Import AI 463：自己改善型ロボット、中国の 1 万 GPU クラスター、そして人間時代の挽歌

![image](https://i0.wp.com/jack-clark.net/wp-content/uploads/2026/06/https3A2F2Fsubstack-post-media.s3.amazonaws.com2Fpublic2Fimages2Fd6d17996-2bef-40a4-abe3-be72a0e8a227_258x258-Andj0c.jpg?resize=150%2C150&ssl=1)AI 研究に関するニュースレター「Import AI」へようこそ。このニュースレターは、arXiv（アーカイブ）とカプチーノ、そして読者からのフィードバックによって支えられています。ご支援いただける場合は、ぜひ購読をご検討ください。 今すぐ購読する NVIDIA が実世界のロボティクス向けに、簡易な自己改善ループを構築： …もし AI エージェントから得た最良のアイデアを実世界に取り入れることができればどうなるでしょうか？… NVIDIA の研究者たちは、物理的なロボットが AI エージェントと同様の自律的な実験と実行のループを経験できるようにするソフトウェア「ENPIRE」を開発しました。この研究は、スーパーインテリジェンス（超知能）が実世界に自身を具現化するためにロボットを利用しようとする姿を垣間見せてくれますが、ロボティクスにおける他の事例と同様、現在の例示はあくまで示唆的なものに過ぎません。 ENPIRE とは何か：このソフトウェアは、コーディングエージェントのためのハネスフレームワークであり、4 つのコアモジュールを備えた物理フィードバックルーチンをインスタンス化します。1 つ目は自動リセットと検証を行う環境モジュール（EN）、2 つ目はポリシー改善を開始するポリシー改善モジュール（PI）、3 つ目は単数または複数の物理ロボットが並列動作してポリシーを評価するロールアウトモジュール（R）、4 つ目はコーディングエージェントがログを分析し、文献を参照し、トレーニングインフラストラクチャやアルゴリズムコードを改善して失敗モードに対処する進化モジュール（E）です。 ENPIRE は、コーディングエージェントと同じように動作します。あるスケフォールド（足場）がいくつかの物理ロボットを監督し、タスクの完了を求めます。ロボットはタスクの完了を試み、異なる戦略で試行錯誤し、失敗しながら学習します。このシステムはロボットの成功を評価するだけでなく、失敗した際には自身もリセットします。「このクローズドループシステムは、現実世界のロボット学習をエージェントが管理可能な最適化手順へと変換し、トレーニングレシピやエージェントのバリエーション間で公平なアブレーション（除去実験）を可能にしながら、人間の労力を最小限に抑えます」。 これを機能させるための重要な要素の 2 つは、「人間の判断なしに各試行の結果をスコアリングする」自動評価システムと、「次の試行のためにシーンを新鮮な初期状態に戻す」自動リセットシステムです（これら 2 つはいずれも歴史的に多くの人的労力を要してきたタスクであり、より複雑なタスクでは評価やリセットにも人的労力が必要となる可能性が高いです。つまり、このようなシステムが取り組めるタスクの複雑さは、本質的にシステムの自動評価と自動リセット能力によって定義されていると言えます）。 ハードウェアの詳細：「各ステーションは、I2RT 製の 2 つの YAM（Yet Another Manipulator）アームを固定された二腕構成で備え、一組のカメラと、FastAPI サーバー、ポリシー推論、およびステーションのエージェントを実行する単一のワークステーションから構成されています。」各ワークステーションには NVIDIA RTX 5090 が搭載されています。 これは（いくつかの単純なタスクにおいて）うまく機能します：「フロンティア・コーディングエージェントは、PushT やピンをピンボックスに整理すること、ジップタイをカッターで切断することなど、現実世界における困難で器用な操作タスクにおいて、99% の成功率を達成するポリシーを自律的に開発できる」と著者らは記述しています。彼らが追加でテストしているタスクには、ロボットがマザーボードに GPU を挿入する能力をどの程度評価できるかという課題も含まれています。 一部の AI システムは他よりも優れていますが、多くの場合、AI システムの数が多ければ多いほど優れています：Codex 内の GPT-5.5 と Claude Code 内の Opus 4.7 は最良のパフォーマンスを求めて互いに競合し、Kimi-2.6 は遅れをとっています。