェントの殺到 |
| 整列 | 共有の評価基準:すべてのエージェントが同じ証拠基準を使う | 両立しない品質の定義に向かって働くエージェント |
| 結合 | 合意プロトコル:エージェントがグループの知見へ収束する | 無関係な脇道へ逸れていくエージェント |
この対応は完璧ではありません。boidsのルールは連続的です(平均の進行方向へ舵を切る)。エージェントのルールは離散的です(子は最大で12体まで)。boidsは空間座標の中で動き、エージェントは問題空間の中で動きます。それでも構造上の洞察は成り立ちます。各エージェントが独立して適用するローカルルールが、一貫したグループの振る舞いを生み出すのです。そして失敗モードも同じです。
23体のエージェントが間違った問いに合意した夜
2026年2月。私はエージェントに「フックのディスパッチシステムの改善を調べてほしい」と頼みました。エージェントは自分の確信度を0.58と評価し、それが熟議システムを起動しました。調査エージェントが3体生まれました。それぞれがサブ問題を見つけ、自分の調査エージェントを生みました。そのエージェントたちが、さらにエージェントを生みました。
7分後、アクティブなエージェントのプロセスは23個。API利用料は4.80ドル。トークン消費は毎分0.70ドルのペースで増え続けていました。
再帰ガードは深さ(親が子を生み、子が孫を生む)を追跡していましたが、幅(親が12体の子を生み、その子がそれぞれさらに12体を生む)は追跡していませんでした。エージェントは横に広がったので、深さ3の上限は一度も発動しませんでした。私は手作業でプロセスを止めました。
どのエージェントも、フックのディスパッチシステムには改善が必要だと合意していました。どのエージェントも、筋の通った変更を提案していました。調査そのもののスコープが正しいかを疑ったエージェントは、1体もいませんでした。
この結果は、結合と整列はあっても分離がないときに何が起きるかを示しています。エージェントたちは同じ結論へ収束し(結合)、同じ評価基準にそろっていました(整列)。けれども、同じサブ問題に殺到することを止めるものは何もありませんでした。Reynoldsの言葉で言えば、23体のboidが空間の同じ一点を占めていたことになります。彼の分離ルールが明示的に防いでいる、まさにその振る舞いです。
分離としてのスポーン予算
修正にかかったのは20分でした。親ごとにアクティブな子の総数を追跡し、上限を12にするスポーン予算です。4 深さだけでなく、幅の制約です。
実装はルールではなく、カウンターです。
# Simplified spawn budget (actual implementation uses hooks)
active_children = count_active_agents(parent_id=self.id)
if active_children >= MAX_CHILDREN: # MAX_CHILDREN = 12
return "Budget exhausted. Synthesize existing findings instead."
# else: allow spawn
フックがこれを決定論的に強制します。「エージェントを生みすぎないようにしてください」といったプロンプトの指示なら、エージェントはもっともらしい理屈をつけて乗り越えられます。しかしカウンターは理屈では越えられません。カウンターは許可するか、ブロックするかのどちらかです。議論の余地も、解釈の余地もありません。
boidsの言葉で言えば、スポーン予算は分離ルールです。仲間と密集しすぎないこと。エージェントの言葉で言えば、1つのサブ問題にN体を超えるエージェントを置かないことです。N+1体目のエージェントは、視点を増やさずにコストだけを増やすからです。23体の事故から学んだのは、3つのルールの中で分離がいちばん重要だということでした。分離がなければ、整列と結合は病的になります。エージェントたちが同じ間違った答えへ熱心に収束していくのです。
Reynoldsのアルゴリズムの一般的な実装は、まさにこの理由から、分離の力を整列や結合より1.5〜2倍重く設定します。この慣習はReynolds自身の続編の論文「Steering Behaviors for Autonomous Characters」(GDC 1999)に記されています。彼はそこで優先度に基づく力の合成を論じ、衝突回避(分離)が通常は最優先になると述べています。8 私のシステムでは、フックがスポーン予算を強制し(決定論的で、エージェントの言い逃れが効きません)、プロンプトとコンテキストが整列と結合を形づくります(より柔らかく、曲げられます)。いちばん硬い制約に、いちばん硬い強制を当てるのです。
ルールを増やすとエージェントが悪くなる理由
上のboidsシミュレーションを切り替えてみてください。そして4つ目のルールを足すことを想像してください。「キャンバスの中央を避ける」。5つ目は「上半分を好む」。6つ目は「100フレームごとに進路を反転する」。
どのルールも、単独で見れば筋が通っています。ところが一緒になると、群れを壊してしまいます。boidsは競合する力のあいだで小刻みに揺れ、すべての制約を同時には満たせません。ルールはそれぞれ力のベクトルを生み、6本のベクトルがばらばらの方向へ引っ張れば、結果として生じる動きは実質的にランダムになります。だから優雅な群れ行動はノイズへと崩れていくのです。
エージェントのオーケストレーションでも、同じパターンを見ました。私の熟議システムの初期版には、凝ったルールがありました。調査の最低限の深さ、必須の引用数、反論の生成の義務、悪魔の代弁者役による検討の強制。どのルールも、何か特定の失敗ケースを改善しました。ところが一緒になると、問題を解くよりもルールを満たすことにトークンを使うエージェントを生み出しました。具体例を挙げます。「反論の義務」ルールは、すべてのエージェントに自分の知見への反論を求めました。「最低引用数」ルールは、主張1つにつき3つの出典を求めました。エージェントが本物の反論を生み出すと、引用ルールはその反対の立場を支える出典を3つ探すよう強制しました。その結果、正しい答えよりも間違った答えのほうに強い証拠がそろうことがありました。2つのルールが相互作用して、正しい分析よりも出典のそろった逆張りを報いていたのです。
私が書いた複利的エンジニアリングの考え方は、これがシステムのレベルで起きる理由を説明しています。新しいルールはどれも既存のすべてのルールと相互作用し、組み合わせ的な複雑さを生みます。10個のルールは10個の制約を生むのではありません。最大で45通りのペアの相互作用を生むのです。システムの振る舞いは予測しにくく、デバッグしにくくなり、創発的な失敗を生みやすくなります。
Reynoldsの元の論文は、このことを暗黙のうちに理解していました。元の論文が示したルールは3つです。Reynoldsは追加の振る舞い(障害物の回避、目標の追跡)も探りましたが、群れ行動の中核となるモデルは最小限に保ちました。中核に4つ目のルールを足せば、4つすべての重みを調整し直す必要が出てきます。そしてその問題は、ルールを足すたびに組み合わせ的に大きくなります。
エージェントへの教訓はこうです。望む振る舞いを生み出す最小限のルールから始めること。既存のどのルールも対処できない具体的な失敗を観察したときだけ、ルールを足すこと。そしてルールを足すときは、それが他のルールと干渉しないかを確かめることです。
