AIは物理世界を理解できるか、言語モデルと世界モデルを巡る討論

大規模言語モデル（LLM）が次のトークンを予測する仕組みと、物理世界の動作・結果を予測する「世界モデル」との違いを、対話形式で掘り下げます。モラベックのパラドックスから、ヤン・ルカンとイリヤ・スツケヴァーの見解、Othello-GPTやJEPA、MuZeroなどの研究例、World LabsやGoogle、Meta、NVIDIAの取り組み、AMDによるWorld Labs買収の意図までを扱います。

■ 言語モデルと世界モデルの基礎
- 次トークン予測と物理世界理解のギャップ
- モラベックのパラドックスと因果・動作予測

■ 研究事例にみる世界モデル
- Othello-GPT：次手予測から盤面追跡を学習
- JEPA・MuZero：表示学習と計画

■ 産業応用と各社の取り組み
- World LabsのAtlas、Google Gemini Robotics 2
- Meta V-JEPA 2、Google Genie 3
- NVIDIA Alpamayo・Cosmosと自動運転

■ チップ戦略と議論の焦点
- AMDによるWorld Labs買収と次世代AIチップ設計
- 言語モデルと世界モデル、それぞれの評価軸

LLMとロボティクス、世界モデルに関心がある方に適しています。両者の違いや研究動向、産業界の思惑を整理して把握する手がかりが得られます。今後のAI技術を追う際に、どのような視点で議論を見ればよいかを考えるきっかけになります。