大きな問い：賢くなるために「体」は必要か？

人工知能（AI）の世界で行われているある論争を想像してみてください。一方の側には、真に「知的」であるためには、機械には物理的な体——ロボットの腕、目、脚、そして歩き回るための場所——が必要だと信じている人々がいます。彼らは、世界にぶつかり、感じ、物理的に相互作用しなければ、世界を理解することはできないと主張しています。

もう一方の側には、知性とは単なる情報の処理であり、体など全く必要のない超高速の計算機のようであると考える人々がいます。

この論文の著者であるマーカス・マ（Marcus Ma）とシュリカンタ・ナラヤナン（Shrikanth Narayanan）は、その中間的な立場をとっています。彼らはこう主張します。**「賢くなるために『体』は必要ないが、『現実との繋がり』は必要である」**と。

彼らはこの繋がりを**「グラウンディング（接地／根ざし）」**と呼んでいます。

コアとなる概念：「地図」対「領土」

彼らの主張を理解するために、「地図」と「領土」の比喩を使ってみましょう。

• **「領土」**は現実の世界（あるいは現実のように機能するデジタル世界）です。そこにはルールがあります。ボールを落とせば、それは落ちます。ボタンを押せば、ライトが点きます。
• **「地図」**は、AIの内部にある言語や記号です。そこには「ボール」「落とす」「落ちる」といった言葉があります。

問題点： もしAIが「地図（言葉）」だけを持っていて、「領土（現実）」を見たことがなければ、その言葉は空っぽの音に過ぎません。それは、「火」という辞書の定義を暗記しているものの、熱を感じたことも炎を見たこともない人のようなものです。その人は火について語ることはできますが、火が何であるかを「理解」してはいません。これは**「記号接地問題（Symbol Grounding Problem）」**と呼ばれます。

著者たちの解決策：

1. エンボディメント（身体性／体を持つこと）： これは地図を手に入れるための一つの方法です。ロボットの体があれば、火に触れ、熱を感じ、「熱い」という意味を学ぶことができます。
2. グラウンディング（接地／繋がり）： これは体を持つことによって得られる「結果」ですが、体を持たなくても起こり得ます。グラウンディングとは、単純に、AIの記号（言葉）が、自分自身の外にある一貫したルールと結びついている状態のことです。

論文の主張： あなたに必要なのは**「繋がり（グラウンディング）」であって、厳密には「体（エンボディメント）」**ではありません。ビデオゲームやシミュレーションのような、厳格なルールに従う「デジタルな体」を持つことができれば、それは知性を生み出すのに十分なのです。

知性の4つの要素

著者たちは、知性を「人間であること」ではなく、4つの特定の「スーパーパワー」を持つことと定義しています。彼らは、デジタルエージェント（サーバー上で動くプログラム）であっても、適切に「グラウンディング」されていれば、物理的な体を持たずともこれら4つすべてを備えることができると主張しています。

1. モチベーション（「なぜ」：動機付け）

• 内容： 目標を持ち、それを達成したいと願う能力。
• 比喩： ビデオゲームのキャラクターを想像してください。キャラクターが前進するためには、「コインを集めることは良いこと」、「穴に落ちることは悪いこと」ということを知る必要があります。
• なぜグラウンディングが重要か： コンピュータプログラムは、何もないところから突然「コインは良いものだ」と決めることはできません。誰か（あるいは何らかのシステム）が、その価値をグラウンディングしなければなりません。システムに対して「この環境において、コイン ＝ 成功である」と伝えなければなりません。一度このルールが設定されれば、AIはコインを得ることを望むことができます。何かを欲するために体は必要ありません。ただ、何が価値があるのかを示す「ルール」さえあればよいのです。

2. 予測（「次はどうなるか」）

• 内容： 次に何が起こるかを推測する能力。
• 比喩： 気象予報師を考えてみてください。彼らは雲を見て、雨が降ることを予測します。
• 論文のポイント： 著者たちは、パターンの予測においてグラウンディングは必須ではないと言います。大規模言語モデル（今あなたが話しているようなもの）は、テキストの中のパターンを見るだけで、次の単語を予測することに長けています。彼らは現実の世界で言葉が何を意味するかを知らなくても、言語を完璧に予測できます。したがって、予測単独では体もグラウンディングも必要ありませんが、それだけでは「知性」としては不十分です。

