人工知能が「リアルワールドAI」段階に到達

著者：王捷

6月末に中国大連で開催された夏季ダボス会議では、世界中からAI（ロボットを含む）業界のリーダーが集まり、AI業界の現在の発展と今後の重要なトレンドについて議論しました。その中で、中国初のAI投資家であり、深圳数経院AI経済研究センターの共同主任を務める王捷氏は、AI業界は**「コンテンツ生成」、「推論能力」、「行動能力」の3つの段階を経て、「実世界AI」**の段階に向かおうとしていると指摘しました。業界のあらゆる部門も、この段階を迎えるための準備を整える必要があります。

以下は、テンセント科技が初公開した『人工知能が「実世界AI」段階に入る』の全文です。

We are at AI’s reality moment.

過去数年間で、AIは生成、推論、行動を学んできました。次の段階は、AIが画面上でより素晴らしい答えを出せるかどうかだけでなく、AIが現実世界からのフィードバックから学び、現実世界で受け入れ可能で持続可能な仕事の結果を提供できるかどうかです。今日、私たちはAI開発の「実世界の瞬間」にいます。

観察：AIはベンチマーク世界を離れ続けている

過去数年間、AI業界の主要な物語はベンチマークによって組織されてきました。モデルがリリースされるたびに、一連のスコアが伴います：言語理解、専門試験、数学的推論、コード生成、ソフトウェア工学、ウェブ操作、マルチモーダルQ&A、エージェントタスク。スコアが上がると業界は興奮し、スコアが飽和すると新しいベンチマークが作成されます。ベンチマークは、AI開発の長い道のりにおけるマイルストーンの旗となっています。

しかし、ますます明らかになっている事実があります：AIはベンチマーク世界を離れ続けているのです。かつては十分に困難で、知能を代表すると思われていた多くのテストが、モデルによって次々に近づき、追いつかれ、追い越されています。研究者は新しいタスク、新しいランキング、新しい評価セットを定義し続け、モデルはまた追いかけて新しい旗を引き抜きます。これはもちろん科学の進歩の一部ですが、単なるベンチマークではAI開発のすべての意味を担うことがますます難しくなっていることも示しています。

ベンチマーク世界は本質的に「理論世界」です：問題は事前に定義され、答えには明確な境界があり、評価基準は形式化でき、失敗の代償は通常は単なるスコアの低下です。これはモデルがある能力を持っていることを証明するのに適していますが、モデルが実際のワークフローで私たちが期待する結果を提供できることを証明するのと同じではありません。モデルが問題集で正解しても、企業の購買プロセス、病院の診療連携、工場の生産計画システム、法律文書のリスク審査、都市ガバナンスの緊急対応において安定してタスクを完了できることを意味するわけではありません。

したがって、私たちがAIがベンチマーク世界を離れつつあると言うとき、それはベンチマークがもはや重要でないという意味ではありません。まったく逆で、ベンチマークは依然として技術進歩に必要なダッシュボードです。しかし、ダッシュボードは道路ではなく、スコアは結果ではなく、デモは納品ではありません。AIがベンチマーク世界を離れて、向かっている世界はどこか？答えは：実世界です。業界全体が「実世界AI」段階に入りつつあります。

「理論世界」から「実世界」への移行

「理論世界」の3つの旧段階

**今回のAIの発展は、すでに3つの明確な旧段階を経ています。**第一は「コンテンツ生成」段階で、典型的な形態はchatbotです。AIは初めて自然言語をインターフェースとし、執筆、要約、翻訳、対話、説明が可能になり、人間の認知労働のための汎用的なテキストツールとなりました。第二は「推論能力」段階で、典型的な形態はreasoner、すなわちGPT o1、DeepSeek R1に代表される推論モデルです。AIはより強力な分解、検索、計画、証明、自己検証能力を示し始め、より長いチェーン、より複雑な問題を処理できるようになりました。**第三は「行動能力」段階で、典型的な形態はagentです。**AIはもはや質問に答えるだけでなく、ツールを呼び出し、ウェブを閲覧し、コードを書き、ソフトウェアを操作し、マルチステップタスクを実行します。

これら3つの段階は非常に重要です。生成はAIに言語を与え、推論はAIに思考を与え、エージェントはAIに最初の手を与えました。生成、推論、行動ができるようになった後、次のことはデモでより多くのアクションを実行することではなく、実際の環境で結果を受け入れることです。実世界はAIに将来の長期的な行動の場を提供します。

なぜ上記の3つが旧段階と言えるのか？それらはほとんどが「理論世界」または「準実世界」にとどまっているからです。モデルが直面するのは抽象化された問題であり、完全な経済・社会システムではありません。最適化するのは計算可能なフィードバックであり、マルチエージェント、多制約、長期サイクルの実際の結果ではありません。示すのは能力の可能性であり、ユーザー、組織、制度、市場に受け入れられる仕事の成果ではありません。