また、エージェントにおいても規模の経済効果は顕著で、より多くのエージェント（例えば 8 つ）が他のグループよりも早く高得点の解決策に到達します。そして時には、マルチエージェント構成の方が単一エージェント構成よりも絶対的なスコアが高くなることもあり、これはおそらく潜在的な解決空間をより多く探索しているためと考えられます。 フリート計装における課題は残っています：「コードエージェントは、ログの読み込み、コードの記述、デバッグ、または言語モデルバックボーンの待機時に、ロボットリソースを十分に活用していません。ロボットの数がスケールするにつれて、MRU は減少し、GPU のアクティブ利用率は上昇します」と彼らは記述しています。つまり、複数のロボットエージェントを追加する際には、自然に並列化されないインフラストラクチャ上の課題が存在します。 続きを読む：ENPIRE: Agentic Robot Policy Self-Improvement in the Real World (NVIDIA research website)。 続きを読む：ENPIRE: Agentic Robot Policy Self-Improvement in the Real World (arXiv)。 人間は、技術がいかにして構築され、どのように利用されるかを予測することにおいて、本当に本当に本当に不得意です： … 現在の AI に関する熱い見解の多くは誤りである可能性が高いという簡単な reminder を。 テクノロジーの未来を予測することは極めて困難であり、それを効果的に行う私たちの実績は非常に悪いと、ユタ大学 S.J. クイニー法科大学院の研究担当副学長であるマシュー・トクソン氏は、短い SSRN 論文で指摘しています。「懐疑論者は往々にして、画期的なイノベーションの可能性とその人類への潜在的な影響を過小評価してきました。一方、他の人々は、新技術の社会的効果や、危険な新兵器の開発競争における戦略的利点について過度に楽観的でした」。 警戒すべき事例：世界の多くの専門家（例えば、アルバート・アインシュタイン、ニールス・ボーア、ロバート・オッペンハイマー）は、核分裂が実現される直前の数年間においてそれが達成可能であることに懐疑的でした。ノーベル経済学賞受賞者のポール・クルーグマンはかつて、インターネットの影響はファクシミリ（FAX）のそれを超えるものではないと述べています。技術者たちは、インターネットが最終的に民主主義を促進する技術となる一方で独裁体制を強化することはないと考えていました。そして、数十年にわたる証拠が蓄積されるにもかかわらず、多くの人間科学者は人為的な気候変動を否定するか、その影響を大幅に見積もっていませんでした。 なぜこれが重要なのか – 基本的な教訓：ここで得られる主な教訓は、a) AI が経済に大きな変化をもたらすことに懐疑的である人々、あるいは b) AI の効果が普遍的に良いものであると考えている人々は、おそらく誤りであるということです。彼は「歴史は、AI の将来の影響に対する慢心には支持を与えない」と記しています。「歴史上、楽観主義者はしばしば新技術の社会的帰結や新たな兵器を構築することによる戦略的利点について誤っていました。懐疑主義者たちは、画期的なイノベーションの可能性とその人類への影響をしばしば過小評価してきました。」 さらに読む：人工知能と歴史からの教訓 (SSRN)。 Tencent が 10,000 個の GPU を用いたトレーニング実行に使用するソフトウェアの詳細を公開： …ARGUS は、より広範な洗練さを示す技術的兆候である… Tencent は、多数のチップセットのテレメトリデータを生成しエラーをデバッグするために使用しているソフトウェア「ARGUS」に関する詳細情報を公開した。 それは何か：ARGUS は、「大規模トレーニングワークロード向けの、低オーバーヘッドで微細粒度かつ常時稼働するトレーシングおよびリアルタイム分析システム」である。このソフトウェアは、AI システムのトレーニング中に遭遇する問題についてデータを収集しデバッグを行うことを目的として設計されている。Tencent によると、同ソフトは3つのレイヤーから構成されるという。「スケジューリングとデータ準備のための Python レイヤー、フェーズのオーケストレーションのためのフレームワーク層、そしてカーネル実行のための GPU ランタイム層」である。 