AIエージェントは形式的に検証されたソフトウェアリポジトリを構築できるか？

AIがどんどん進化して、私たちの生活を便利にしてくれていますよね。中でも、AIがプログラムを作る技術は目覚ましいものがあります。でも、AIが作ったプログラムって、本当にちゃんと動くの？バグ（間違い）はないの？って心配になりませんか？

そんな不安を解消するための新しい「ものさし」が登場しました。それが「Vero（ヴェロ）」というベンチマーク（評価基準）です。これは、AIがプログラムのコードを作るだけでなく、そのコードが「言われた通りに、間違いなく動くこと」を数学的に証明するところまでできるかを測るためのものです。

どういうことかというと、例えば、私たちが「このボタンを押したら、この画面が表示される」という仕様を決めたとします。AIは、その仕様に合わせてプログラムのコードを書きます。Veroは、さらにそのコードが本当に「ボタンを押したら、この画面が表示される」という仕様通りに動くことを、数学の証明のように厳密に確かめることができるかを評価するんです。

今回、Veroの対象となったのは、暗号（コンピューターで情報を秘密にする技術）や、たくさんのコンピューターが協力して動く分散システムなど、少しでも間違いがあると大変なことになる、とても信頼性が重要視される分野の、実際のソフトウェア43個です。AIがコードを書くだけでなく、その正しさを証明するまでできるのか、その可能性を探るために使われます。

AIが作るプログラムは、これからもどんどん増えていくでしょう。そんな中で、Veroのような評価基準ができることは、AIの作るソフトウェアを安心して使えるようになるための、大きな一歩と言えそうです。この新しい基準によって、AIによるソフトウェア開発の信頼性がさらに高まっていくことが期待されます。