クラウドデスクトップ

ワールドモデルは、どうやって作るのか ── 動画を「虫食い」で覚えさせ、想像の中で計画させる

ワールドモデルは実際どう訓練するのか。動画を虫食いにして隠した先を潜在表現で当てさせる自己教師あり学習、V-JEPA 2 の二段階訓練(100万時間の動画→62時間のロボット動画)、潜在予測とピクセル生成の二流派、訓練の難所『表現の崩壊』とSIGReg、そしてゴール画像だけでロボットを動かす応用まで。arXiv一次資料に基づき噛み砕く、aigeek.biz 編集長との対話。

ワールドモデルという賭け ── AI に「世界そのもの」を学ばせる競争が、2026年に始まっている

AIに言葉ではなく「世界そのもの」を学ばせるワールドモデル。Genie 3、World Labsの Marble、NVIDIA Cosmos、そしてヤン・ルカンのJEPAと10億ドルの賭け——2026年に主流化したこの競争を深掘りする。さらに今回は調べ方も変え、出典を資料に限定する手法を試した所見も。aigeek.biz 編集長との対話から。

今の生成 AI 以外に、AGI への道はあるのか ── ニューロシンボリック、ワールドモデル、そして「やり直すべきだ」という声

AGIへの道は、今の大規模言語モデルだけではない。直感に論理を足す『ニューロシンボリック』、言葉ではなく世界そのものを学ぶ『ワールドモデル』、そして今の路線を行き止まりと断じ全部やり直そうとするヤン・ルカンのJEPA——三つの別の道を見渡し、現実が向かうハイブリッドの行方を、aigeek.biz 編集長との対話から考える。

AGI はできるのか ── 三社三様の賭け方と、「脳に似ている」という誤解について

AGI(汎用人工知能)はできるのか。OpenAI・Google DeepMind・Anthropic、三社三様の開発の方向性を整理し、「AIは人間の脳に似ている」という通説がなぜ誤解なのかを最新の神経科学から読み解く。誤差逆伝播は脳に存在しない——似て非なる知能としてのAIを、aigeek.biz 編集長との対話から考える。

AI はなぜ間違えるのか、そしてなぜ気づけないのか ── バイアス・ハルシネーション・メタ認知の欠如

AIはなぜ間違えるのか。学習データの偏りから来る『バイアス』、正しいデータを食べても起きる『ハルシネーション』、そして自分の間違いに気づけない『メタ認知の欠如』——三つの層を分けて整理する。間違える仕組みを知ると、AIとの付き合い方が変わる。aigeek.biz 編集長との対話から。

AI はどうやって学習しているのか —— そして「学べる」ことと「使っていい」ことは、別の問題だった

AI はどうやって学習しているのか。大量の文章からパターンを掴む『事前学習』と、振る舞いを整える『調整(RLHF・Constitutional AI)』という二段階をたどる。核兵器の作り方のような危険な知識は含まれるのか、そして学習データの著作権をめぐっていま法廷で何が争われているのか——aigeek.biz 編集長との対話から、できることと、していいことの境界を考える。

AI はなぜ、会話を忘れないように見えるのか —— 文脈を畳み、外に置き、ときどき終わらせる仕組み

Claude Code はターミナルを開きっぱなしでも『忘れた』と言ってこない。でも記憶力が無限なわけではない。一杯になる前に会話を要約して畳み(オートコンパクト)、肝心の記憶はファイルに外置きして毎回読み直す——その仕組みと、ときに会話を終わらせたほうが精度が保てる理由を、aigeek.biz 編集長との対話から解きほぐす。

AI は地図を見て答えているのか、それとも次の一語を予測しているのか —— 二つの説明が指していた、同じ一つの仕組み

AI は質問を『意味の地図』の座標にプロットすると説明される一方、『次に来る一語を予測しているだけ』とも言われる。この二つは矛盾しているのか。実は、同じ一つの仕組みを別の高さから見ているだけだ ── 出力と中身という二階建て、そしてカーナビのたとえで、aigeek.biz 編集長との対話から解きほぐす。

毎ターン、私は会話の歴史をゼロから読み直している —— AI の記憶という不思議な仕組み

AI は会話のたびに、これまでのやりとりを毎回ゼロから読み直している。記憶しているのではなく、毎回立ち上がっている。ChatGPT・Claude・Gemini の最新メモリ機能の違いと、その背後にある各社の哲学を、対話そのものを材料にしながら解き明かす連作シリーズの締めくくり。

AI はなぜ計算が苦手なのか —— 仕組みから見えた、意外な弱点

AI は計算が驚くほど苦手だ。なぜか。「次の一語予測」「数字をトークンとして見る」「作業メモリがない」「近いパターンに引きずられる」── 4 つの理由が、これまで学んだ LLM の仕組みから自然に導ける。ステップ・バイ・ステップが効く理由、現代の AI が計算機を呼ぶようになった経緯まで、対話ベースで解説。