Yann LeCun の AMI Labs が大規模言語モデルを超えて AI を推進する JEPA 世界モデルを構築

Yann LeCun 氏の AMI Labs は、物理的現実を推論する JEPA ベースの世界モデルを開発しており、LLM はロボット工学において人間レベルの知能に到達することは決してないと主張しています。

チューリング賞受賞者のヤン・ルカン氏は、今日最も有名な AI システムは、真のインテリジェントなマシンへの道ではないと述べています。パリを拠点とする彼のスタートアップ、Advanced Machine Intelligence Labs (AMI Labs) では、元メタの主任 AI 科学者である彼は、ネズミや幼児と同じように物理世界を理解できるように設計された、根本的に異なる種類のモデルを構築しています。

LeCun 氏は、パリで開催された VivaTech カンファレンスの傍らで BBC のインタビューに応じ、ChatGPT、Claude、Gemini などの大規模な言語モデルには実際の用途があるが、限界があると主張しました。これらの限界について研究者や投資家がどのように考えているかを形作る AI 業界の報道について詳しくは、LLM 時代の後に何が起こるかについての広範な議論が、この分野で最も重要な問題の 1 つとなっています。

「ネズミほど物理世界を理解する能力に優れたロボットは存在しません」とルカン氏は言う。彼は 10 年間チーフ AI サイエンティストを務めた Facebook 所有者の Meta を 2025 年に退社し、代替アーキテクチャを追求するために AMI Labs を設立しました。

LeCun 氏が LLM だけでは不十分だと語る理由

LeCun 氏は、LLM はコーディング、数学的問題の解決、テキストの生成など、明確に定義された予測可能なタスクに優れていると主張します。しかし、これらの強みがより深い限界を曖昧にしていると彼は主張する。システムは現実を推論するのではなく、統計パターンを操作するのだ。

「彼らは基本的に知識を蓄積するだけです」と同氏はLLMについて語った。「彼らは何かを吐き戻すことができ、吐き戻すように訓練することもできますが、彼らは特別賢いわけではありません。彼らは根本的な理解を持っていません。」

このギャップを説明するために、ルカン氏はペンのバランスを立ててペン先を立てて放します。彼は、ペンが倒れることは幼児でも知っているが、ペンが落ちる正確な方向を予測しようとする人間はいないだろうと指摘する。対照的に、LLM は、トレーニングデータ内のパターンに基づいて単一の予測を生成しようとします。モデルは物理的な状況について推論していないため、その予測はほぼ確実に間違っています。それは統計的にもっともらしく見えるものを生み出しています。

「LLM はロボット工学にとってほぼ絶望的です」と LeCun 氏は率直に言いました。「LLM をスケールアップするだけで、超人間的な知能に到達できるという主張は、まったく実現しないのです。」

JEPA の仕組み

AMI Labs が開発しているアーキテクチャは、Joint Embedding Predictive Architecture (JEPA) と呼ばれます。 JEPA は、次の単語やピクセルを予測するのではなく、現実世界の抽象化を作成し、アクションの起こり得る結果を比較検討します。

これらの抽象化の構築には複雑な数学が必要ですが、原理は単純です。モデルは無駄な詳細を除外し、世界の有用な表現だけを残します。ペンの例では、JEPA ベースのシステムは、落下の正確な方向を予測することは無意味であることを理解し、代わりに意思決定にとって実際に重要な抽象レベルで状況を表現します。

このアプローチは、AMI Labs を、いわゆるワールドモデルを中心とした拡大する運動の中に位置づけます。これは、AI システムに環境の動作の内部シミュレーションを提供し、単にテキストを生成するだけでなく計画して行動できるようにすることを目的としています。

競争の分野

投資家はルカン氏が何かに気づいていることに賭けている。 2026年初め、AMI Labsはシード資金調達ラウンドで10億ドル（7億6,000万ポンド）以上を調達したと発表した。支援者には米国の半導体大手エヌビディアやアマゾン創業者ジェフ・ベゾスの私財を管理するファンドなどが含まれる。これは、ヨーロッパのスタートアップ史上最大規模のシードラウンドの 1 つでした。

AMI Labs だけがこの競争に参加しているわけではありません。オックスフォード大学では、イングマール・ポズナー教授が応用 AI ラボを指揮し、約 10 人のチームを率いています。このチームは、AI が効率的に記憶、組み合わせ、変更できるように知識を構造化する、彼が「機械論的世界モデル」と呼ぶ代替アプローチに 4 年を費やしてきました。

ポズナー氏はBBCに対し、「今後10年は実際に説明できるシステムが重要になるだろうというのが私の見解だ」と語った。「何が重要なのか、何が原因なのか、何か他のことをしたらどうなるのか、といった質問に答えられるモデルが必要です。」

その系譜は、デビッド・ハ氏とユルゲン・シュミットフーバー氏による2018年の影響力のある論文にまで遡る。論文では、コンピューティングと機械学習の進歩により、AIは純粋に学習された世界のメンタルシミュレーションからタスクを学習できるようになる可能性があると主張した。それ以来、このアイデアは、Google のドリーマーワールドモデルを含む重要な研究のきっかけとなりました。このモデルのバリエーションは、将来のシナリオを想像することで Minecraft でダイヤモンドを収集することを学習しました。 Alphabet の DeepMind は Genie モデルの開発を継続しており、ロンドンに本拠を置く Wayve は Gaia と呼ばれるシステムを持っており、AI のパイオニアである Fei-Fei Li は同様の目標を追求するために 2023 年にサンフランシスコに World Labs を設立しました。

ロボット工学の必須事項

世界モデルへの推進は主にロボット産業によって推進されており、ロボット産業は人型ロボットに数十億ドルを注ぎ込み、その物理的功績は年々目覚ましいものとなっています。しかし、アイロンがけや食器洗い機への投入などの家事作業を安全に実行できるようにこれらの機械をトレーニングすることは依然として困難で費用がかかるため、現在の AI モデルはその環境には決して十分ではないとルカン氏は主張する。

LeCun氏は、AMI Labsは2026年の残りの期間をモデルの改良に費やし、2027年には産業環境への導入を開始したいと述べた。それが成功すれば、野心は大幅に拡大するだろう。

「最終的には、最小限のトレーニングや微調整で世界中のほぼあらゆるものに適用できる、ある種の汎用インテリジェンスシステムが誕生するでしょう」と同氏は述べた。

その未来で人間はどうなるのかについて、ルカン氏は楽観的だ。 AIが有能な代理人として機能する一方で、何を構築するか、どの質問をするかを決めるのは依然として人々だ、と同氏は述べた。

「将来の AI システムとの私たちのやりとりは、たとえ彼らが私たちより賢かったとしても、産業のリーダーや政治指導者とそのアシスタントのスタッフとのやりとりのようなものになるでしょう。彼らの多くは彼らよりも賢いのです。」