ワールドモデル
——AIは「世界の模型」を持っているか

主張 — 00AIに渡すべきは、指示ではなく世界の模型である

人間は、行動する前に結果を頭の中で先読みしている。ボールを投げれば放物線を描いて落ちること、熱いものに触れれば火傷することを、実際に試さずに知っている。この先読みを可能にしているのが、頭の中にある世界の縮小模型——本稿の主題であるワールドモデルである。

いま、ロボティクス、強化学習、動画生成、エージェント研究といった複数の最前線で、ワールドモデルが重要な研究テーマとして浮上している。言語モデルの次のフロンティアとして、行動するAI——ロボット、エージェント——には世界の予測模型が必要だという議論であり、同時に、言語モデルの内部にはすでに世界の構造の断片が形成されているという発見でもある。ただし本稿が最終的に向かうのは、その先にある問いである。模型は、頭の中やモデルの内部に閉じている必要があるのか。

AIに渡すべきは、指示ではなく世界の模型である——それも、人とAIが共同で参照・更新できる形で、外に置かれた模型である。

本稿の主張は三つである。

• ① 概念（01・02）——ワールドモデルという語は、現在少なくとも二つの異なる文脈で使われており、区別せずに読むと議論を誤る。「行動のために世界を予測する模型」と、「言語を学習した結果、内部に生まれていた世界の表現」である。
• ② 外部化（03）——ワールドモデルは個体の内部にしか存在できないものではない。地図や帳簿がそうであったように、模型は外に構築して共有できる。そしていま、外に置かれた模型を人間だけでなくAIも読める。人と複数のAIが同じ模型を共同で参照・更新する——本稿はこれを外部ワールドモデルと呼ぶ。
• ③ 組織実装（04）——AIを組織で働かせるとは、AIに組織のワールドモデルを渡すことである。汎用モデルが持つのは一般化された世界の模型であり、あなたの組織固有の規則・判断・権限は写っていない。前稿で外部化と呼んだものは、外部ワールドモデルの組織版にほかならない。

なお、あらかじめ断っておく。本稿が描く組織のワールドモデルは、明日導入できる仕組みの話ではない。介入まで扱える本来の意味での模型は、ほとんどの組織にとって、まだ先にある到達点である。ただし、そこへ向かう最初の一歩——共有世界表現として小さく始めること——は、今日から踏み出せる。本稿はその順序と道筋を示すものである。

予測模型 — 01ワールドモデルとは何か——AIが行動の結果を先読みする仕組み

1.1人間は、頭の中の模型で未来を先に試している

コーヒーカップを取るとき、私たちは腕の軌道を計算しているのではない。カップの重さ、滑りやすさ、倒れたときの結果を、掴む前に予測している。予測が外れたとき——思ったより軽かったとき——に初めて意識に上る。認知科学の一部は、この働きを、脳が世界の生成モデルを内部に持ち、感覚入力を予測し続けているものとして説明してきた。

重要なのは、この模型が世界の写真ではないことである。物理法則の教科書でもない。行動に必要な範囲だけを、行動に使える形で圧縮した模型である。ボールの軌道を微分方程式では知らないが、捕球には十分な精度で予測できる。

1.2柔軟かつ安全に行動するAIには、言語処理だけでなく、行動結果を予測する能力が求められる

この発想をAIに持ち込んだ系譜がある。強化学習では、環境の力学を学んで行動計画に利用するモデルベースの手法が以前から研究されてきた。2018年の「World Models」は、学習した潜在世界の中でエージェントを訓練する構成を鮮明に示し、この発想を広く印象づけた。近年では、自己教師あり学習によって映像から世界の抽象表現を学ぶアプローチや、プロンプトから操作可能な仮想世界そのものを生成するモデルが登場し、この系譜は生成AIの次の主戦場と目されている。

なぜ言語の次に世界なのか。テキストは世界の記述であって、世界そのものではないからである。言語データには、物体の持続性、因果の時間差、物理的な制約といった、世界のもっとも基本的な性質が、明示的にはほとんど書かれていない。書くまでもないからである。行動するAI——ロボット、自律エージェント——は、この書かれていない部分でつまずく。試す前に結果を予測できなければ、すべてを実世界で試すしかなく、実世界の試行は遅く、高価で、ときに危険である。

ワールドモデルは、この問題への回答である。模型の中で先に失敗させる。シミュレーションの中で繰り返し失敗させることで、実世界で必要な試行回数と、失敗のリスクを減らすのである。

図1で見るのは、ワールドモデルを持つ知能の基本ループ——観測・予測・行動・更新の循環である。

内部表現 — 02言語モデルは、世界をどこまで内部に再構成しているか

2.1系列を予測する過程で、盤面・空間・時間の表現が生まれる

01の系譜が「世界の模型を作ろう」という設計論だとすれば、こちらは逆方向の発見である。作ろうとしていないのに、できていた。

代表的な実験がある。ボードゲームのオセロの棋譜——「E3、D3、C4……」という手の記録——だけを学習させたGPT型のシーケンスモデルの内部を調べると、盤面の状態、つまりどのマスが黒でどのマスが白かの表現が形成されていた。モデルには盤面もルールも与えていない。手の並びから次の手を予測させただけである。それでも、次の手をうまく予測するためには盤面を「知っている」ほうが有利であり、モデルは学習の過程で盤面の模型を内部に作った。さらに、この内部表現へ介入すると出力される手が変わることも確認されている。

同種の報告は積み重なっている。地名を学習したモデルの内部に地理的な位置関係の表現が、出来事を学習したモデルの内部に時間軸の表現が見出されている。ただし報告した研究者自身、これらを完全なワールドモデルの確認ではなく、その基本的な材料と位置づけている。言語は世界の記述であるがゆえに、言語をうまく予測しようとする圧力は、世界の構造を内部に再構成する圧力になる。世界の構造が、人間の言語を経由して、モデルの内部表現へ影のように写り込む。

2.2内部の模型は、断片的で、検証しにくく、他者と共有できない

ただし、限界も同時に示されている。第一に、写り込んだ模型は断片的で、歪んでおり、どこが正確でどこが欠けているかを外から特定するのが難しい。第二に——本稿の転回にとって決定的な点だが——この模型は個体の内部に閉じている。学習によって獲得された内部表現はモデルのパラメータの中に保持されるが、人間がその内容を直接検査・修正することは難しく、通常は別のモデルへそのまま共有することもできない。そして、個別の対話の中で形成された状況理解は、外部へ保存・接続しなければ次のセッションへは引き継がれない。いずれにせよ、写り込みは共有されない。

二つの文脈を並べると、ワールドモデルという語の現在地はこう整理できる。

• 設計としてのワールドモデルROBOTICS / AGENTS行動のために、世界の予測模型を明示的に作る。ロボティクス・エージェント研究の系譜。
• 発見としてのワールドモデルINTERPRETABILITY系列予測の副産物として、世界の表現が内部に創発している。解釈可能性研究の系譜。

一方は「まだ足りないから作る」、他方は「すでにあるが不完全」。矛盾ではなく、同じ問題——AIはどこまで世界を知っているか——の両面である。そして両方に共通する暗黙の前提が一つある。模型は、知能の内部にあるものだという前提である。次章はこの前提を外す。

外部化 — 03ワールドモデルを外に置く——人とAIが同じ模型を参照・更新する

3.1地図・帳簿・設計図は、外部化された世界の模型だった

地図を考える。地図は、誰かの頭の中の空間認識を、紙の上に写し取ったものである。ひとたび外に置かれると、模型の性質が変わる。誰でも参照でき、誤りを指摘でき、更新できる。航海図は無数の航海者の観測で修正され続けた、共同更新される世界の模型である。設計図、帳簿、楽譜、組織図——人類の知的インフラの多くは、頭の中の模型を外に置いて共有可能にしたものだと言える。科学はその最大の事例である。論文・数式・データという外部の模型を、共同体全体で参照し、検証し、更新し続ける営みだからである。

02で見た内部模型の限界——断片的で、検証しにくく、個体に閉じている——は、外部化によって観測・検証・修正の対象にできる。外に置いても、模型が自動的に正しくなるわけではない。だが、どこが書かれていてどこが空白かが見え、誤りは指摘でき、そして何より、一人の頭の中に閉じない。

もっとも、外部の模型を機械が読むこと自体は、新しいことではない。データベース、数値シミュレーター、CAD、知識グラフといった形式モデルは、以前から機械によって処理されてきた。ただしそれらは、機械のために設計された厳密な形式を前提としていた。変わったのは、ここである。

3.2人間のために書かれた成果物が、AIにも読める共有模型になる

人間のために書かれた成果物——文章、図の説明、コード、データ、リンク構造——を、機械専用の厳密な形式へ完全に変換しなくても、生成AIがかなり柔軟に文脈として解釈できるようになった。すると、これまで人間どうしの共有のために作られてきた外部の模型が、そのままAIへの模型の渡し方になる。よく設計された一つの成果物が、人間には読み物として、AIには解釈可能な世界の記述として、同時に働く。一枚で二役である。

