#66 ぐるぐる回して100倍小さく賢いAIの正体

「ワールドモデル」とは、AIが頭の中に環境のシミュレーターを持ち、「この行動をとったら次に何が起きるか」を予測する仕組みのことです。ロボットの制御や自動運転、ゲームAIの学習などで土台になっています。

ところが、ここには厄介なジレンマがあります。長い時間先まで正確に予測しようとすると、AIには深い（=層の多い）計算が必要になります。しかし層を深くするほどモデルは巨大化し、動かすコストが跳ね上がる。しかも予測を何百回も繰り返すうちに、小さな誤差がどんどん積み重なって（compounding error）、最後には予測がデタラメになってしまう。「精度を上げたいのに、上げようとするほど重くて壊れやすくなる」——この矛盾が長年の課題でした。

この研究の核心は「ループ（繰り返し）」というアイデアです。

普通のAIは、別々の役割を持つ層を何十枚も積み重ねて計算します。一方この手法は、​たった1つの計算ブロックを何度も使い回す。同じ部屋を何周も回りながら、答えを少しずつ磨き上げていくイメージです。層を増やす代わりにループ回数を増やせばいいので、部品（パラメータ）の数が劇的に減ります。

面白いのは、これが物理現象の性質とよく似ている点です。ボールが転がる、水が沸く——こうした現象は「同じ物理法則を何度も適用する」繰り返しの過程です。ループ型の計算はこの構造と素直に対応します。

さらに2つの工夫があります。1つは 適応的な深さ。単純な変化（何もない空間を飛ぶだけ）なら少ない周回で切り上げ、複雑な変化（衝突や接触）には多く周回する。状況に応じて頭の使い方を変えるわけです。もう1つは 数学的な安定性の保証で、何回繰り返しても計算結果が「暴走」しないよう制約をかけ、長時間予測でも崩れにくくしています。

実験は「ScienceWorld」「AlfWorld」という、文章で記述された環境シミュレーションの課題で行われました。約 10億（1B）パラメータ という比較的小さなモデルが、100倍以上巨大とされる最先端の商用AI（claude-opus-4-6-max）を相手に、ScienceWorldの総合スコアで完全一致率（EM）を 47.2%から68.4%へ と21.2ポイント上回ったと報告しています。極端な例では、ある課題（Lifespan）でスコアが 0%から100% に跳ね上がったとされます。

また、予測を5ステップ先まで重ねていくほど、小型のベースラインに対する優位が広がる傾向も示され、「繰り返しを重ねる予測ほど効果が出る」という主張を裏づけています。

もしこの「ループで小さく賢く」というアプローチが本物なら、影響は小さくありません。

ワールドモデルは、自動運転車が「次の瞬間に何が起きるか」を読む頭脳であり、工場ロボットや物流ロボットが動作を計画する基盤でもあります。従来は高精度=巨大モデル=高価なサーバーが必要でしたが、100分の1のサイズで同等の性能が出せるなら、車載チップや現場の小型機器など限られた計算資源の上でも高度な予測が動かせる可能性があります。

さらに「状況に応じて計算量を変える」仕組みは、エネルギー効率の観点でも魅力的です。簡単な場面では手を抜き、難しい場面だけ集中する——人間の判断に近い使い方ができれば、AIを動かす電力コストの削減にもつながります。AIの性能向上は「モデルを大きくする」「データを増やす」の2軸が定説でしたが、本研究は「繰り返しの深さ」という第3の軸を提案している点で、業界の常識に一石を投じる試みと言えます。