「実世界」新段階

私たちは**「実世界AI」、Real-World AIを提唱します。これはAIがまさに進入しようとしている新段階を反映するものです。実世界AIの定義は：実世界のフィードバックから学習し、実世界のタスクを完了し、実際の結果を生み出すAIです。ここでの「実世界」は二つの意味を含みます**：第一に、トレーニングのフィードバックは実際の環境における結果、ユーザー、制度、コスト、リスクから来るものであり、正解のみから来るものではありません。第二に、タスクは実際のワークフローから来るものであり、問題集、サンドボックス、デモのみから来るものではありません。それは大まかなラベルではなく、AIが能力の披露から生産納品へ、理論的知能から作業知能へと向かう段階的な名称です。

実世界AIの核心は、AIにより多くのボタンを接続することではなく、AIをループに入れることです：実際のタスクを理解し、実際のフィードバックを受け取り、実際の行動を実行し、自身の戦略を修正し、最終的に受け入れ可能な実際の結果を提供すること。それはモデル能力が現在主にコード、ソフトウェア工学、数学、サイバーセキュリティなどの「コンピュータ学術」分野に集中している状態から、より広範な人間の作業シーンへと進出することを要求します：マーケティング、営業、サプライチェーン、製造、金融、法律、医療、教育、研究、公共ガバナンス、そして物理世界におけるロボットや自動化システム。

以下は実世界と理論世界の重要な比較です：

この意味で、実世界AIはある特定のモデル、製品、アルゴリズムの道筋ではなく、業界全体の新しい方向性です。それはポストトレーニング、強化学習、ツール使用、記憶システム、ワークフロー統合、組織フィードバック、人間の監督、安全メカニズム、経済的価値測定を結びつけます。実世界はAIの新しいトレーニングの場となるでしょう。

実世界AIはreal-world intelligenceを出力します。Real-world intelligenceは、AIが実世界のフィードバックを受けてトレーニングされ形成されたモデル能力であり、実際の制約の下で目標を結果に変換する能力です。それはモデルが静的な問題で瞬間的に示すパフォーマンスを測定するのではなく、AIシステムが実際のタスクにおいて持続的に利用可能で、信頼性があり、価値を創造する能力を測定します。もしbenchmark intelligenceの核心が「与えられた問題に対して正しい答えを得られるかどうか」であるなら、real-world intelligenceの核心は「実際のタスクで受け入れられる結果を完了できるかどうか」です。

なぜ「理論世界」から「実世界」へ必然的に移行するのか？

この移行には技術的必然性と経済的必然性があります。技術的には、大規模言語モデルがAIに言語能力を与え、推論モデルがAIにより強い思考能力を与え、エージェントがAIに初期的な行動能力を与えました。人間の行動を考察すると、言語、思考、行動能力を持った後、人間は必ず実世界との相互作用の段階に入ります。知能とは頭の中にとどまる能力ではなく、環境の中で目標を達成する能力です。したがって、AIの次のステップも非常に明確です：実世界に入ること。

経済的には、AI革命の最大の価値が永遠にQ&A、執筆、コード断片にとどまることはありえません。真の生産性解放は、現実のタスクが解放されることから来ます：カスタマーサービスプロセスがエンドツーエンドで自動化され、法的デューデリジェンスが安定的に提供され、サプライチェーンが動的に最適化され、研究仮説が迅速に検証され、ロボットが倉庫や家庭で確実に協働する。AIが実際のワークフローに入って初めて、企業はそれを組織能力に計上し、社会はそれを生産性に計上し、人間は今回の技術革命の規模を真に感じることができるのです。

これが、「実世界AI」が単なるAGIの議論よりも実用的である理由でもあります。AGIはAIが人間の知能に近づいているかどうかを問い、実世界AIはAIが実際のタスクを完了できるかどうかを問います。AGIは議論を無限の能力へと導きがちですが、実世界AIは議論をフィードバック、結果、コスト、価値に引き戻します。それはAIの目標を下げるのではなく、AIの目標を最終的に直面しなければならない場所、すなわち現実に置くのです。

ロードマップと用語

ロードマップ

ロードマップに関して言えば、OpenAIが2024年に提案した5段階ロードマップは、全体としてchatbotからreasoner、agentへの進化の方向性を捉えていますが、理論世界から実世界への移行を完全に記述してはいません。また、その後の2つの段階であるinnovatorとorganizerは、agentが持つ可能性のある能力特性に偏っており、chatbot、reasoner、agentと並列する技術的形態ではありません。基準は一貫していません。さらに重要なのは、このロードマップが提案された時点では業界がまだ真にagent段階に入っておらず、agent以降の判断には当然不確実性が伴うことです。

業界が理論世界から実世界へ向かうこの時点で、私たちはより長期的な作業を導くことができるロードマップを必要としています。私たちは以下の5段階フレームワークを提案します：第一、Foundation AI、基盤モデル段階、AIが汎用的な表現と知識圧縮能力を獲得します。第二、Generative AI、生成AI段階、AIが自然言語とマルチモーダル生成能力を獲得します。第三、Reasoning AI、推論型AI段階、AIがより強力な検索、計画、証明、振り返り能力を獲得します。第四、Agentic AI、エージェントAI段階、AIがツール呼び出し、ソフトウェア操作、ステップ実行の行動能力を獲得します。第五、Real-World AI、実世界AI段階、AIが実際のワークフローに入り、実際のフィードバックから学習し、人間、組織、制度に受け入れられる実際の結果を提供します。