実例は、本稿が置かれているこのサイト自身である。torusring.com の研究ノートは、人間の読者には記事として働く。同じHTMLが、AIには取得・解釈可能な文脈として働く——見出しの階層は概念の構造を、定義リストは用語の関係を、図の代替テキストは図の内容を、メタ情報は公開状態と日付を、リンクは文書間の依存を伝える。新しいAIセッションを始めるとき、このノートを渡すことは、指示を渡すことではない。ここまでに構築された世界の模型を渡すことである。

実際、本稿自体がそのように書かれている。前のセッションで作られた草稿と編集メモを、次のセッションのAIが読み、人間のレビュー指摘を反映して更新する。草稿は、人と複数のAIセッションが交代で参照・更新する、小さな共有世界表現として機能している。そこへ状態・介入・結果の記録が加われば、外部ワールドモデルの基盤になり得る。研究ノート・図・コード・実験結果・リンクの集積が、人にもAIにも読める形で一箇所に保たれるとき、そこには人とAIが共通に立脚できる世界の模型が育っていく。

ただし、外に置いただけでAIが自動的に模型を参照するわけではない。検索、RAG、ツール接続、URLの提示といった経路で、必要な範囲をAIの実行時コンテキストへ接続する必要がある。外部化の利点は、内部表現を複数のAIへ移植できることにあるのではなく、同じ一次資料へ、繰り返し接続できることにある。

図2で見るのは、模型の置き場所の転換——個体の内部から、共同参照される外部へ。

3.3外部ワールドモデルに必要な四条件——構造・来歴・共同更新・介入

もっとも、外に置けば何でも模型になるわけではない。共有フォルダに溜まった文書の山は、模型ではなく堆積である。人とAIが共同で立脚できる外部ワールドモデルには、少なくとも四つの条件がある。

• 構造の明示STRUCTURE何が存在し、何が何に依存するかが、見出し・定義・リンクといった人にもAIにも解釈可能な構造で書かれていること。散文の中に埋まった構造は、人にもAIにも掘り起こしのコストを課す。
• 状態と来歴STATE / PROVENANCEいま何が有効で、何が下書きで、なぜそうなったかが記録されていること。日付・公開状態・改訂の理由。来歴のない模型は、正しさを検証できない。
• 共同更新の可能性SHARED UPDATE人もAIも同じ一次資料を参照し、更新が一箇所に集約されること。参照先が管理されないまま複製・分岐すると、どれが有効か追跡できない複数の模型が生まれる。異なる視点を保持する場合も、その適用範囲と来歴を共通の仕組みで管理する。ただし共同更新とは、人間とAIが同じ権限を持つことではない。AIは矛盾・新しい概念・変更候補を検出して提案し、業務上の責任を持つ人間が承認する。誰が何を根拠に変更したかを来歴に残すことで、更新可能性と統制を両立させる。
• 変化と介入の表現TRANSITION現在の状態に行動や変更を加えたとき、何がどう変化するかを記述・予測できること。構造と状態を保存するだけでは、世界表現にとどまる。状態遷移を扱えて初めて、模型の中で先に試すことが可能になる。

四つ目の条件は、到達点として読むのがよい。外に置かれた知識環境は、まず共有世界表現——構造・来歴・共同更新を満たした知識基盤——として始まる。そこへ状態遷移の記述、介入の記録、予測と結果の履歴が蓄積されることで、世界表現は外部ワールドモデルへと育っていく。本サイトを含め、いま存在する多くの試みはこの成長の途上にある。この四条件は、次章で見る組織の話の伏線でもある。個人の研究サイトで成り立つことは、規模と厳密さを変えれば、組織でも要求される。

組織実装 — 04AIはあなたの組織を知らない——組織のワールドモデルを外部化する

4.1汎用AIにあらかじめ写っているのは、一般化された世界である

02の機構を裏返すと、企業でのAI活用の限界の一端が説明できる。モデルがあらかじめ持てるのは、学習データに現れた世界の構造に限られる。汎用モデルは、一般的な学習データから、法律の一般論も、業界の常識も、ビジネスの定石も吸収している。だが、あなたの会社で「例外承認」が実際に何を意味するか、どの判断が誰の権限で、どの規程がいつ失効したかは、一般的な学習データのどこにも現れない。学習にも実行時の文脈にも含まれない組織固有の事実を、モデルが正確に知っていると期待することはできない。

AIが組織の文脈でつまずくのは、モデル自体の能力だけが原因ではない。組織という世界の模型が、学習データにも実行時の文脈にも与えられていないことが大きい。人間の新入社員も同じ状態から始まるが、彼らは数年かけて、会議と失敗と廊下の会話から組織の模型を頭の中に作る。AIにはその数年がなく、廊下もない。

