NSF助成 約149万ドル：ゲームを「AI評価の計測器」にするオープンソース基盤 LMGame（UCサンディエゴ）
カリフォルニア大学サンディエゴ校への約149万ドル（$1,494,278）のNSF POSE Phase II助成。コンピュータゲームは明確なルール・測定可能な結果・実時間の課題を備え、AIが推論・計画・知覚・意思決定できるかを映す計測器になりうる。しかし既存のゲームベースAI評価は場当たり的で分断され、ベンチマークが散在してきた。LMGameは、多様なゲーム環境を標準化された指標・透明な報告・再現可能な結果で束ねるオープンソースのエコシステムを構築し、AI能力の検証の障壁を下げる。期間は2026年7月から2028年6月まで。
助成の概要（一次情報）
- 交付額約149.4万ドル（$1,494,278）
- 受給機関University of California-San Diego（カリフォルニア州）
- プログラムPOSE
- 期間2026-07-15 〜 2028-06-30
- 資金提供米国科学財団（NSF） / NSF
要点
- 受給機関はUCサンディエゴ、約149万ドル、期間2026年7月〜2028年6月（POSE Phase II）
- ゲーム＝明確なルール・測定可能な結果・実時間課題を備えた「AI評価の計測器」という発想
- 散在するベンチマーク・短期保守のテストベッドを、統一環境＋共有APIのLLMファーストな単一プラットフォームに統合
- 技術コア委員会・署名つきリリース・責任ある開示・再現可能ハーネスでガバナンスを制度化
- 将来像＝汚染考慮の監査可能な指標・評価と事後訓練をつなぐ再現可能パイプライン
「AIがゲームを解く」ニュースは数あれど、本助成の視点は逆である——ゲームを、AIに何ができて何ができないかを測る「計測器」として整備する。ゲームには明確なルール・測定可能な結果・実時間の課題という、評価装置としての得がたい性質が揃っている。チェスや囲碁がかつてAIの試金石だったように、多様なデジタルゲームは推論・計画・知覚・意思決定を映す鏡になりうる。
1場当たり的だったゲームベース評価
問題は、その利用が場当たり的だったことだ。ゲームベースのベンチマークはリポジトリに散在し、指標はバラバラで、テストベッドは研究者の短期ボランティア保守に依存する——結果は再現しにくく、比較もできない。LMGameの答えは「エコシステム化」である。
統一されたゲーム環境群と共有APIの上で評価も訓練も動くLLMファーストな単一プラットフォーム、署名つきリリースと責任ある開示を監督する技術コア委員会、ゲーム・指標ごとの再現可能なテストハーネス、そして産学・非営利のパートナー経路と教育活動。
POSE（オープンソースエコシステム化支援）Phase IIという助成区分自体が、「研究プロトタイプから持続可能なOSSプロジェクトへの移行」に投資するものだ。
2汚染を考慮した監査可能な指標
将来像に掲げられた「汚染を考慮した(contamination-aware)監査可能な指標」は、現在のAI評価の急所を突いている。学習データにベンチマークが混入する汚染問題は、静的なテストセットの信頼性を損ない続けてきた。ルールに基づき状態が動的に生成されるゲームは、この問題への構造的な耐性を持ちうる。
評価を事後訓練(post-training)へつなぐパイプラインまで視野に入れた設計は、「信頼できるAI評価のオープンな公共財」を作る試みとして読める。
なぜ重要か
AIの能力評価は導入判断・規制対応の基礎であり、その信頼性を支えるオープン基盤への公的投資例。ベンチマーク汚染への構造的対策や評価→事後訓練のパイプラインという設計は、AI評価・モデル検証を手がける実務者と、評価の公共財化という政策潮流を追う読者の参照点になる。
よくある質問（FAQ）
POSEとはどんなプログラムですか。
なぜゲームがAI評価に向くのですか。
「汚染を考慮した指標」とはどういう意味ですか。
出典（一次情報）
出典：NSF Award Search（米国科学財団・パブリックドメイン）。金額は交付額(obligated)。個人情報保護のため研究代表者名は扱っていません。
- NSF Award（原文・公式）
- NSF Award ID: 2550249