生物と未来の身体化AIにおける接地世界モデル

要旨

近年、生成的AIおよび具現化AIの進展は、マルチモーダルデータにわたる大規模予測学習によって推進されてきた。しかし、その結果として得られるシステムは、言語的規則性が他のモダリティからの情報を結びつける足場となるような、受動的な学習体制に依然として大きく依存している。一方、神経科学と認知科学は、生物学的知性がこれとは逆の方法で組織化されていることを示唆している。すなわち、環境との相互作用を通じて獲得された接地された世界モデルが、言語が結びつく意味的足場を提供するのである。本稿では、接地された世界モデルを支える神経回路の5つの例を提示する。これらは、物理的空間および概念的空間におけるナビゲーション、アフォーダンスに基づく知覚と物体との相互作用、能動的知覚と探索的学習、アロスタティック制御と情動、そして自己由来の結果と世界由来の結果の区別を基盤としている。これらの例は、現在の具現化AIに欠けているいくつかの特徴を浮き彫りにする。すなわち、学習の基盤としての内在的ダイナミクスの役割、これらのダイナミクスを外界と整合させる際の行動の中心性、外部から提供されるデータを受動的に同化することよりも自律的経験と開かれた学習が重要であること、そして初期の予測および制御機構が、推論、概念的ナビゲーション、計画、想像、他者の心の理解、コミュニケーションといった高次の認知能力の足場となるという事実である。最後に、生物学的システムから導出された原理が将来の具現化AIに情報を提供し得るかどうか、またその方法について議論する。これには、接地されているだけでなく社会的に共有され、人間の規範や価値観と整合した世界モデルを構築するための社会的相互作用に基づく学習体制が含まれる。

English

Recent advances in generative and embodied AI have been driven by large-scale predictive learning over multimodal data. However, the resulting systems remain largely based on passive training regimes where linguistic regularities create the scaffold onto which information from other modalities is attached. Conversely, neuroscience and cognitive science suggest that biological intelligence is organized in the opposite way, where grounded world models acquired through interaction with the environment provide the semantic scaffold to which language is attached. Here, we illustrate five examples of neural circuits supporting grounded world modelling, which underlie navigation in physical and conceptual spaces, affordance-based perception and interaction with objects, active perception and exploratory learning, allostatic control and emotion, and the distinction between self- and world-generated outcomes. These examples highlight several features largely missing from current embodied AI, including the role of intrinsic dynamics as a foundation for learning, the centrality of action in aligning these dynamics with the external world, the prominence of autonomous experience and open-ended learning over passive assimilation of externally provided data, and the fact that early predictive and control mechanisms scaffold higher cognitive abilities such as reasoning, conceptual navigation, planning, imagination, understanding others' minds, and communication. Finally, we discuss whether and how principles derived from biological systems may inform future embodied AI, including training regimes based on social interaction to construct world models that are not only grounded but also socially shared and aligned with human norms and values.

生物と未来の身体化AIにおける接地世界モデル

Grounded world models in biological organisms and future embodied AI

要旨

Support