4.2組織の構造・状態・介入を、AIが読める模型として構築する

渡し方は、大きく分ければ二つある。組織の文書や経験から暗黙に模型を形成させる方法と、模型の構造を明示して構築し、渡す方法である。実際の実装では、検索、RAG、業務システムへの接続、人間による確認を介して両者が組み合わされる。本稿の立場では、軸は後者——明示的な構築——に置く。判断や権限のように誤りが許されない領域で、歪みの場所が分からない暗黙の模型に頼ることはできない——02の限界がそのまま示すとおりである。すなわち、03の四条件を組織の規模と厳密さで満たす、組織版の外部ワールドモデルである。

前稿で組織能力の外部化と呼び、三層——セマンティックモデル・推論台帳・ループガバナンス——として詳述した設計は、この語彙で言い直せば、構造・状態・介入の三層で組織のワールドモデルを構築することにほかならない。詳細は前稿に譲り、対応だけ示す。表現層は03の「構造の明示」を、状態層は「状態と来歴」を、評価・制御層は「共同更新」と「変化と介入」を——予測と結果のずれを観測して次の行動条件へ戻すループとして——組織規模で実装するものである。図1のワールドモデルの学習ループと前稿の制御ループが同じ形をしているのは、偶然ではない。行動する知能が世界に対して必要とする構造を、組織で働くAIは組織に対して必要とする。それだけのことである。

もう一つ、構築という語に注意を添える。外部ワールドモデルは、組織についての唯一の正解を固定するものではない。現実の組織では、部門ごとに定義が異なり、正式規程と実運用が食い違い、判断が未確定のまま複数の仮説が競合していることが普通である。模型はそれらを消すのではなく、適用範囲・確度・有効期間とともにそのまま保持する。模型の価値は曖昧さを消すことではなく、どこが一致し、どこが未確定かを観測可能にすることにある。

同様の問題意識は、研究の側にも現れはじめている。物理環境向けに発展してきたワールドモデルを、顧客・価格・規制・組織といった意味的な環境へ拡張するビジネスワールドモデルの構想（[6]）や、企業のような制度的ドメインにはエージェント個別の内部表現ではなく、共有された明示的な世界表現が必要だとする世界中心アーキテクチャの提案（[7]）が、相次いで報告されている。組織という世界を模型化の対象とする方向は、もはや本稿だけの見立てではない。

4.3組織変更を実行する前に、模型の上で試せるようにする

ワールドモデルの効用の中心は、模型の中で先に失敗できることだった。組織の模型でも同じことが言える。組織のワールドモデルが構築されていれば、施策・組織変更・規程改定を、実行する前に模型の上で検証する——この判断はどの規則と衝突するか、この権限変更はどの業務に波及するか——という使い方が視野に入る。戦略のシミュレーションである。

ただし、正直な限定を付す。現在の企業が持つ組織の模型は、ほぼすべて人間の頭の中と、断片的な文書の中にある。AIが参照できる形の組織のワールドモデルを持つ企業は、まだ例外的である。本稿でいう四条件を満たし、介入まで扱える組織のワールドモデルは、短期間に導入して完成する製品ではない。少なくとも多くの組織にとって、観測・記録・検証を重ねながら年単位で育てる能力として捉えるべきものである。だから本稿の含意は「すぐシミュレーションせよ」ではない。出発点は、はるかに小さい。用語の定義、判断の記録、規程の構造化——03で共有世界表現と呼んだ層を、重要な業務領域から少しずつ整えることは、今日から始められる。そこへ状態・介入・結果の記録が蓄積されて初めて、模型は先読みに使えるものへ育つ。模型の構築が先で、模型の上の予測はその後に来る。順序を飛ばした戦略AIは、一般論として有用な示唆を出せたとしても、組織固有の状態と因果に接地したシミュレーションにはならない。もっともらしい作文と、検証可能な先読みの区別が、つかなくなるのである。

また、模型があれば直ちに先読みが機能する、というわけでもない。世界モデルを外部の道具としてエージェントに使わせる研究では、いつシミュレーションを呼び、予測結果をどう解釈し、推論へどう組み込むかが依然として大きなボトルネックであることが報告されている（[8]）。模型の構築と、模型を使いこなす運用は、別々に育てる必要がある。

問いを一つ更新して締めくくる。AI活用の議論は長く「どのモデルを使うか」を問うてきた。ワールドモデルの視点はこの問いを裏返す。

問うべきは、どのAIモデルを使うかではない。人とAIが共同で参照・更新できる、あなたの組織のワールドモデルを、外に育て始めているか——である。