人工知能の進化: 開発者はチャットボットを物理的な AI に置き換えます

コンピューター科学者のルイ・カストリカート氏は、ChatGPT やクロードなどのチャットボットの背後にある人工知能テクノロジーである大規模言語モデルの研究に 8 年間を捧げていたとき、行き詰まりを感じ始めました。
「私たちは基本的に、本格的なLLMの基礎研究を行う段階を通過しました」とカストリカート氏は語った。 「あとは応用だけですね」
研究者はブラウン大学で博士課程を修了し、新会社オーバーワールドを設立した。その野心はその名前からも明らかです。言葉だけでなく物理的な世界を理解し、ナビゲートできる人工知能を作成することです。
AI チャットボットから得られる収益はまだ多く、投資家はそれに賭けており、Anthropic や OpenAI などの大手開発者に数兆ドルを投じており、ますます多くの人工知能起業家が次のフロンティアと見なすもの、つまり「世界のモデル」に専念しています。これらのシステムは、人工知能、場合によってはロボットに、物理環境での反応方法を教えることを目的としています。
関与者の中には、「AI の名付け親」であるフェイフェイ・リーなど、この分野で最も著名な科学者も含まれており、彼はワールド モデルの概念を「今日の AI において最も重要で、最も過負荷になっている用語の 1 つ」であると説明しています。
世界モデルとは何ですか?なぜ AI にそれが必要なのでしょうか?
世界モデル研究の中心には、人工知能は「本を読む」だけでは真の知能にはならないという前提があります。彼女は「環境を読む」ことも必要です。
「言語モデルはテキストの統計的構造を学習するが、世界モデルは空間と時間の統計的構造を学習する。光が表面にどのように当たるのか、カメラが捉えていない角度から庭がどのように見えるか、物体がどのように力に反応し、物理法則に従うのか」と、サンフランシスコの新興企業ワールド・ラボの創設者であるリー氏は今月出版されたエッセイの中で書いている。
もう一人の愛好家は、AI の先駆者であるヤン・ルカン氏です。彼は昨年メタ社のチーフ AI サイエンティストの職を辞し、パリに拠点を置く Advanced Machine Intelligence Labs を設立しました。
「世界モデルは急速に流行語になりつつある」とルカン氏は最近のポッドキャスト「教師なし学習」で語った。同氏は、この概念をAIエージェントが「自らの行動の結果を予測する」ことを可能にするものだと考えている。
ワールド モデルを定義するにはいくつかの方法があり、多くの場合、ロボットやよりインタラクティブなビデオ ゲームなど、ワールド モデルを使用して構築されることが予想されるテクノロジに基づいています。

ロボットと実環境における言語モデルの制限
AI言語モデルによる人類のあらゆる書籍、ニュース記事、ビジュアルメディアのトレーニングにより、オフィスワークや一部のクリエイティブ分野の性質を変えるインテリジェントなアシスタントが誕生しました。しかし、一部の支持者は、次の単語やピクセルを繰り返し予測して新しい対話、画像、またはコード行を生成することで機能する生成 AI モデルには限界があると考えています。
カーネギーメロン大学コンピューターサイエンス学部長マーシャル・ヘバート氏は、チャットボットはマグカップのコーヒーを拾うことができないと指摘する。
「世界にはあらゆる幾何学模様、私の手の動かし方のダイナミクス、カップとの接触による物理的な相互作用があります」とエベール氏は語った。 「これは、単に文中の次の単語を予測するよりもはるかに複雑です。」
ロボット研究に 40 年以上を捧げてきたエベールのような科学者にとって、世界モデルの最も有用な応用は、テクノロジー業界で注目を集めているもう 1 つの用語である「物理 AI」への、より速く、より手頃な価格の道としてのものです。
「異なる定義を持つ人もいるかもしれませんが、物理的および身体化された AI は、私たちがかつてロボット工学と呼んでいたものの進化のようなものです」とエベール氏はインタビューで説明しました。同氏は、チャットボットを非常に便利にしたAIの進歩の一部は、ロボットの脳のように機能するのに十分な広範な環境認識を備えた人工知能の構築にも応用できると付け加えた。
「人間の体と脊髄には、バランスのとり方や歩き方についての非常に一般的なモデルがあり、朝の膝の調子の悪さに適応できるので、歩き方も少しずつ変わってきます」と彼は言う。 「それについて考える必要はありません。神経系と脳のどこかに、体がすぐに適応できるようにするための全体的な青写真があります。」
シミュレートされた世界は、この分野への投資家の興味を呼び起こします
より賢いロボットだけが世界モデルの目標ではありません。 Castricato 氏は昨年 Overworld を設立し、このロードアイランド州の小さな新興企業は現在、仮想キャラクターが動き、その中のオブジェクトと対話するときに、たとえば不気味な森などのシーンが適応できるビデオ ゲームの世界を構築しています。
「ドアを通り抜けたり、これほど詳細な環境と対話したりできる世界モデルは他にありません」と彼はインタビューで述べた。 「私たちは何よりもインタラクションを最適化します。」
短期的な応用は AI コーディング ツールほどすぐには明らかではありませんが、世界的なモデル構築者は、Kindred Ventures の共同創設者兼マネージング パートナーである Steve Jang のようなベンチャーキャピタリストの関心を集めています。
同社はOverworldのほか、天気予報用のAIモデルを開発するCausal Labsやそのようなモデル専用のコンピューターチップを構築するExtropicなど、世界モデルに焦点を当てた企業に投資している。
「将来は、さまざまな哲学やアーキテクチャを備えたさまざまなタイプのモデルが登場すると信じています」とチャン氏は語った。 「それらすべてを管理するための、大きくて密度の高い 1 つのモデルになるとは思いません。」
リー氏は最近のエッセイで、競合する見解に関する混乱を整理するために「世界モデルの分類法」を作成しようと努めた。
「壮大だが物理的に不可能な炎を生成するビデオ モデル、プレイ可能なゲームを即興で作成する言語モデル、燃焼を忠実にシミュレートする物理エンジンはすべて同じ名前を持っています」と彼女は書いています。
彼女は世界モデルを 3 つのカテゴリーに分類しました。現在最も商業的に実現可能なのは、作成する仮想世界の視覚的な忠実性を優先する「レンダラー」ですが、ロボットに多くのことを教えることを完全に信頼することはできません。
次に登場するのは「シミュレーター」で、世界の物理構造を忠実に表現する仮想トレーニング場を作成します。そして、構造化されていない世界で AI エージェントやロボットが何をすべきかを予測しようとする「プランナー」。
「計画を立てることができるロボットは作業ができるロボットであり、業界全体が最初にそこに到達するために競争している」と彼女は結論付けた。