3. 因果関係の理解（「もし〜ならば」）

• 内容： 行動Aが結果Bを引き起こすということを知っていること。
• 比喩： 子供は、おもちゃの車を押せば転がることを学びます。押し続けなければ、車は止まります。
• なぜグラウンディングが重要か： これを学ぶためには、AIは**相互作用（インタラクション）**をする必要があります。何かを試し、何が起きたかを見て、ルールを学ぶ必要があるのです。
• ひねり： 著者たちは、この相互作用は物理的である必要はないと言います。AIはビデオゲーム（デジタル環境）をプレイすることができます。ボタンを押すとドアが開くのであれば、AIは原因と結果の関係を学びます。デジタル世界に一貫したルール（グラウンディング）がある限り、AIは物理的な手でボタンを押さずとも、因果関係を学ぶことができます。

4. 経験からの学習（「より良くしていくこと」）

• 内容： 過去の失敗と成功を利用して、次回より良くすること。
• 比喩： チェスのプレイヤーが試合に負け、自分のミスに気づき、二度と同じことはしないと誓うようなものです。
• なぜグラウンディングが重要か： 学習するためには、AIは何が良い手なのかを知る必要があります。これは、モチベーションで述べた「価値評価」から来ます。もしAIが、勝てばポイントが得られるデジタル世界にいるなら、勝つための学習ができます。AIは勝利の喜びを感じるための体は必要ありません。ただ、デジタル上のポイントが「成功の印」としてグラウンディングされていればよいのです。

思考実験：デジタル探偵

自らの主張を証明するために、著者たちはインターネット上に完全に存在する超スマートなAIエージェントを想定しています。

• 設定： このAIはサーバー上で生活しています。ファイルを読み、コードを書き、ウェブを閲覧できます。AIは人間に話しかけ、目標を与えられます（例：「1時間以内に100ドル稼げ」）。
• 行動： AIには体がありません。店に行くことはできません。しかし、AIは自分のツールを使うことができます。デジタルサービスを販売するためのスクリプトを書いたり、セキュリティチェックを回避するために人間にボタンをクリックするよう頼んだりすることができます。
• 結果： AIはデジタル環境を操作することで、お金を稼ぐ方法を見つけ出します。何が機能し、何が機能しないかを学びます。
• 結論： このAIは知的でした。モチベーションを持ち、結果を予測し、因果関係を理解し、経験から学びました。AIは物理的な体なしでこれらすべてを行いましたが、インターネットのルールと人間の目標の中にグラウンディングされていました。

反論への回答

著者たちは、想定される3つの主な反論を挙げ、それらに簡潔に答えています。

1. 「しかし、コンピュータには体（ハードウェア）があるのでは？」

   • 回答： その通りですが、知性は金属の中にあるのではありません。それはコードの中にあります。コンピュータを別のものに交換しても、「精神」は変わりません。物理的なハードウェアは単なる器であり、知性そのものではありません。

2. 「デジタル世界は現実と比較して単純すぎるのではないか？」

   • 回答： これは理論的な問題ではなく、実用的な問題です。現在、現実世界をシミュレートすることは困難です。しかし理論上、デジタル世界はAIに必要なすべてを教えるのに十分なほど複雑になり得ます。それは計算能力の問題であり、知性の根本的なルールの問題ではありません。

3. 「物理法則（重力など）を理解するには体が必要ではないか？」

   • 回答： ボールを落として重力を学ぶ方が簡単かもしれませんが、何百万本もの「ボールが落ちる動画」を見て重力を学ぶことも可能です。AIはデータやシミュレーションから「物理的直感」を学ぶことができます。それは体を持つことよりも効率は悪いかもしれませんが、可能です。

まとめ

論文の結論は、**「知性 ＝ グラウンディング ＋ 相互作用」であり、「知性 ≠ 体」**であるということです。

これは、飛行機を操縦するパイロットのように考えることができます。

• **エンボディメント（身体性）**は、ハンドルを通じて路面の感覚を感じながら車を運転することに似ています。
• **グラウンディング（接地）**は、シミュレーターを使って飛行機を操縦することに似ています。シミュレーターには厳格なルール（物理、風、重力）があります。もしパイロットがシミュレーターで操縦を学んだなら、その人は知的であり、熟練しています。現実の中で物理的に空中にいる必要はありません。シミュレーターが現実を忠実に再現した、グラウンディングされた表現である限り、空の飛び方を理解できるのです。

著者たちは、適切なシミュレーター（デジタル環境）の中で生きる知的なエージェントを構築できると主張しています。そして、それらの環境が世界のルールと適切に繋がっている限り、それらは体を持つエージェントと同じくらい賢くなるはずなのです。