現在の言語モデルは「言葉の海に浮かぶ優秀な辞書」
現在の言語モデルがやっていることは、超高精度な「言葉のパズル」です。膨大な過去のテキストデータを読み込み、「この単語の次には、確率的にこの単語が来るのがもっともらしい」と計算して文章を紡ぎ出しているに過ぎません。
例えば「りんごを手から離したらどうなる？」と聞けば、「地面に落ちます」と正しく答えます。しかしそれは、重力という「物理法則」を感じているからではなく、三次元の「空間」を認識しているからでもありません。
単に「りんご」「離す」「落ちる」という言葉のつながり（因果関係のテキスト表現）を記憶しているだけなのです。だからこそ、言語モデルは「次にどんな言葉が来るか」は予測できても、「現実世界で次に何が起きるか」を物理的に予測することはできません。彼らは言葉の海に浮かぶ優秀な辞書であって、現実の世界を生きているわけではないのです。
世界モデル（World Models）への期待
では、AIが本当の意味で現実世界を理解するためには何が必要なのでしょうか。その答えとして世界中の研究者が熱い視線を注いでいるのが、次世代のAI「世界モデル（World Models）」です。
世界モデルとは、簡単に言えば「頭の中にある現実世界のシミュレーター」です。私たち人間は、いちいち物理の計算式を使わなくても、「机の端を転がるボールは、もうすぐ床に落ちて弾むだろう」と直感的に予測できます。
これは、私たちが経験を通して世界のルール（物理法則や空間認識）を脳内にモデル化しているからです。世界モデルを持つAIは、テキストの確率ではなく、この物理法則の理解に基づいて「次に起こること」を客観的に予測できるようになります。
画像や映像、センサーのデータから空間の広がりや時間の連続性を把握し、「Aが起きたから、物理的にBになる」という本質的な因果関係を理解するのです。
しかし、世界モデルの真骨頂は単なる客観的な観察にとどまりません。さらに重要なのは、「自分の行動によって周囲の世界がどう変化するか」という「主観的予測」ができるようになる点です。
赤ちゃんの「予測誤差学習」
人間の赤ちゃんを想像してみてください。赤ちゃんは、目の前にある積み木をとりあえず押してみます。「ちょっと動くかな？」という予測に対して、実際に積み木がパタンと倒れる。すると、赤ちゃんの脳内では「予測」と「実際の結果」との間にズレが生じます。このズレを脳科学やAIの分野では「予測誤差」と呼びます。
赤ちゃんは、この予測誤差を埋めるように（予測誤差学習によって）、「なるほど、これくらいの力で押すと倒れるのか」と世界のルールを猛烈な勢いで学習していくのです。
世界モデルを備えたAIは「予測誤差」を学習する
世界モデルを備えたAIも全く同じプロセスを辿ります。「自分が右手を伸ばしてコップを掴んだらどうなるか」を予測し、行動し、その結果から生じる予測誤差を修正することで、自らの身体（自己動作）が環境に与える影響を深く学んでいきます。
言葉という概念の枠を超え、自らの行動を通して泥臭く現実世界と相互作用することで、AIは初めて「生きた知識」を獲得するのです。
世界モデルが実現し、ロボットの身体に搭載されたらどうなるか
もし、この世界モデルが完全に実現し、ロボットの身体に搭載されたらどうなるでしょうか。それは単なる「おしゃべりな機械」の枠を超えた、歴史的な瞬間の幕開けとなります。
言葉の意味を知るだけでなく、物理空間の奥行きを感じ、自分の動きが周囲に与える影響を理解し、未知の状況でも「次にどう動くべきか」を自ら考えて行動できる存在。階段の段差を認識してバランスを取り、落ちそうなグラスを反射的にキャッチし、私たち人間と同じ空間で同じ物理法則を共有しながら働くパートナー。
それこそが、SF映画で夢見た「真のヒューマノイド」の誕生です。
人間とAIの関係は変わる
AIは今、言葉の海から這い上がり、私たちが生きるこの現実世界へと足を踏み入れようとしています。彼らが本当の意味で「世界」を理解した時、私たちの暮らし、そして人間とAIの関係は、想像もつかないほど豊かで新しいステージへと進むに違いありません。
国内大手鉄鋼企業の製造部門で生産管理・品質管理を経験後、エンジニアリング部門でニューヨークに駐在し米国への鉄鋼技術販売に携わる。その後ドイツ大手貴金属精錬企業に転じ、副社長としてベルギー研究所副所長および東アジア地区支配人を兼務、中国、台湾、韓国、日本の支社長として会社設立・業務拡大に成功。その間、京大、阪大、中国東北大にて後進を育成。現在、地プロ事業統括者、デジ田地域DXプロデューサー、混声合唱団スティールエコー常任指揮、中国東北大名誉教授。