1. インパクト要約：パターンの「模倣」から生存のための「推論」へ
2020年代前半、AI産業は「スケーリング則」という一つの神話に支配されていました。パラメータ数を増やし、学習データをテラバイト単位で投入すれば、知能は無限に向上するという確信です。確かに、GPT-3（1750億パラメータ）からGPT-4以降のMixture-of-Experts（1兆パラメータ超）への進化は、言語処理と画像認識において人間レベル、あるいはそれ以上の精度を達成しました。
しかし、2026年現在、私たちは一つの冷厳な事実に直面しています。「言葉を巧みに操るAI」と「物理世界で自律的に動くAI」の間には、単なる計算量では埋められない断絶があるということです。
これまでは「過去のデータ分布に基づくパターンマッチング（受動的予測）」が技術の限界でしたが、今後は自由エネルギー原理に基づく「能動的推論（Active Inference）」と「世界モデル」の実装によって、未知の環境下でも自己維持・適応可能な物理AI（Embodied AI）が可能になります。
マイケル・バーナード氏が著書『Plastic Dinosaur』で指摘し、2026年に再評価したこの視点は、AI開発の潮目が「クラウド上の知能」から「身体性を持つエージェント」へ不可逆的にシフトしたことを示唆しています。これは、テスラやWaymoが直面している「ゼノンのパラドックス（99.9%から先が進まない現象）」を打破する唯一の解であり、産業用ロボットや自動運転のパラダイムを根本から書き換えるものです。
2. 技術的特異点：なぜLLMだけでは「身体」を持てないのか
大規模言語モデル（LLM）は、インターネット上のテキストデータという「化石（過去の記録）」を学習した、極めて高度な統計的オウムです。バーナード氏が「プラスチックの恐竜（Plastic Dinosaur）」と呼ぶこの状態は、外見や振る舞いは本物のように見えますが、内部には「生きたい」「バランスを保ちたい」という動機（内部状態）が存在しません。
この欠落こそが、物理世界での適応を阻む最大の要因です。ここで、ヤン・ルカン氏が提唱する「世界モデル」と、カール・フリストン氏の「自由エネルギー原理」が交差します。
ヤン・ルカン「AMI Labs」と世界モデルの衝撃の解説でも触れたように、現在の自己回帰型LLMは「次に来るトークン」を予測するだけですが、世界モデルは「自分の行動が環境をどう変えるか」をシミュレーションします。そして、フリストンの理論はさらに一歩踏み込み、知能の本質を「サプライズ（予測誤差＝自由エネルギー）を最小化するための能動的な行動」と定義します。
技術的断絶の構造比較
従来のAIと、今後求められる身体性AIの違いをエンジニア視点で整理します。
| 項目 | 現在の主流 (LLM/Transformer) | 次世代の要件 (Active Inference Agent) |
|---|---|---|
| 基本原理 | パターン認識と次点予測 | 自由エネルギー（予測誤差）の最小化 |
| 学習データ | 静的なデータセット（Webテキスト/画像） | 動的な環境相互作用（フィードバックループ） |
| 推論の方向 | 入力 → 出力 (Feedforward) | 予測 → 感覚入力との照合 → 行動による修正 (Circular) |
| 未知への対応 | 分布外(OOD)データに脆弱（幻覚を起こす） | 内部モデルを修正するか、環境を変えて予測に合わせる |
| 身体性 | なし（クラウド上の純粋知性） | あり（エネルギー恒常性を維持する自律体） |
テスラのOptimusや現行のFSD（Full Self-Driving）は、視覚情報をニューラルネットに入力し、ステアリング操作を出力するという点では高度ですが、本質的には「高度な反射神経」の実装に留まっています。これに対し、2026年以降のブレイクスルーは、AIが「バッテリー残量（内部ニーズ）」や「物理法則（外部制約）」を理解し、自己を維持するために環境へ働きかけるホメオスタシス（恒常性維持）の実装にかかっています。
3. 次なる課題：「触覚の不在」と「推論コスト」
理論的な枠組み（世界モデル＋自由エネルギー原理）が見えたとしても、実装には物理的な壁が存在します。特に、「触覚（Touch）」データの欠如は致命的です。