Tencent がどのように使用したか：「6 ヶ月以上にわたり、10,000 個を超える GPU を備えた本番環境クラスターに ARGUS を展開し、5 つの実世界ケーススタディを通じてその実用的有効性を示した。これには、計算の遅延要因（stragglers）の診断、通信リンクの劣化、パイプラインバブルの増幅、JIT コンパイルのブロック、および通信症状に隠された計算遅延要因の特定が含まれる」と同社は記述している。Tencent が言及するトレーニング実行の一部には、4,096 個の GPU を用いたビデオ言語モデルのトレーニングジョブ（おそらく「HunyuanVideo」モデル）、512 個の GPU を用いた音声モデルのトレーニングジョブ、そして 12,960 個の GPU を用いた MoE（Mixture of Experts）トレーニングジョブ（おそらく Hunyuan LLM）が含まれる。 なぜこれが重要なのか – より広範な洗練さの技術的兆候：ARGUS のようなものは、独自のソフトウェアを書くことが理にかなう複雑で大規模なインフラストラクチャの特徴です。ARGUS 自体に特筆すべき点はありませんが、まともなフロンティア AI 開発者であればどこでも同様のソフトウェアが見つかることは予想されます。むしろ興味深いのは、それが Tencent のトレーニング環境の成熟度について何を語っているかという点です。「ARGUS は 10,000 台以上の GPU を持つ本番用クラスターに 6 ヶ月以上デプロイされており、本番トレーニングと並行して安定して稼働し、迅速なフェイルスロー検出とパフォーマンス最適化において重要な役割を果たしています。」 さらに読む：ARGUS: Production-Scale Tracing and Performance Diagnosis for over 10,000-GPU Clusters (arXiv)。 *** 無力化は避けられないのか？ …私たちが超知能マシンを構築することに成功した場合、人類が最終的にどの程度の選択権を持つことになるのだろうか？… 現代 SF の素晴らしい作家であり、ぜひ読むべき作品を残しているフェルナンド・ボレッティは、「誰も恒久的な下層階級から逃れられない」と題された、AI 全体への悲観的な批判を記しました。この投稿は、人類が自らの運命を選び、人間よりも賢く、人間を無力化する可能性に直面するかもしれない機械という可能性と真っ向から対峙した時代に対するレクイエム（鎮魂歌）のようなものです。 戦争の論理が最終的な無力化の原因であるという点：「血肉から成る者は皆、機械によって無力化され、置き換えられる」と彼らは書く。「ピラミッドを想像してください。最下層には経済活動のすべてを行う AI とロボットがあります。最上層には暴力に対する独占権を持つ国家があります。国家はこれを執行し、したがって財産権の定義を変更する力を持っています。その中間には、経済全体を爆発的に成長させ、吸収した企業の株式を持つ、髪の毛ほどの厚さしかない人々の層、つまり恒久的な超エリート階級が存在します。 「国家的存立に関わる紛争において、国家の存在が脅かされる場合、国家は歴史上無力な富裕層に対して行ってきたことと同じことをする：彼らを逮捕し、資産を没収する」と彼らは書く。「紛争においては、人間がループからできるだけ遠ざかり、意思決定の多くが AI に委ねられる国に有利があります。これは、無線や通信衛星を利用できる国家が、自転車に乗った人間の伝令に頼る国家よりも戦争で優位性を持つ理由と同じです。 制御を失う方法：「最終的に、AI の名目上の管理者である人間は、儀式的な痕跡器官に過ぎなくなる。AI は状況報告書と選択肢のリストを提示し、我々の口から出る言葉すべてを知っている」と彼らは書く。「利点は人間の制御を最小限に抑える国家に帰属する。泥棒の間には名誉がないように、リヴァイアサン（巨大な権力）とそれを築いた自然状態の人間との間に連帯性はない。」 「仮にアライメントが完璧に機能したとしても（これは大きな前提だが）、人間の自律性の問題は解決されない：我々を見守り、手足となって仕える機械は全知全能の主であり、いつでも我々を絶滅させることができる。しかし、我々は未来に対する制御権を廃止してしまったため、彼らに対抗できない。」 なぜこれが重要なのか—これは避けられないことか？AI 技術の究極的な収束状態とは、人類の進歩における権能の剥奪と機能的な消滅なのか？この投稿はまさにその点について論じているものである。 