AI世界モデルが人間の行動を予測するには、物理対象だけでなく信念や感情といった心的状態を追跡する必要があると研究が示した。
8つの言語モデルを448決定シーンでテストした結果、MWMと呼ぶフレームワークが予測精度を直接回答のみの63.3から87.9F1スコアに改善した。
心的・物理状態の変化シミュレーションがボトルネックだ。
何が起きたか
研究者らは心的世界モデリング（MWM）を開発した。AI世界モデルを拡張し、信念や注意、目標、感情といった心的変数を物理状態と並行して追跡するフレームワークだ。訓練不要な実装MENTIS を構築し、GPT-5.6-Sol、GPT-4.1、Claude Opus 4.8、Claude Haiku 4.5を含む8つの言語モデルからの回答を集めた448決定シーンのデータセット Menti-Bench でテストした。
なぜ重要か
現在のAIモデルは、隠れた心的状態が重要なシナリオで人間の行動を予測できない。例えば、本人が知らないうちにカップが移動された場合の人の行動などだ。MWMフレームワークは、単に回答をより多くサンプリングするだけでは解決しないことを示す。最弱モデルMWM装備版（GPT-4.1、F1スコア84.9）が、最強モデルの直接回答・自己一貫性版（GPT-5.6-Sol、83.6）を上回った。対人シーンではMWMが26.4ポイントF1を改善し、対象物シーンでは14.0ポイント改善した。日本の企業が開発・導入する言語モデルが人間の信念や心的状態を考慮しない場合、隠れた前提条件下での人間行動予測に失敗する可能性がある。
なぜ重要か
研究は人間パフォーマンス（98.5スコア）への残存ギャップの約80パーセントが、状態遷移シミュレーション──物理・心的世界が結合して変化する過程──の誤りに由来することを明かした。心的チャネルのみを除去すると平均12.1ポイントのF1損失、物理チャネル除去では16.5ポイント損失となる。著者らは、今後の改善は生モデル容量ではなく、これら遷移のより優れたシミュレーションに焦点を当てるべきだと主張している。
世界モデル──シーンで次に何が起きるかを予測するシステム──は、大規模言語モデルの成功後、研究の主要な焦点となってきた。最近Google Deepmindの運用責任者を退いたDemis Hassabisは、研究時間の大半を世界モデルに費やしており、この分野における「ChatGPT的瞬間」を予期していると述べている。しかし分野はいまだ世界モデルの定義で合意を欠いている。Soraのようなテキスト・ビデオモデルは現実とのフィードバックループがないとして除外する提案もあれば、生成的アプローチ全体に反対し抽象表現を支持する批評家もいる。
MWMフレームワークは、先行研究がすでに特定していた特定の失敗モード──心の理論テスト（他者の信念推論）で言語モデルが苦労し、世界状態追跡ではさらに悪化する──に対処している。Meta FAIR研究室チームとワシントン、カーネギーメロン大学の研究者らがこれらのギャップを直接示していた。興味深いことに、Anthropicが最近Claudeの内部スクラッチパッドを発見した。多段階推論を支える隠れた単語風思考層だが、これは心的状態追跡に類似した何かが、明示的に設計されなくても、モデル内部で形成されている可能性を示唆している。
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できます
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
トムソン・ロイターは1日、初の独自大規模言語モデル「Thomson」を発表した
小米（Xiaomi）が、折りたたみスマートフォン向けに加え、AIアクセラレーションと自動運転向けの3つのXringプロセッサを発表した
アマゾンは投資家に対し、2026年の設備投資額が従来計画より200億ドル多い2200億ドルになるとの見通しを表明した
トムソン・ロイターは、アリババのQwenを基にした初の自社言語モデルを公開した
Canonicalはブリストル大学での3年間の博士課程プロジェクトに共同出資し、大規模なCコードベースを安全で動作的に正しく、保守可能なRustへ翻訳するLLMの活用を調査する
8月10日から9日間で、Meta（Muse Glimmer）、NVIDIA（Nemotron 3.5 Lightning）、Alibaba Cloud（Qwen3.8-27B）が約30Bパラメータのオープンウェイトモデル…