アーキテクチャとしての分散化
中央の管制役がいないことは、boidsの制約ではありません。それこそがアーキテクチャです。群れが協調できるのは、どの個体もほかの個体に対する権限を持っていないからこそです。もし1羽がリーダーになれば、システムは脆くなります。その1羽の判断に依存し、その1羽の失敗に弱くなるのです。このパターンは、構造としての空虚がほかの領域で生み出す分散的な回復力の原理と重なります。5
同じパターンは、マルチエージェントAIシステムのあちこちに現れます。MicrosoftのAutoGen(v0.4以降、2025年)は、中央集権的なオーケストレーションではなく会話のプロトコルを通じてエージェントを協調させます。各エージェントはローカルな文脈に基づいて発言のタイミングを決め、フレームワークは「リード」エージェントを指名することを明確に避けています。6 CrewAI(v0.28以降、2025年)は「crew」という抽象化を通じてエージェントの役割と引き継ぎのルールを定義しますが、どのエージェントにもほかのエージェントを上書きする権限は与えていません。7 私の熟議システムでも、拒否権を持つエージェントはいません。各エージェントが独立して評価し、合意プロトコルがその知見を集約します。1体がでたらめな結果を出しても、ほかのエージェントがそれを多数決で退けます。中央集権的な制御を入れれば、分散的な協調が取り除いた単一障害点を再び持ち込むことになるのです。
3つのルールがうまく働いたとき:静かな成功
23体の事故が記憶に残るのは、派手に失敗したからです。成功はもっと静かで、もっと数が多いものです。
スポーン予算を入れてから1週間後、私はシステムに「ブログのA/Bテスト基盤は、バリアントの割り当てをサーバー側で行うべきか、クライアント側で行うべきか」を評価するよう頼みました。熟議システムは調査エージェントを3体生みました。エージェント1はサーバー側の手法(Cookieベース、セッションベース)を調べました。エージェント2はクライアント側の手法(localStorage、URLパラメータ)を調べました。エージェント3はハイブリッドのパターンを評価しました。各エージェントは独立して働きました(結合:同じ評価の問いへ収束する)。各エージェントは同じ証拠基準を使いました(整列:共有の品質基準)。スポーン予算のおかげで、このタスクでは自分のサブエージェントを生んだエージェントは1体もいませんでした(分離:殺到しない)。
3体のエージェントが知見を返してきました。エージェント1はSEOの一貫性を理由にサーバー側の割り当てを推しました。エージェント2は実装の簡単さを理由にクライアント側を推しました。エージェント3は既存のコードベースのパターンに合うハイブリッドの手法を見つけました。合意プロトコルはこれらの知見を統合しました。ブログ(SEOが重要な部分)はサーバー側で割り当て、インタラクティブなコンポーネント(JavaScriptがすでに動いている部分)にはクライアント側の上書きを使う、という結論です。
熟議全体にかかったのは4分、費用は1.40ドルでした。サブエージェントを生んだエージェントはいませんでした。早々にほかのエージェントへ同調したエージェントもいませんでした。提言は互いに独立しており、本当に補い合うものでした。3つのルールのアーキテクチャは、Reynoldsが描いたとおりの振る舞いを生み出しました。ローカルな判断が、協調した全体の成果を生み出したのです。
ほかの領域に現れる創発のパターン
「単純なルールから創発する振る舞い」というパターンは、boidsやエージェントに限ったものではありません。ローカルな判断が全体の構造へと積み上がる場所なら、どこにでも現れます。
ハミング符号は、これに近い形の創発を示しています。2のべき乗の位置にパリティビットを戦略的に置くと、「1」であるすべてのビットの位置をXORするだけで、誤りの位置が浮かび上がるシステムができます。どのビットも、誤りがどこにあるかを知りません。誤りの位置は構造から浮かび上がるのです。単独のパリティビットからは、ほとんど何もわかりません。正しい位置に置かれた複数のパリティビットからは、すべてがわかります。
ConwayのGame of Lifeは、グリッドに適用する4つのルールから、グライダー、振動子、そしてチューリング完全な計算までを生み出します。ルールはboidsより単純です(セルは隣接する生きたセルが2〜3個なら生き、そうでなければ死ぬ)。それでも、創発する複雑さに上限はありません。