このロードマップは「実世界AI」をagentの後に置きます。Agentは「AIが行動できるか」という問題を解決し、Real-World AIは「AIが行動した後に受け入れ可能な結果を生み出すか」という問題を解決します**。Agentはインターフェースであり、実世界はループです。Agentは手であり、実世界AIは組織化された作業能力です。AgentはAIをプロセスに入れ、実世界AIはAIをプロセスに受け入れられ、組織に信頼され、経済的に計測されるようにします。**

さらにその後、業界はより大きな段階に入る可能性があります：AIが経済と社会の操作層、すなわち私たちが以前何度も言及した「デジタル層」になること。その時、AIは単にタスクを完了するだけでなく、意思決定支援、組織調整、リソース配分、科学的発見、都市運営、物理世界の操作に参加します。しかし、この未来が来るかどうかは、今日実世界AIのこの関門を越えられるかどうかにかかっています。実際のフィードバックがなければ、実際の知能はありません。実際の結果がなければ、実際の生産性はありません。

用語

これまで、私たちは今回のAI発展を説明する多数の用語を持ってきました：AGI、ASI、Generative AI、Agentic AI、Embodied AI、Physical AIなど（World Model/世界モデルはAI発展の特徴を説明するものではなく、モデル路線を説明するものです）。全体的に、これらの用語のほとんどはアルゴリズム、能力、または媒体の観点から発せられており、「アルゴリズム視点からの記述」と呼ぶことができます。それらは非常に重要ですが、業界の議論を「モデルは十分に賢いか」「知能は無限大か」「いつ人間を超えるか」といった抽象的な議論に導きがちです。

良い名前は方向感覚を持つべきです：それが技術が何であるかを記述するだけでなく、最終的にどこへ行くべきか、現在どこに位置しているかを私たちに思い出させるものです。「実世界AI」はこの方向感覚を持っています。それはAGI、Physical AI、またはEmbodied AIを否定するのではなく、質問の仕方を変えます：AIが技術的に何であるかだけでなく、AIが経済と社会で何ができるかを問う。AIが人間の知能に近いかどうかだけでなく、AIが実際のタスクを安定して完了し、実際の価値を創造し、実際の結果を受け入れることができるかどうかを問う。

「実世界AI」はまた、デジタル世界と物理世界を統一します。デジタル世界では、実世界AIはAIが企業ソフトウェア、知識作業、取引プロセス、研究開発プロセス、ガバナンスプロセスに入ることを意味します。物理世界では、実世界AIはロボット、自動運転、スマート製造、家庭サービス、都市インフラが実際の環境から学習することを意味します。媒体がブラウザ、API、オフィスソフトウェア、ロボットアーム、車両、人型ロボットのいずれであっても、核心的な問題は同じです：AIが実際の環境でループを形成し、タスクを完了し、現実に受け入れられることができるかどうか。

したがって、私たちは業界全体に**「実世界AI / Real-World AI」という表現を紹介します**。それは研究者、起業家、投資家、企業ユーザー、政策立案者を同じ地図に引き寄せることができます：benchmark intelligenceからreal-world intelligenceへ。能力披露期からタスク解放期へ。モデル競争から生産性競争へ。「AIができるように見える」から「AIが本当にできる」へ。

実世界AIは終点ではなく、入り口です。それは私たちに思い出させます：今後数年間で最も重要なAIの仕事は、より大きなモデル、より長いコンテキスト、より美しいデモを作ることではなく、現実をトレーニングループに変え、フィードバックを能力に変え、タスクを価値に変え、AIを人間社会で真に使用可能な生産力にすることです。

この段階を真に実現するために、業界は新しいコンセンサスを形成する必要があります。モデルトレーニングは、実際のワークフローフィードバックをポストトレーニングの核心リソースとし、既存のランキングを追いかけるだけではいけません。AIアプリケーションは、製品をアシスタント形態からタスク提供形態へと進め、AIチャットウィンドウをソフトウェアに埋め込むだけではいけません。企業ユーザーは、AI評価を「使いやすいか」から「重要なタスクを安定して完了できるか」へと進める必要があります。投資家は、モデルパラメータやデモ効果の外から、タスク解放速度、フィードバックループの深さ、単位コストあたりの生産性を再評価する必要があります。政策立案者は、データ、責任、安全性、監査の枠組みを確立し、実世界での採用が信頼の中で拡大できるようにする必要があります。

これが「実世界AI」という用語の意義です。それは分散した業界の焦点を共通の方向に凝縮します：AIをデモの舞台から生産現場へ。問題集から組織へ。一回限りの回答から継続的なフィードバックへ。抽象的な知能から実際の価値へ。We are at AI’s reality moment. AIの次のフロンティアは別のベンチマークではなく、次のフロンティアは実世界です。

実世界は AI の新しいトレーニングの場となるでしょう。

Reality is becoming the next training loop for AI。