3.1 視覚の勝利と触覚の敗北
2010年代、ImageNetコンペティションを通じて視覚認識（Vision）のエラー率は25%から5%未満へと劇的に改善しました。視覚データはYouTubeやInstagramに無尽蔵にあり、自己教師あり学習が可能だったからです。しかし、ロボティクスには同様の「TouchNet」が存在しません。
- 課題: 卵を割らずに掴む、油で滑る部品を回すといった動作には、ピクセル情報（視覚）ではなく、圧力・摩擦・温度といったマルチモーダルな触覚フィードバックが必要です。
- 現状: 現在の基盤モデルは、テキストと画像（CLIP等）の関連付けには成功していますが、触覚信号をトークン化し、言語モデルと統合するプロセスは未発達です。
3.2 リアルタイム推論のエネルギー収支
「能動的推論」を行うエージェントは、常時未来をシミュレーションし、感覚入力との誤差を計算し続けます。これは、入力に対して一度だけ計算を行う従来の推論に比べ、計算コストが指数関数的に増大します。
- ボトルネック: 現在のGPUクラスターに依存した推論モデルを、バッテリー駆動のエッジデバイス（ロボット）に搭載するには、推論効率（ワットあたりの知能）を数桁改善する必要があります。ここでの指標は「精度」ではなく、「エネルギー自律性」です。
4. 今後の注目ポイント：事業責任者が追うべきKPI
技術責任者や事業責任者は、単なる「デモ動画の滑らかさ」に惑わされてはいけません。以下のKPIが改善された時こそ、その技術が研究室を出て実用化段階に入ったサインです。
KPI 1: 介入なしでの稼働時間（Mean Time Between Interventions due to Entropy）
従来のMTBF（平均故障間隔）とは異なり、AIが「未知の状況」や「エネルギー不足」に直面した際、人間が助けに入らずに自己調整（充電ステーションへ戻る、試行錯誤してタスクを完遂する）できた時間の長さ。これが数分から数時間へ伸びることが、実用化の絶対条件です。
KPI 2: 触覚データのトークン化密度
視覚と言語に加え、触覚データ（力覚、滑り覚）をどれだけ大規模に学習済みモデルに統合できているか。
– チェックポイント: テスラやNVIDIA、あるいは新興ロボティクス企業が、視覚データと同等の規模で「物理相互作用データセット」を公開・活用し始めた瞬間が転換点となります。
KPI 3: OOD（Out of Distribution）耐性の数値化
学習データに含まれない状況（例：見たことのない形状のドアノブ、想定外の床の摩擦係数）に遭遇した際、フリーズせずに「探索行動（Active Exploration）」を行えるか。
– 指標: タスク失敗率ではなく、「未知環境への適応速度（何回の試行で成功に至るか）」が評価軸になります。
5. 結論：プラスチックの恐竜に命を吹き込む
2026年、私たちはAI開発の大きな分岐点に立っています。
過去5年間、私たちは「プラスチックの恐竜」を極限まで精巧に作ることに成功しました。GPT-4やClaudeのようなモデルは、知性の見事な「標本」です。しかし、それらは自ら動き出し、世界と格闘することはありません。
技術責任者が今認識すべきは、LLMのパラメータ競争はもはやロボティクスの進化とは相関しなくなっているという事実です。
今後の勝者は、膨大なテキストデータを学習させた企業ではなく、「世界モデルによるシミュレーション」と「自由エネルギー原理による制御」を統合し、触覚というラストワンマイルのデータを制した企業になるでしょう。
アクションプラン:
1. 脱LLM依存: 言語モデルの性能向上のみに依存したロボット制御プロジェクトは見直す必要があります。
2. 触覚データの蓄積: 自社の製造ラインやオペレーション現場から、視覚以外の物理データ（トルク、圧力、振動）を収集するパイプラインを即座に構築してください。これが数年後のプラットフォーム競争における最大の資産となります。
3. 自律性の再定義: ロボットの評価軸を「精確な動作」から「環境への適応能力」へシフトさせてください。
静的なパターンの時代は終わりました。これからは、動的な推論と生存の時代です。
