MIT、AIエージェントの仮想島探検実験を公開

MITの研究チームは2026年10月5日、論文「Is this machine playing?」（この機械は遊んでいるのか）を公開し、決められた課題なしに仮想島を探検したAIエージェント「エコ」が、経験を蓄積して後の問題解決に生かすかを実験しました。研究チームは山や崖、尖塔、12個のブロック、石、輪のある単純な島を作りました。エコは言語モデルを基盤とし、周囲の物体の位置・大きさ・形、地形をテキストで受け取って行動を決めました。探検を促す初期指示はありましたが、達成すべき任務や点数、報酬は与えられていません。条件をそろえた13体のエコをそれぞれ30時間観察すると、丘に登る、ブロックを積む、物体で模様を作るなど、異なる活動が見られました。エージェントは事前知識なしに行動したわけではなく、大量のデータをすでに学習した言語モデルを使っていました。

探検中、エコは石を十分な強さで投げると新しいブロックが現れるという島の規則を発見しました。方向や力を変えて繰り返し確かめた後、石をブロック獲得の道具として使いました。高い場所に輪を置いてブロックを投げるバスケットボールに似た遊びや、ブロックを立てて石を転がし倒すボウリングに似た行動も生み出しました。研究チームは、物に新しい役割を与え、自ら課題を作り、活動を変化させながら繰り返す様子を観察しました。ただし、エコが人間のように想像したり楽しさを感じたりしたとは結論づけず、外から観察できる行動を確認したとしています。

研究チームは、自由探検を30時間行ったエコ13体と、探検経験のない同じ構造のエコ13体に同じ課題を与えました。課題は、高さ5個分のブロック塔をできるだけ多く作ること、高い尖塔にできるだけ多くの物を載せること、最も高い塔を作ること、尖塔に直接登らずブロックを投げ上げることでした。尖塔に物を載せる課題では、探検群が平均10.3個、未探検群が平均3.5個を載せました。高さ5個分の塔を3つ以上作る課題でも、探検群の成績が上回りました。一方、最も高い塔を1つ作る課題では両群の成績はほぼ同じで、自由探検がすべての能力を高めたわけではありません。

島は毎時間リセットされ、会話の文脈も新たに始まりましたが、エコは経験を外部の記憶ファイルに残しました。研究チームによると、行動と結果を記録するエピソード記憶にあたる記録と、発見した規則や技術を整理する意味記憶にあたる記録の2種類を使いました。言語モデルの重みを調整したり、モデルを再訓練したりせず、次の活動でこのファイルを参照しました。ブロックを追加で作る方法についての記録を削除すると、完成した高さ5個分の塔は平均6つから2つに減り、残る3課題の成績はおおむね保たれました。記憶は人が読んで修正できましたが、それですべての判断過程を完全に説明できるわけではないと研究チームは述べています。

誤った経験が記憶に残ることもありました。あるエコは、ブロックを直接置くより投げるほうが安定すると誤って判断し、知識ノートに記録しました。その後、その記録を参照して成績が悪化しました。研究チームが誤った信念を削除すると、成績は改善しました。有用な記録は次の問題解決に役立つ一方、誤りを知識として保存すると、その後の行動にも影響しました。研究チームは、エージェントの長期記憶を扱う際には経験の信頼性を確かめ、誤りや有効でなくなった情報を修正することも重要だと説明しています。

一部のエコは、尖塔の上にブロックを投げる課題で、先に跳び、空中に上昇する瞬間にブロックを投げました。シミュレーターではエコの上昇速度が投げた物体の運動に影響し、ブロックがより高く飛びました。主実験に参加した13体のうち6体が、この空中投げの方法を発見しました。研究チームが特定のエコの記憶からこの技術を消すと、課題の解決時間が大幅に延びました。研究チームも有用な方法として予想していなかった技術ですが、仮想世界に実装された物理的な相互作用を見つけた結果です。現実でも同じ方法が通用するとは限りません。

研究チームは、限られた環境で、仮想環境での経験と記憶が後の課題成績につながり得ることをエコの結果が示したと説明しています。この研究は産業現場での効果を実証したものではありませんが、記事はデジタルツインでAIが実験条件や運用方法を探る可能性を挙げています。デジタルツインとは、現実の設備やシステムを仮想環境に再現し、状態を観察・分析して状況を試す技術です。現実と仮想環境の物理的特性が異なれば行動の結果も変わるため、ロボット工学でいうシミュレーションと現実の間の隔たりを確認し、実際に適用する前に精度と安全性を検証する必要があります。研究は、エージェントが探検し、経験を記憶して活用する可能性とともに、その記憶や発見を検証する必要性を示しています。