どの場合も、パターンは同じです。ローカルなルール、中央の調整役の不在、そして創発する全体の振る舞い。そしてどの場合も、同じ失敗モードが当てはまります。ルールを足しすぎると、システムは優雅な創発から混沌とした干渉へと崩れていくのです。
重要なポイント
マルチエージェントシステムを設計するエンジニアへ:
-
3つのルールは群れを生みます。4つのルールは生まないかもしれません。 Reynoldsの洞察は、よく選ばれた3つのルールが創発的な協調に十分だということでした。4つ目を足すと干渉が生じ、最初の3つが生んだ振る舞いを壊しかねません。望む振る舞いを生み出す最小限のルールから始めましょう。
-
分離がいちばん重要なルールです。 分離がなければ、整列と結合は病的になり、エージェントが同じ間違った答えへ収束します。私がマルチエージェントシステムに加えた変更の中で、単独でもっとも効いたのはスポーン予算(幅の制約)でした。
分散システムを構築するアーキテクトへ:
-
リーダーがいないことが、アーキテクチャです。 中央集権的な制御は単一障害点を生みます。ローカルルールによる分散的な協調のほうが、回復力があります。リードエージェントを加える具体的な理由がない限り、それを置かずにエージェントシステムを設計してください。
-
ルールが増えれば、相互作用も増えます。 N個のルールは最大でN(N-1)/2通りのペアの相互作用を生みます。ルールを足すたびに、振る舞いは予測しにくくなります。既存のどのルールも対処できない具体的な失敗を観察したときだけ、ルールを足しましょう。
演習:自分のシステムを対応づけてみる。 今のマルチエージェントシステム(またはこれから作る予定のシステム)を図にしてください。各エージェントについて、Reynoldsの3つのルールのどれに従っているかを特定します。分離が欠けていれば、スポーン予算か並行数の上限を加えます。整列が欠けていれば、共有の評価基準を定めます。結合が欠けていれば、統合のステップを加えます。その図が、あなたのシステムがどの失敗モードにもっとも弱いかを教えてくれます。
よくある質問
boidsとは何で、なぜAIエージェントの設計にとって重要なのですか?
boidsは、3つのローカルルールに従うシミュレーション上のエージェントです(名前はもともと「bird-oid objects」、つまり鳥もどきの物体に由来します)。3つのルールとは、分離(近くの仲間と密集しすぎない)、整列(近くの仲間の平均的な進行方向へ舵を切る)、結合(近くの仲間の平均的な位置へ舵を切る)です。Craig Reynoldsが1987年のSIGGRAPHで発表しました。boidsが重要なのは、複雑で協調した全体の振る舞いが、中央の管制役なしに単純なローカルルールから創発しうることを証明したからです。この原理は、マルチエージェントAIシステム、群ロボット工学、分散コンピューティングにそのまま当てはまります。
boidsのルールはAIエージェントのオーケストレーションにどう当てはまりますか?
boidsの各ルールは、エージェント設計上の制約に対応します。分離はスポーン予算になります(同じサブ問題に取り組むエージェントの数を制限する)。整列は共有の評価基準になります(すべてのエージェントが同じ品質基準を使う)。結合は合意プロトコルになります(エージェントがグループの知見へ収束する)。この対応づけは比喩ではなく構造的なものです。どちらのシステムも、各エージェントが独立して適用するローカルルールから創発的な協調を生み出します。
なぜルールを増やすと、マルチエージェントAIシステムは良くなるどころか悪くなるのですか?
新しいルールはどれも既存のすべてのルールと相互作用し、組み合わせ的な複雑さを生みます。10個のルールは最大で45通りのペアの相互作用を生みます。エージェントは問題を解くかわりに、ルールの制約を満たすことにトークンを使うようになります。同じ力学はboidsにも現れます。4つ目のルール(たとえば「中央を避ける」)を足すと元の3つとの再調整が必要になり、エージェントが競合する力を同時に満たそうとするため、優雅な群れ行動はしばしば小刻みな揺れへと劣化します。
創発的な協調ではなく中央集権的な制御を使うべきなのは、どんなときですか?