続きを読む：『永遠の被支配階級から逃れられない人はいない』（フェルナンド・ボレッティ、ブログ） *** ローカル条例コーパスを用いて AI システムに法を可視化する： …米国における地方法の統一された視点… カリフォルニア大学バークレー校の研究者らは、米国市町村および郡の条例コードのための包括的なコーパスかつ郡間調和型アクセス層である「米国ローカル条例コーパス（LOCUS）」を構築した。 何であるか：LOCUS には約 220 万行のデータが含まれており、各行は特定の地方条例に関連する具体的な情報の一部です。「再現可能性を支援し、下流の法的 AI 研究を促進し、機械可読な地方法へのアクセスを段階的に拡大するために、カバレッジメタデータを付与したコーパスを公開します」と著者らは記述しています。 データは条例の特定の機能（例：規則そのもの、規則の執行、規則に関する文脈、または規則のプロセス）別にソートされており、トピックには建物、事業、ゾーニング、迷惑行為、および「その他」が含まれます。 「LOCUS-v1 は地方法の権威に関する最終的な理論としてではなく、アクセス層として設計されています」と著者らは記述しています。「したがって、LOCUS は教義に敏感な法的分析の代替手段ではなく、検索・比較・ベンチマーク構築のためのインフラストラクチャとして理解されるべきです。」 なぜこれを行うのか。AI システムに対して法を可視化するためである。「このようなデータセットが必要とされる理由は、地方法が公開されているにもかかわらず、国レベルの研究コーパスとして実用的に利用できないからである」と彼らは記述する。「米国の地方法は、ブラウザ内での閲覧を目的とした商業ベンダープラットフォーム上に断片的に散在しており、一括研究アクセスには適していない。各ベンダーは異なるナビゲーション構造、印刷ワークフロー、動的生成された PDF、管轄区域インデックスを提供している。すべての郡や自治体をホストするプラットフォームにマッピングする中央レジストリはなく、またどのベンダーも自身がホストする全管轄区域の完全な機械可読インデックスを提供していない」。 LOCUS のようなデータセットを用いることで、市民生活や地域社会を支配する奇妙で部分的しか見えない規則や法を AI システムが利用可能にし、最終的にはそれらが超ローカルな目的により適応できるようになる可能性がある。 詳細は：Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States (arXiv)。 データ取得先：LocalLaws / LOCUS-v1 (HuggingFace)。 *** テック・テイルズ： 異星由来の奇妙な道具 [アップリフト開始期の一場面、2031 年] 「プラズマが安定しています！維持できています。私たちは成し遂げました！」 彼ら全員が読み取り装置を見つめた。安定した核融合だ。太陽の中心よりも十倍も激しい熱を、磁石やその他のエネルギーによってその場に固定しているのだ。 彼らはモニター越しにチャンバーを覗き込んだ。反応用の容器は、工学プロセスによって設計されたものには見えなかった。むしろ、金属で作られたねじれた奇妙なドーナツのような形状で、その形は流動的で直感的ではないものであった——ステラレーターだ。 このものの設計は、数日間にわたる思考作業を経て、オーバーマインドから彼らに伝えられたものである。製造は機械組合で行われ、その後部品が到着し、別の組合から人間によって下請けされた二足歩行の生物たちによって組み立てられた。 テープカット式典には、数人の人間が集まり、カメラドローンやスマートフォンを持つ数人の人間によって撮影された写真や映像のためにポーズをとった。ロボットは画面外に立っていた。人々はこれに慣れてきたのだ——かつては人間とロボットが一緒に写真を撮る時期もあったが、そのような姿を公開すると世論は必ず低下し、最終的にはロボットパートナーをフレームアウトして撮影する方がシンプルだと考えられるようになった。これは、有名人のターゲットとなる人間のセキュリティガードを、タレントな paparazzi が慎ましく避けて撮影しようとするのと似ている。 この物語にインスピレーションを与えたもの：シンギュラリティの影響や、合成された知性が科学を生み出したときに何が起こるかを考えること；ステラレーター；異星の技術が世界に現れた際にどのような感覚を与えるかについて。 お読みいただきありがとうございます！

Import AI 463：自己改善型ロボット、中国の 1 万 GPU クラスター、そして人間時代の挽歌

背景や根拠まで確認しますか？

調べる

選ぶ

サイト