Podcast ArticleLatent Space: The AI Engineer Podcast
シミュレーションが新たなスケーリング・ローに:Joon Sung Park(Simile AI)
Simulation: the new Scaling Law — Joon Sung Park, Simile AI
音声 70分記事 6分配信者提供字幕
30秒要約
Simile AI の Joon Sung Park は、LLM が人間の行動を正確にモデル化するにはプロンプトだけでなく、因果関係や長期の行動データに基づく事後学習が不可欠であり、これが新たなスケーリング・ローになると主張する。
この回の3つの核心
シミュレーションの優先順位
パーソナルエージェントの実現にはまずユーザーの正確なモデルが必要であるため、世界を再現するシミュレーション技術を先に追求した。
行動基盤モデルの必要性
現在の LLM はウェブ上の自己申告データに依存しており、現実の深層行動や社会的物理法則を学習していないため、事後学習が必要である。
3 つのデータバケット
モデル構築には、人生の物語を含むインタビューデータ、行動統計を示す観察データ、因果メカニズムを示す RCT データの 3 種が不可欠である。
なぜ重要か
この議論は、AI エージェント開発におけるデータ戦略とモデル学習アプローチの転換点を示唆しており、単なるプロンプト設計からモデル自体の行動特性学習へシフトする必要性を浮き彫りにしている。企業や研究者に対し、因果関係が明確な高品質な行動データを収集・活用することの重要性を再認識させる内容である。
発言から確かめる
時間を選ぶと、元音声の該当箇所を開きます。
「もし素晴らしいパーソナルアシスタントを作りたいなら、まずそのユーザーの驚くべきモデルが必要である。」
「現在のモデルはウェブ上の自己申告データで訓練されており、人間が実際に何をするかという深層行動をまだ学習していない。」