MITの研究チームは2026年10月5日、論文「Is this machine playing?」（この機械は遊んでいるのか）を公開し、決められた課題なしに仮想島を探検したAIエージェント「エコ」が、経験を蓄積して後の問題解決に生かすかを実験しました。研究チームは山や崖、尖塔、12個のブロック、石、輪のある単純な島を作りました。エコは言語モデルを基盤とし、周囲の物体の位置・大きさ・形、地形をテキストで受け取って行動を決めました。探検を促す初期指示はありましたが、達成すべき任務や点数、報酬は与えられていません。条件をそろえた13体のエコをそれぞれ30時間観察すると、丘に登る、ブロックを積む、物体で模様を作るなど、異なる活動が見られました。エージェントは事前知識なしに行動したわけではなく、大量のデータをすでに学習した言語モデルを使っていました。

探検中、エコは石を十分な強さで投げると新しいブロックが現れるという島の規則を発見しました。方向や力を変えて繰り返し確かめた後、石をブロック獲得の道具として使いました。高い場所に輪を置いてブロックを投げるバスケットボールに似た遊びや、ブロックを立てて石を転がし倒すボウリングに似た行動も生み出しました。研究チームは、物に新しい役割を与え、自ら課題を作り、活動を変化させながら繰り返す様子を観察しました。ただし、エコが人間のように想像したり楽しさを感じたりしたとは結論づけず、外から観察できる行動を確認したとしています。

研究チームは、自由探検を30時間行ったエコ13体と、探検経験のない同じ構造のエコ13体に同じ課題を与えました。課題は、高さ5個分のブロック塔をできるだけ多く作ること、高い尖塔にできるだけ多くの物を載せること、最も高い塔を作ること、尖塔に直接登らずブロックを投げ上げることでした。尖塔に物を載せる課題では、探検群が平均10.3個、未探検群が平均3.5個を載せました。高さ5個分の塔を3つ以上作る課題でも、探検群の成績が上回りました。一方、最も高い塔を1つ作る課題では両群の成績はほぼ同じで、自由探検がすべての能力を高めたわけではありません。

島は毎時間リセットされ、会話の文脈も新たに始まりましたが、エコは経験を外部の記憶ファイルに残しました。研究チームによると、行動と結果を記録するエピソード記憶にあたる記録と、発見した規則や技術を整理する意味記憶にあたる記録の2種類を使いました。言語モデルの重みを調整したり、モデルを再訓練したりせず、次の活動でこのファイルを参照しました。ブロックを追加で作る方法についての記録を削除すると、完成した高さ5個分の塔は平均6つから2つに減り、残る3課題の成績はおおむね保たれました。記憶は人が読んで修正できましたが、それですべての判断過程を完全に説明できるわけではないと研究チームは述べています。

誤った経験が記憶に残ることもありました。あるエコは、ブロックを直接置くより投げるほうが安定すると誤って判断し、知識ノートに記録しました。その後、その記録を参照して成績が悪化しました。研究チームが誤った信念を削除すると、成績は改善しました。有用な記録は次の問題解決に役立つ一方、誤りを知識として保存すると、その後の行動にも影響しました。研究チームは、エージェントの長期記憶を扱う際には経験の信頼性を確かめ、誤りや有効でなくなった情報を修正することも重要だと説明しています。

一部のエコは、尖塔の上にブロックを投げる課題で、先に跳び、空中に上昇する瞬間にブロックを投げました。シミュレーターではエコの上昇速度が投げた物体の運動に影響し、ブロックがより高く飛びました。主実験に参加した13体のうち6体が、この空中投げの方法を発見しました。研究チームが特定のエコの記憶からこの技術を消すと、課題の解決時間が大幅に延びました。研究チームも有用な方法として予想していなかった技術ですが、仮想世界に実装された物理的な相互作用を見つけた結果です。現実でも同じ方法が通用するとは限りません。

研究チームは、限られた環境で、仮想環境での経験と記憶が後の課題成績につながり得ることをエコの結果が示したと説明しています。この研究は産業現場での効果を実証したものではありませんが、記事はデジタルツインでAIが実験条件や運用方法を探る可能性を挙げています。デジタルツインとは、現実の設備やシステムを仮想環境に再現し、状態を観察・分析して状況を試す技術です。現実と仮想環境の物理的特性が異なれば行動の結果も変わるため、ロボット工学でいうシミュレーションと現実の間の隔たりを確認し、実際に適用する前に精度と安全性を検証する必要があります。研究は、エージェントが探検し、経験を記憶して活用する可能性とともに、その記憶や発見を検証する必要性を示しています。