Google Gemini Robotics 2：AIがデジタルから物理世界へ

AIの「外への一歩」：デジタルの頭脳から物理的な身体へ

先日、Google DeepMindは重大なアップデートとなるGemini Robotics 2を発表した。AIの能力を仮想のデスクトップから現実の物理世界へと拡張するものだ。これはもはや単なるチャットボットや画像生成ツールではなく、現実環境を感知・理解し、操作できる「インテリジェントエージェント」である。デモでは、ロボットアームが散乱した机の上でさまざまな形状の物体を正確に掴み、衣類の折り畳みや工具の使用といった精細な動作まで実行してみせた。このジャンプアップをDeepMindの研究者たちは「物理AGI」の始まりと称している――人間のように物理世界で汎化学習・操作を行える人工知能の幕開けだ。

技術的基盤：Geminiマルチモーダルモデルの具現化

Gemini Robotics 2の核心は、以前発表されたGeminiマルチモーダル大規模モデルだが、物理的なインタラクションに向けた深いファインチューニングが施されている。モデルは視覚・触覚・言語など複数の入力を受け付け、動作指令・把持戦略・経路計画を出力する。前世代と比べ、三次元空間の理解、物体の物理的特性の把握、リアルタイムフィードバックの面で顕著な向上が見られる。大規模シミュレーション学習（Sim-to-Real）と少量の実データを組み合わせることで、未知のシナリオへの素早い適応が可能になり、一度も見たことのない工具でも数回の試行で正しい使い方を習得できる。

「物理AGI」という約束と未完の道

AGI（汎用人工知能）が物理世界において体現される必要があるかどうかは、業界で長らく議論されてきた。従来のAIはテキストや画像では目覚ましい成果を上げてきたが、実際に「手を動かす」必要が生じると途端に限界を露呈していた。Gemini Robotics 2は、大規模言語モデルと強化学習・ロボット制御が深く融合したとき、AIが人間に近い物理的常識と操作能力を初歩的に発揮できることを示した。例えば、コップが割れやすいことを認識して持ち上げる際に力を加減したり、「隣の人にドライバーを渡して」という社会的な指示を理解したりすることができる。物理世界と人間の意図をこのように統合する能力は、AGIへの道を開く重要な段階とみなされている。

「これはロボット工学の進歩にとどまらず、AIが世界を理解する方法の根本的な転換だ。」――WIRED テクノロジー編集者 Will Knight

常につきまとうリスク：現実世界におけるAIの課題

しかし、AIを現実世界に投入することには大きな安全上のリスクが伴う。まず、物理AIが「ハルシネーション（幻覚）」を起こした場合、その結果は有害なテキストにとどまらず、花瓶を倒したり人間を誤って傷つけるなど、実際の物理的損害につながりかねない。次に、悪用リスクの深刻化がある。このようなモデルが自律型兵器システムや不法侵入に利用された場合、その結果は計り知れない。さらに、データプライバシーと保護の問題がより切迫したものとなる――ロボットのカメラは家庭や工場内の人や物を360度記録できるからだ。Google DeepMindは論文の中で、現時点ではGemini Robotics 2はまだ研究段階にあり、トルク制限や緊急停止スイッチといった厳格な安全機構、および社会的な規制フレームワークと組み合わせて初めて展開可能だと明記している。

編集後記：AIが物理世界に手を伸ばす今、人類は準備できているか？

AIが本当の意味で「手」と「足」を持つようになった今、私たちが直面するのは技術的な課題だけではない。倫理・法律・雇用構造もすべて再編を迫られるだろう。Gemini Robotics 2の発表は、AGIを追求する道において、知性だけに注目するのではなく、それに「鎧」を着せることが不可欠だと改めて気づかせてくれる。一度の誤りがAIへの信頼を崩壊させかねないからだ。今後10年で物理世界とデジタルインテリジェンスの融合は加速するだろうが、機能の積み上げよりもリスク管理を優先すべき時かもしれない。

本稿はWIREDより編集・翻訳