厳密な順序の保証が必要なとき(逐次的なパイプラインの段階)、失敗を決定論的に処理しなければならないとき(金融取引)、合意ではなく単一の権威ある決定が必要なとき(マージコンフリクトの解決)には、中央集権的な制御を使いましょう。エージェントが独立して評価できるとき、冗長性が信頼性を高めるとき、そしてどのエージェントも全体像を知らずに十分な仕事ができるときには、創発的な協調を使いましょう。
アルゴリズムと視覚的な直感が出会うInteractive Explorationsシリーズの一篇です。自分の誤りを見つけるハミング符号から、リーダーなしで群れをつくるboidsまでを扱います。エージェントのオーケストレーションのパターンは、The Ralph SystemとMulti-Agent Deliberationで詳しく紹介しています。メタ認知プログラミングの層は、上で述べたエージェント間の協調を補うものとして、個々のエージェントの自己監視を加えます。
-
Reynolds, C. W. (1987). “Flocks, Herds, and Schools: A Distributed Behavioral Model.” SIGGRAPH ‘87: Proceedings of the 14th annual conference on Computer graphics and interactive techniques, pp. 25-34. red3d.com/cwr/boids/ ↩↩
-
Reynoldsは、boidsの研究を土台とした行動アニメーションへの貢献により、1998年に映画芸術科学アカデミーから科学技術賞(Scientific and Engineering Award)を受けました。このアルゴリズムはBatman Returns(1992年)以来、映画制作に使われています。oscars.org/sci-tech/ceremonies/1998。Reynoldsの経歴書も参照してください:red3d.com/cwr/resume.html。 ↩
-
“Revisiting Boids for Emergent Intelligence via Multi-Agent Collaboration.” NeurIPS 2025 Workshop: Scaling Environment. openreview.net/pdf?id=46LJ81Yqm2。この論文は、observe-reflect-buildのループに従うエージェント向けの自然言語ガイダンスとしてboidsのルールを適用しています。 ↩
-
スポーン予算の実装はThe Ralph Systemに記録しています。アーキテクチャ上の重要な判断は、幅の上限をプロンプト(助言にとどまる)ではなくフック(決定論的)で強制することでした。「スポーンを控えるように」と指示されたエージェントは、理屈をつけて上限を越えてしまいます。アクティブな子を数えてspawnのAPI呼び出しをブロックするフックは、越えられません。 ↩
-
老子『道徳経』第11章。翻訳:D.C. Lau, Penguin Classics, 1963. この一節は全体で、車輪の轂(こしき)、部屋の壁、器の粘土を取り上げています。いずれも、役に立つのは素材ではなく空虚のほうだという3つの例です。詳しくはNothing is Structuralを参照してください。 ↩
-
Microsoft AutoGen, github.com/microsoft/autogen。AutoGen v0.4(2025年リリース)は
GroupChatという抽象化を導入しました。エージェントは指名されたリーダーなしに会話へ参加します。フレームワークのドキュメントには明確にこう書かれています:”AutoGen enables a group of agents to collectively perform tasks that a single agent alone cannot.” 発言の順番を決めるのは、中央の管制役ではなく会話のプロトコルです。 ↩ -
CrewAI, github.com/crewAIInc/crewAI。CrewAI v0.28以降(2025年)は、役割ベースのエージェントとタスクの引き継ぎルールでcrewを定義します。
processパラメータは「sequential」(固定の順序)と「hierarchical」(マネージャーが委任する)の2つのモードに対応しています。ただしhierarchicalモードでも、マネージャーエージェントは上書きするのではなく調整する役です。ほかのエージェントの出力を変えることはできず、修正を依頼できるだけです。ドキュメント:docs.crewai.com。 ↩ -
Reynolds, C. W. (1999). “Steering Behaviors for Autonomous Characters.” Game Developers Conference 1999 Proceedings, pp. 763-782. red3d.com/cwr/steer/。Reynoldsはここで優先度つきの力の合成を論じています。分離(衝突回避)を最初に処理し、整列や結合を適用する前に、使える操舵力をそこで消費します。この優先度の仕組みにより、密集の回避が常に優先されます。 ↩