Agentic OS 技術スタックを下から読む 第43回：次の言葉と、次の状態は違う ―― 世界モデルは、抽象の層で先を読む

Agentic OS 技術スタックを下から読む 第43回：次の言葉と、次の状態は違う ―― 世界モデルは、抽象の層で先を読む

またモデルの中へ降りる

前回は、代理人としてのエージェントを見ました。

自分の取り分を手放し、相手の目的に沿って動けるか、という話でした。

今回は、また別の層の急所へ降ります。

場所は、モデルの中です。

第10回では、世界モデルを「頭の中で先を試す仕組み」として見ました。

今回は、その奥を見ます。

次の言葉を当てることと、次の状態を当てることは、なぜ違うのか。

そして、その予測を、どの層に置くべきなのか。

言葉を当てることと、世界を当てること

次の言葉をうまく当てるモデルは、言葉の扱いに強いです。

文章の流れを読み、自然な続きを出せます。

けれど、ここで一度止まる必要があります。

言葉は、世界の描写です。

世界そのものの動きではありません。

世界では、物が倒れます。

ぶつかります。

こぼれます。

こげます。

押せば動き、支えを失えば落ちます。

この因果は、文章の並びとは別のものです。

料理の手順をすらすら読めることと、鍋の底がこげる寸前を見越して火を弱めることは違います。

前者は描写をたどる力です。

後者は動きを先読みする力です。

エージェントが世界を相手に動くなら、後者が要ります。

行動の結果を先に読む

賢く動くには、まず行動の結果を先に読める必要があります。

この手を打てば、世界はこう変わる。

この順で進めば、ここで詰まる。

この道を選べば遠回りだが、途中で戻らずに済む。

そう見越せなければ、毎回、実際にやってみるしかありません。

そして、やってみるまで何が起きるか分かりません。

次に必要なのは、その先読みを使って、複数の手順を頭の中で比べることです。

一手だけでは足りません。

三手先、五手先まで転がしてみる必要があります。

第9回で見たように、答える時間に計算を足すと、ただ反射で答えるのとは違う動きになります。

計画とは、その計算を、行動の先読みに使う形です。

先読みがなければ、計画は空回りします。

計画がなければ、先読みは一手先の当て物で終わります。

この二つは、切り離せません。

生の信号は当てにいかない

では、何を予測すればよいのでしょうか。

ここが急所です。

目に映る一枚一枚の細部を、そのまま当てようとすると、すぐに行き詰まります。

倒れる瓶を考えます。

次の一瞬に、瓶の縁がどの点に移るか。

水のしぶきが、どの向きに何粒飛ぶか。

床の反射が、どの明るさで揺れるか。

これを全部、正確に当てるのは無理です。

小さな差が、次の細部を変えます。

空気の流れ、表面のわずかな傾き、机の微細な揺れが効きます。

しかも、そこまで当てても、行動にはあまり役立ちません。

しぶき一粒の位置が分かっても、瓶を支えるべきか、手を引くべきかの判断は大きく変わりません。

生の細部を作り直すことは、難しいうえに、目的からずれています。

抽象の層で要点を読む

だから、世界モデルは生の細部を丸ごと当てにいきません。

観察を、要点だけに畳みます。

瓶なら、点の散らばりではなく、「倒れつつある」という要点にします。

水なら、「こぼれる方向がこちらに向いている」という要点にします。

手なら、「今ならまだ支えられる」という要点にします。

そして、その要点の層で次を予測します。

倒れつつある瓶は、次に倒れ切る。

支えを入れれば、止まる。

手を遅らせれば、水が広がる。

このように、当てられない細部を捨て、当てるべき骨組みを残します。

ここで大事なのは、観察を元の形に復元しないことです。

少し欠けた観察から、元の観察の要点の表現を当てます。

絵を一点ずつ描き直すのではありません。

要点を、要点のまま先へ進めます。

世界モデルの予測は、生の層ではなく、抽象の層に置かれます。

ここが、ただ次の言葉を続ける作りとの大きな違いです。

予測を、どの表現に置くか ―― 三つの道

抽象の層で読む、と言いました。

けれど、その抽象をどんな形で持つかで、さらに道が分かれます。

大きく三つあります。

一つ目は、生の細部をそのまま当てる道です。

目に映る一枚を、次の一枚として細部まで描き直します。

これは素直で、作りが分かりやすいです。

瓶が倒れるなら、瓶の縁の位置、水のしぶきの粒、床の反射まで、次の姿として出そうとします。

しかし、この道は重いです。

しかも、当てなくてよい細部に引きずられます。

しぶきの一粒や床の反射を追うほど、倒れるかどうかという骨組みを外しやすくなります。

前の節で退けたのが、この道です。

細部を追うほど、目的から遠のきます。

二つ目は、圧縮した抽象の空間で当てる道です。

