フィジカルAIで変わる世界

【第1回】現実世界を動かすAIの衝撃と企業の次の一手

2026年11月18日

2026年8月5日、日立製作所はLumada Innovation Hub Tokyoにて「フィジカルAIで変わる世界――現実世界を動かすAIの衝撃と企業の次の一手」をテーマにウェビナーを開催した。フィジカルAIの発展により、AIの活用はオフィス業務の効率化から、現場業務や社会インフラ運用などの現実世界へと拡大し始めている。現実世界を動かすAIの実装は社会に何をもたらし、日本企業はそれをどう活用していくべきなのか。

 

ウェビナーでは、気鋭のAI研究者・起業家として知られる、株式会社GenesisAI代表取締役社長 CEO、JAIST客員教授(取材時)の今井 翔太氏、株式会社日立パワーソリューションズ Chief Lumada Business Officer 森脇 紀彦氏による特別講演、さらに今井氏、森脇氏、Lumada Innovation Hub Senior Principalの加治慶光によるトークセッションを通じ、フィジカルAIによる社会・ビジネス変革を展望した。その模様を5回にわたってお届けする。第1回は今井氏による特別講演。研究者としての視点から人工知能研究の最新動向について語り、AIの発展がもたらす社会への影響を考察する。


AIの進化はシンプルな法則に基づいている

現在、フィジカルAIやAIエージェントなど、さまざまな種類のAIが開発されていますが、AI開発は基本的に二つの法則に基づいて進んでいます。「スケーリング則」と「Bitter Lesson」です。

 

「スケーリング則」とは、学習データの量、GPUなどの計算資源、そしてAIモデルの規模(パラメータ数)という3要素を増やし続けることにより、AIの性能は予測可能な形で向上し続けるという考え方です。人工知能の研究と聞くと、難しい数式や人間の脳を模した複雑な仕組みを想像されるかもしれません。しかし実際は、かなり単純と言えます。

 

「Bitter Lesson」も、それに近い考え方です。強化学習の創始者であるリチャード・サットン教授が2019年に述べた言葉で、人間の知識や工夫を細かくAIに教える方法より、ハードウェアの性能向上を背景としたシンプルで汎用的な手法のほうが長期的に見ると強いという、過去の事例から得た教訓です。囲碁や将棋でも、人間が戦術を教え込むのではなくAI同士を対戦させて学習させたモデルが、最終的には人間を超えました。現在のAIは、計算資源を最大限に使うことで進歩しているのです。


2026年、AI開発における大きな転換点が到来

本年2026年は、汎用人工知能、AGI(Artificial General Intelligence)が登場する可能性があると予測されていた年です。AIは、ソフトウェア上ではすでに人間を超える能力を発揮しています。現実世界を理解して動くフィジカルAIも発展してきた今、両者を統合することでAGIに近いものができるという見方には、それなりの合理性があります。ただし、AGIという言葉の定義は動き続けており、今年中に研究者が「AGIが完成した」と合意する可能性は高くないでしょう。それでも、AIの進歩やその危険性がこれほど話題になっている以上、2026年が大きな転換点になることは間違いないと思います。

AIエージェントが完遂できる作業時間が約7カ月ごとに倍増していることを示す折れ線グラフのスライド

私が年初に予想していた2026年の大きなトピックとしては、動画生成AI、AIエージェント、フィジカルAI、世界モデル、AI for Scienceなどが挙げられます。ただし、計算資源の不足によってそれらの発展は少し遅れる見通しです。当初は、文章生成やプログラミング、数学などを扱うテキストAIが今年前半に成熟し、余った計算資源が動画、ロボット、科学研究へ回ると考えていました。しかし、生成AIの強力なモデルが次々に登場し、テキスト分野の競争はまだ続いています。そのため、他の分野の本格的な発展は2027年にずれ込むかもしれません。

 

現在、急速に進歩しているのがAIエージェントです。2022年頃は人間換算で30秒分程度の作業しか達成できなかったのが、2025年には約1時間分の作業を完遂できるようになりました。以前は、AIが自律的に遂行できる作業時間は約7か月ごとに倍になると考えられていましたが、最近は約4か月で倍増していると見られます。この傾向が続けば、2028~2031年頃には、人間の1か月分に相当する複雑な作業をAIで自動化できる可能性があります。

 

ここで注意しなければならないのは、「賢さ」と「効用(どれだけ役に立つか)」は本来別物だということです。数学や科学の難問を解けても、会社の仕事が自動化できるわけではありません。私たちはAIの知能を測る方法は持っていますが、企業の現場でどれだけ役に立つのかを測ることができません。今後、AI研究では、AIの実用性を評価する手法を開発していく必要性を感じています。

 

また、動画生成AIも発展が著しく、単に映像を生成するだけの技術ではなくなっています。編集や切り抜き、セグメンテーションなど、これまで個別の特化型AIが行っていた作業が一つのモデルで処理できるようになっています。さらに、現象の物理モデリングも可能になりました。行動の結果として起きる現象をリアルタイムに生成できれば、現実世界を模した「世界モデル」の中でロボットを学習させることも可能になります。


AIを活用するための環境づくりを

一方、フィジカルAIには難しい課題もあります。学習に使える動作データが少ないこと、ロボットの形が多様であること、ロボット本体に搭載するためにAIモデルを小型化しなければならないことです。ただ、AIのサイズは性能を保ったまま3か月で2分の1になるという研究報告もあり、現在達成されているAIの能力が、今後、小型デバイスやロボットの上で動くようになる流れは変わらないと思います。

 

フィジカルAI活用における最大の問題は、現在の社会が過去の事象や人間の認知能力を前提につくられていることです。そこへ人間とは異なる知能を無理に組み込もうとしても難しく、AIの発展に合わせて社会の仕組みそのものを見直そうという動きもあります。


AIは人間の作業を自動化するだけでなく、アイデアの生成や科学研究そのものを自動化できる可能性があります。先進国の経済成長が鈍化している原因が、人間の消費、生産能力、科学研究やアイデア生成が限界に近づいているという「人間ボトルネック」の問題なのだとすれば、それはAIによって打破できるかもしれません。

 

そのためには、例えば金融では、AIエージェントだけが高速取引を行うサンドボックス型の経済圏を用意するといった対応が考えられます。医薬品の開発では、AI for Scienceによる研究や発見の速度に対応した迅速な承認制度が必要になるでしょう。また、AIが扱う範囲や責任を明確にするため、法的な権限を与えるかどうかの議論も必要です。

 

人工知能の発展速度は、私たちが想定していた以上に速く、長期間の仕事を任せられるAIエージェントや、現実世界で働くフィジカルAIの実現は、遠い未来の話ではありません。ここから重要になるのは、われわれAI研究者というよりも、実際にAIを使う人や制度を設計する人たちがAIの能力を社会的な価値へ変えていくことです。AIの専門家ではない方々にこそ、AI活用に向けた制度改革や組織改革、環境整備に参加していただくことが必要なのだと思っています。



おすすめ記事

シェアする: