現実のシーンを、継続的に更新され、計算可能な4Dデジタル世界へと再構築する。
允中／凹非寺発
量子位 | 公众号 QbitAI
1体のデジタルショウジョウバエが「脳のアップロード」をトレンドに押し上げたばかりのなか、中国のチームは、その実現において最も補完が難しい3つの領域に狙いを定めた。
LIFによる単純化されたニューロンでは満足しない。あらかじめ設定された物理シミュレーション環境でも満足しない。まして、ただ動くだけのデジタル動物を作るだけでは終わらせない。彼らが目指すのは、高精度な脳モデル、現実のシーンから構築されたデジタル世界、そして身体をまたぐインターフェースをつなぐことだ。
今年3月、Eon Systemsは、仮想環境で餌を探し、触角を手入れする「デジタルショウジョウバエ」を発表した。成虫のショウジョウバエのコネクトームを基盤とし、約14万個のニューロンと5000万本のシナプス結合を扱う。さらに、87個の独立した関節を持つ生体力学的な身体を接続することで、神経活動、身体運動、環境からのフィードバックが初めて完全なループを形成した。
動画が公開されると、「ショウジョウバエの脳がアップロードされた」という言説が瞬く間に広まった。しかし、Eon Systems自身はかなり慎重な姿勢を示している。現時点で採用されているのは、単純化されたリーキー積分発火ニューロンモデルであり、脳と身体の間の一部のマッピングも人手で設定されている。対象となる感覚入力と行動も、まだごく一部に限られている。これは非常にインパクトのある研究プラットフォームであり、概念実証ではあるものの、完璧に複製された生物としてのショウジョウバエではない。
まさにこのタイミングで、中国の知跃空间智能はDeepSoma（知跃灵物）を発表した。同社はこの製品を「もう1体のデジタル動物」と定義するのではなく、より基盤に近い全脳シミュレーション・プラットフォームの構築を試みている。現実世界を計算可能な環境へと変換し、生物学的制約と全脳の結合構造を実行可能なモデルに変換したうえで、そのモデルをさまざまな身体に接続するのだ。
一言でいえば、Eon Systemsが示したのは「単純化されたショウジョウバエの脳が、物理シミュレーションされた仮想身体をどのように動かすか」である。
DeepSomaが示したのは、さらに大胆な成果だ。完全に再現されたショウジョウバエの脳を、現実の世界と現実の身体のなかで直接動作させるのである。
では、本当にEon Systemsの「強化版」なのか？
単純化されたデジタルショウジョウバエだけでも十分に興味深い。しかし、DeepSomaにとって、それはゴールではない。むしろ、最も補完が難しい3つの領域に狙いを定めたのである。
- モデル層：
Eonが公開している方式は、コネクトームに基づくLIFショウジョウバエ脳モデルだ。一方、DeepSomaは、精密なニューロンの生物物理モデリングを重視している。
Eonは、約14万個のニューロンと5000万本のシナプス結合を、リーキー積分発火（LIF）モデルによって表現している。比較的単純で効率的な神経ダイナミクスを用いて、ショウジョウバエの脳と身体の閉ループを構築した。
一方、DeepSomaは単一ニューロンの内部まで掘り下げてモデル化する。樹状突起、細胞体、膜電位、イオンチャネル、シナプスなどの生物物理学的メカニズムを、解を求めることができ、観測も可能な計算状態へと変換し、さらにconnectomeに沿って神経回路と全脳ネットワークへと接続する。
前者がショウジョウバエの脳の回路を動作させるのに対し、後者は回路を構成する一つひとつの計算単位に入り込み、知能が実際にどのように計算されているのかを明らかにしようとしている。
- 世界層：
Eonのショウジョウバエは、物理シミュレーション環境で知覚と行動のループを形成する。一方、DeepSomaはまず、現実のシーンを継続的に更新される、計算可能な4Dデジタル世界へと再構築する。
Eonが公開したデモは、MuJoCo物理エンジンと仮想ショウジョウバエの身体に依存しており、あらかじめ設定されたシミュレーション環境のなかで感覚入力を受け取り、行動を生成し、フィードバックを得る。DeepSomaはシミュレーションにとどまらず、現実世界から幾何学的情報、意味情報、時空間情報、物理情報をどのように復元するかをより重視している。これにより、脳により現実に近い訓練環境を提供する。
- プラットフォーム層：
Eonが非常にインパクトのあるデジタルショウジョウバエの事例を示したのに対し、DeepSomaは、現実世界のモデリング、精密な全脳計算、身体をまたいだAgent接続を、一つの完全なプラットフォームとして統合しようとしている。
DeepSomaは、この一連の流れをBuild Worlds、Run Brains、Embody Intelligenceと整理している。
世界層はインタラクティブな環境を提供し、脳層は精密なニューロンから全脳connectomeに至るまでのダイナミクスを実行する。そしてAgent層では、同じ脳モデルをデジタル動物、生物実験システム、ロボットアーム、人型ロボットなどにマッピングする。身体の行動が世界を変え、世界の新たな状態が再び脳に入力されることで、最終的にEnvironment → Brain → Agent → Environmentというループが閉じる。
もちろん、プラットフォームの範囲が広く、ニューロンのモデリングが精密になるほど、検証のハードルも高くなる。プラットフォームは、より大規模な全脳ネットワークを安定して動作させられるのか。シミュレーション結果と実際の神経活動は、どの程度一致するのか。脳と身体のマッピングによって、人手で設定するルールを減らせるのか。身体をまたいだ移植を、公開タスクで再現できるのか。これらの問いについては、知跃空间智能という若い企業が、今後少しずつ探究し、より正確な答えを示していく必要がある。
Physical AIには、独自の「PyTorchモーメント」が本当に必要なのかもしれない
現在、Physical AIはAI産業における新たな方向性となりつつある。
知能が本当に物理世界へ入り込むなら、必要なのはより大きなモデルでも、より多くのデータでもない。まったく新しいAI技術のパラダイムだ。
知跃空间智能は、新たな技術パラダイムを創出する役割をDeepSomaに託した。
DeepSomaの位置づけは、次のように要約できる。Build Worlds. Run Brains. Embody Intelligence。世界を計算可能にし、脳を実行可能にし、知能を移植可能にする。
これは、PyTorchを容易に想起させる。PyTorchは現在、ディープラーニングで最も広く使われている開発フレームワークの一つだ。ニューラルネットワークがどのような形でなければならないかを規定するのではなく、モデルの定義、学習、実行のための共通基盤を提供している。DeepSomaが目指すものも、それに似ている。ただし、計算対象をデジタル世界のネットワークから、物理環境、生物の脳構造、エージェントによって構成される閉ループへと拡張する点が異なる。
おわりに
大規模モデルがますます流暢に話し、見て、推論できるようになるなか、次に待ち受ける本当の難題は、画面のなかでより巧みに答えさせることではない。絶えず変化する世界で、継続的かつ安定的に動作させることだ。一見すると生物にとって最も基本的な生存能力だが、そこにはAIが試されている。
この局面で、ますます多くのチームが、生物の脳からPhysical AIの知能の秘密を探ろうとしている。Eon Systemsは1体のデジタルショウジョウバエによって、「脳のアップロード」を一般の人々の前に示した。一方、DeepSomaが賭けているのは、将来本当に重要になるのは特定の脳をアップロードすることではなく、世界と脳と身体が共に進化できる計算システムを作り出すことだという考えだ。
この道筋が実を結べば、Physical AIの次なる飛躍は、より大きなモデルやより多くのデータから生まれるだけではない。より古く、そしてより効率的な計算の原型――生命そのものから生まれる可能性がある。