観察を、要点だけの短い表現へ畳んでから、その要点の層で次を読みます。

瓶なら、「倒れつつある」と持ちます。

水なら、「こちらへこぼれそうだ」と持ちます。

手なら、「まだ支えられる」と持ちます。

これは軽いです。

骨組みだけを追えます。

前の節で選んだのが、この道です。

ただし、代償があります。

何を捨てて畳んだのかが、外から見えにくいです。

畳んだ表現の中で「倒れる」を当てていても、人にはその中身が読み取りにくいです。

取りこぼした要素があっても、気づきにくいです。

速さと引き換えに、盲点が生まれます。

三つ目は、記号と構造で当てる道です。

世界を、物と関係の組み立てとして持ちます。

この瓶は机の上にある。

机は床に支えられている。

瓶の重心が縁を越えた。

その組み立ての上で、次を読みます。

利点は、筋道が人に読めることです。

正しいかを、一つずつ確かめやすいことです。

倒れる、と言った理由を辿れます。

代償は、表現の幅が縛られることです。

あらかじめ決めた物と関係の枠に収まらないものは、そもそも書き表せません。

微妙な質感や、言葉にしにくい気配は、こぼれ落ちます。

三つの道には、それぞれ取引があります。

一つ目は素直ですが、重く、目的を外しやすいです。

二つ目は軽いですが、盲点を抱えます。

三つ目は確かめやすいですが、表現が窮屈です。

どれか一つが常に正しいのではありません。

何を当てるべきかで、選ぶ道が変わります。

当てるべき骨組みは、その先の用途が決めます。

手を出すか引くかだけを判断したいなら、粗い要点で足ります。

段取りの正しさを後で説明する必要があるなら、記号と構造の道が要ります。

用途が、抽象の粗さと形を決めます。

ただし、どの道で持つにせよ、その抽象が当たっているかを自分で確かめられなければ、絵に描いた先読みで終わります。

まねるだけの学びには天井がある

なぜ、こんな手間が要るのでしょうか。

まねるだけの学びには、天井があるからです。

たとえば、十七歳の子は、十数時間の練習で運転を覚えます。

もちろん危なっかしい時期はあります。

それでも、道の曲がり方、車間、歩行者の動き、信号の意味を、少ない経験から結びつけていきます。

一方で、何百万時間ぶんもの運転の記録を集めても、どんな場面でも任せきれる自動運転は、まだ簡単ではありません。

まねる学びは、見た場面に強いです。

しかし、新しい場面では弱くなります。

工事で線が消えた道。

雪で境目が見えない道。

前の車が急に不自然な動きをした場面。

こうした場面では、過去の手本を探すだけでは足りません。

世界の動きを内に持てれば、話は変わります。

こう動けば、相手はこう変わる。

ここで待てば、危険が減る。

この手順なら、少し遅いが破綻しにくい。

そう頭の中で試せます。

第33回で見た鍛える規律も、ここにつながります。

量を増やすだけではなく、どの失敗から何を直すかを決める必要があります。

動きの理解があるほど、少ない経験からでも直し方が見えます。

確かめる仕組みを内側に持つ

もう一つ、大きな問題があります。

次の一手だけを当て続ける作りには、欠けやすいものがあります。

一つは、課題を最後まで仕上げる縛りです。

もう一つは、仕上がったかを自分で確かめる仕組みです。

この二つがないと、途中まではよく見えても、最後に崩れます。

それらしい返事はできます。

もっともらしい手順も出せます。

しかし、結果が本当に合っているかを内側で確かめられなければ、頼りなさが残ります。

第8回と第41回で見た話と同じです。

答えを機械で照合できる課題は固いです。

コードが動くか。

計算が合うか。

条件を満たしているか。

こうしたものは、外から確かめられます。

一方で、確かめる足場が弱い課題では、どれだけ工夫しても隙が残ります。

世界モデルは、この「確かめる」を内側に持とうとする試みでもあります。

行動の結果を先に読み、計画を比べ、失敗しそうな手を捨てる。

それにより、ただ次を当てるだけの作りより、少し深い場所で自分を点検できます。

世界モデルの意味

まとめます。

次の言葉を当てることは強いです。

けれど、それは世界の動きを内に持つことと同じではありません。

世界モデルが目指すのは、生の信号を作り直すことではありません。

抽象の層で要点の先を読み、行動の結果を見越し、頭の中で計画することです。

まねるだけの天井を越え、確かめる仕組みを内側に持とうとすることです。

これは、言葉のモデルを否定する話ではありません。

その上か、その横に、もう一つ要るかもしれない層の話です。

エージェントが、ただ言葉をうまく続けるだけでなく、世界を相手に行動するなら、世界の動きをどこかに持たねばなりません。

描写をたどる力と、動きを先読みする力。

エージェントには、どちらも要ります。

次回は、また別の層の急所へ降ります。