トゥリング賞受賞者であり、元Meta AI最高科学者のヤン・ルカン（Yann LeCun）が設立したスタートアップ、Advanced Machine Intelligence（AMI）は、最近10億3千万ドルの超大型シードラウンド資金調達を完了し、「World Model（世界モデル）」が再び人工知能分野のホットなキーワードとなっています。しかし、AIコミュニティで頻繁に議論されるworld modelsの概念は、研究者によって大きく異なる場合があります。
（深掘り解説：LLMの欠点？なぜ楊立昆のAMIはWorld Model路線に賭けるのか）
Meta AIの研究者、Zhuokai Zhaoは最近、ソーシャルプラットフォーム上で、現在のAI分野におけるいわゆるworld modelは少なくとも五つの異なる技術路線に分かれると指摘しています。彼は、これらの方法は直接競合するものではなく、異なる側面の問題を解決していると考えています。
JEPA：物理理解の圧縮
Spatial Intelligence：3D世界の再構築
Learned Simulation：模擬世界でのAI訓練
NVIDIA Cosmos：インフラ提供
Active Inference：新たな知能理論の提案
彼は、これらの境界線はやがて曖昧になっていくと予測しています。
路線1：LeCunのJEPA、抽象空間で世界を理解
Zhaoは、第一のworld modelはJoint Embedding Predictive Architecture（JEPA）であり、その代表者はヤン・ルカン（Yann LeCun）であると考えています。
JEPAの核心思想は、AIはすべてのピクセルを予測しようとすべきではなく、抽象的な表現空間の中で未来を予測すべきだということです。
実世界では、多くの詳細は予測不可能です。例えば、光の変化、葉の位置、表面の質感などです。モデルがすべてのピクセルを生成しようとすると、多くの無意味な詳細を処理しなければなりません。
JEPAのアプローチは、まずエンコーダーを用いて画像や映像を抽象表現に変換し、その表現空間内で隠された部分を予測することです。こうして、モデルは「ボールがテーブルから落ちる」といったことを学習し、各フレームを生成する必要はありません。
MetaのV-JEPA 2は、最も代表的な実験成果の一つです。このモデルは100万時間の映像データを用いて自己教師あり学習を行い、その後わずか62時間のロボットデータだけで、ゼロショット計画をサポートする動作条件付き世界モデルを生成できるようになっています。ロボットは候補動作列を生成し、それを世界モデルに入力して、予測結果と目標映像が最も一致する列を選択します。この方法は、訓練中に見たことのない物体や環境にも適用可能です。
この高いデータ効率性こそ、AMIがJEPAアーキテクチャに賭ける重要な理由です。表現が十分に良ければ、すべてのタスクをゼロから列挙する必要はありません。AMI Labsは、LeCunがこの技術を研究から実用へと推し進める試みです。彼らはまず医療やロボット分野をターゲットにしていますが、これは長期的な投資であり、CEOは商業製品の登場には数年かかる可能性があると公言しています。
路線2：李飛飛の「空間知能」
もう一つの有名な路線は、李飛飛が創設したWorld Labsによるものです。
（AIの母李飛飛は誰？新興ユニコーン企業World Labsが輝達、AMDの支援を受けて資金調達）
JEPAの「未来予測」とは異なり、李飛飛の核心問題は「世界は三次元空間の中でどのように見えるのか？」です。彼女が提唱する概念はSpatial Intelligence（空間知能）と呼ばれ、真の理解には明確な空間構造：幾何学的形状、深度、持続性、そして新しい視点からシーンを再観察する能力が必要だと考えています。これは、単なる時間予測とは異なります。JEPAが抽象的な動力学を学習するのに対し、空間知能は環境の構造化された3D表現を学び、それに直接操作を加えることができる点が異なります。
World Labsの製品Marbleは、画像、テキスト、映像から持続可能な3D世界を生成します。従来の映像生成モデルと異なり、Marbleは真の3Dシーンを生成し、視点の自由な移動、物体の修正、3Dモデルの出力が可能です。これにより、単なる生成モデルではなく、3Dクリエーションエンジンに近づいています。
路線3：DeepMindの「学習型模擬世界」
三つ目のworld modelは、学習型シミュレーション（Learned Simulation）です。
代表的な研究例は：
DeepMind Genie 3
Dreamerシリーズ
Runway GWM-1
これらのモデルは、インタラクティブな模擬世界を構築し、その中でAIが学習できることを目指しています。
路線4：NVIDIAのPhysical AIインフラ
四つ目のworld modelは、直接モデルを構築するのではなく、エコシステム全体をプラットフォーム化することです。代表的な企業はNVIDIAで、彼らのCosmosプラットフォームは以下のインフラを提供します。
映像データ処理
ビジュアルトークナイザー
モデル訓練
展開サービス
Cosmosの世界基盤モデル（World foundation models）は、2000万時間の実映像データを用いて訓練され、トークン規模は900兆に達します。
（NVIDIAのAlpamayoエコシステム登場：AI自動運転に推論能力を付与し、意思決定の理由も説明可能に）
NVIDIAの戦略は明確です：世界モデルを作ることにこだわらず、誰もが世界モデルを構築できるツールを提供することです。
路線5：Active Inference（神経科学派）
最後の路線は神経科学理論に基づきます。代表者は神経科学者のKarl Fristonで、彼が提唱した有名なFree Energy Principle（自由エネルギー原理）です。従来の強化学習と異なり、Active InferenceはAIを絶えず世界理解を試みる生物のように捉えます。行動を取りながら、環境の予測をより正確にし、「予想と違うこと」を減らすことを目的としています。
会社VERSES AIのAXIOMシステムは、オブジェクト指向モデルを採用し、各物体は独立した実体として扱われ、ベイズ推論によって信念を更新します。深層ニューラルネットの勾配学習に依存しません。この構造は、説明性、組み合わせ性、非常に高いデータ効率性を持ちます。AXIOMは2025年4月に商用製品（Genius）をリリースし、標準的な制御タスクにおいてRLのベースラインと競合できる性能を示しながらも、使用データ量は数桁少ないことが特徴です。
AIの次の戦場：世界理解
Zhaoは最後に、これら五つのworld model路線は互いに排他的ではなく、それぞれ異なる問題を解決していると指摘しています。
JEPA：物理理解の圧縮
Spatial Intelligence：3D世界の再構築
Learned Simulation：模擬世界でのAI訓練
NVIDIA Cosmos：インフラ提供
Active Inference：新たな知能理論の提案
AIがロボット、自動運転、物理AI（Physical AI）へと進化するにつれ、これらの技術は今後急速に融合していく可能性があります。
この記事は、Meta研究員が明かすWorld Model五大派閥：楊立昆、李飛飛が賭けるAIとは何か？として、ABMediaに最初に掲載されました。
