ワールドモデルWorld Model

次に何が来るかを持っておく模型

ワールドモデルがすることは一文にまとまります。今の状態と今取った行動を受け取り、次の状態を差し出すことです。コップを押せばコップが滑り、もっと押せば端から落ち、落ちれば音がします。こうしたつながりを持たせているのです。

この模型は人が規則を書き込んで作るのではありません。世界を経験した記録をたくさん見せて、次の瞬間を当てさせながら自然にできあがるようにします。次の瞬間をうまく当てるには何が何に影響するかを知らなければならないので、当てることを繰り返すうちにつながりが内側に持たれます。

持たれるのは物理の公式ではなく、もっと大まかな感覚に近いものです。公式はなくても「これくらい押せばこれくらい転がる」をそこそこ当てます。

なぜ前もって試すのか

試行錯誤で覚える方式は、実際にやってみないと結果が分かりません。画面の中の遊びなら数万回繰り返してもよいですが、実際の機械なら一度の失敗が部品を壊し、一度の試みに何分もかかります。

模型があればこの負担が消えます。内側で「左へ行けば」「速度を落とせば」「待てば」といろいろな枝を広げてみたあと、一番よさそうなものひとつだけを実際に行います。実際の試み一回に想像を何百回も重ねるようなもので、はるかに少ない経験で学べます。

安全であることも大きな理由です。危険な状況ほど実際に経験させにくいものですが、模型の中ならぶつかっても何も起きません。経験しにくい状況をわざと頻繁に作って練習させることもできます。

何を持ち何を捨てるか

画面をまるごと予測しようとすると手に負えません。だからたいてい観測をずっと小さな表現に押し込めて、その小さな場所で次を予測します。どこに何がどんな速さであるかといったものだけ残し、壁紙の模様や影のようなものは捨てます。

何を捨てるかが成否を分けます。あとで重要になるものを捨てると、その部分は予測できなくなります。画面の隅の小さな印が実は決め手だったのに、押し込む過程で消えてしまうことが実際に起こります。

小さく押し込めば良い点も大きいです。予測が軽くなるので想像をとても速く何度も回せます。実際の時間より数千倍速く先を見通すことができるのもこのおかげです。

ずれが積み重なる

一歩先はよく当てます。問題はその結果をまた入れて二歩、三歩とつなげるときです。最初の一歩の小さな誤差が次の入力になり、その上にまた誤差が乗ります。十歩ほど進むと模型の中の世界が実際とまるで違ってしまうこともあります。

だから想像は短く区切って使うのが普通です。数歩だけ先を見て実際に一歩動いたあと、実際の結果で状態を合わせ直し、また数歩先を見ます。実際の観測がずれを絶えずつなぎ止めているのです。

模型が自分でどれくらい自信があるかを一緒に出させる方法もあります。模型が自信のない場所では想像を信じず実際にやらせるようにするやり方です。

映像生成と出会う場所

最近は次の画面を絵として直接作り出す形が出てきています。方向キーを押すとそれに合う次の場面が作られ、また押すとその次の場面が作られる形なので、画面そのものが予測結果です。

それらしく見えることと役に立つことは違うという点は指摘しておく価値があります。目で見て滑らかでも、操作に一貫して反応しなかったり、さっき通った場所に戻ったとき違う姿が出てきたりすれば計画には使えません。見栄えのよい画面を作る力と、世界のつながりを保つ力は別に評価しなければなりません。