具身知能

具身知能とは？

ChatGPT に「熱いやかんに触ったらどう感じる？」と尋ねれば、立派な文章を何百字も返してきます。でも、実際に熱い湯飲みを横に置いても、AI はびくともしません。皮膚も神経もなく、「熱い」が物理的にどういうことか、まったく理解していないからです。

具身知能（エンボディッドAI）は、その頭脳に本物の体——アーム、車輪、脚、あるいは人間型の外殻——を与え、現実の物理世界に放り込むことです。「重力加速度は9.8」と暗記する代わりに、コップを掴もうとして空振りしたり、握り潰したりしながら、そのトルクや滑りや重みを実感として学習します。次に同じ動作をするときには、力加減や角度を調整する。これはマニュアルを読んで自転車に乗れるようになるよりも、実際に何度か転んだほうが早いのと同じ理屈です。

この「身体の記憶」や「空間の直感」は、テキストだけを読んでいる大規模言語モデルには永遠に手に入りません。具身知能に「テーブルの上のリンゴを取って」と指示すれば、位置・高さ・腕の姿勢・摩擦力をリアルタイムで計算しなければなりません。すべてが物理の計算であって、言葉遊びではありません。

ただし、これは金がかかり、時間がかかり、リスクも大きいです。現実世界でロボットが派手に転倒すれば、修理費だけで数千万円になることもあります。だから大半の訓練はまずシミュレーション環境で行われます。しかしシミュレーションはいつも「きれい」で、現実はいつも「汚い」——照明は変わり、床は滑り、リンゴは転がります。この「シミュレーションと現実のギャップ」を埋めるのに、多くのチームが資金を使い果たしました。

具身知能とは「おしゃべりなロボット」ではなく、物理世界と真正面からぶつかり合い、その経験で知恵を絞り出したインテリジェンスのことです。