世界モデルって何？ 人の行動を予測する42AIと、Genie 3など各社の違い

イスラエルのスタートアップ42AIが11月2日、「人の行動を予測できる世界モデル」を掲げ、6250万ドルの資金とともにステルスを解除したとTechCrunchが報じました。2026年は世界モデルの開発元に大きな資金が集まった年で、2月にはWorld Labsが10億ドル、3月にはヤン・ルカン氏のAMI Labsが10.3億ドルを調達しています。

ただ、同じ「世界モデル」でも、Googleのものは3Dの世界を映像で生成し、42AIのものは証券会社の顧客の売買を予測します。42AIのモデルの中身と、物理の世界を扱うほかの開発元のモデル、それぞれの用途と限界を、各社の公式発表から比べました。

世界モデルは「次の状態」を予測するAI#

Google DeepMindの説明では、世界モデルは「世界についての理解を使って世界の一部をシミュレーションするAI」です。環境がこの先どう変わるか、自分の行動が環境にどう影響するかを予測できます。ChatGPTやClaudeのような大規模言語モデルが「次の単語」を予測するのに対し、世界モデルは「ある行動をとったあとの、次の状態」を予測します。

考え方自体は新しくありません。2018年にDavid Ha氏とJürgen Schmidhuber氏が発表した論文「World Models」は、エージェントを3つの部品で組みました。見たものを圧縮する部品、先を予測する部品、行動を決める部品です。論文は世界モデルが作った「夢の中」だけで行動を学ばせ、それを本物の環境に持ち込めることを示しています。予測した世界の中で試行錯誤させれば、現実で何度も失敗させずに済みます。

今の世界モデルは何を予測するかで大きく4つに分かれます。

予測・生成するもの	主な例	出力
映像の続き	Google DeepMindのGenie 3、NVIDIAのCosmos 3	操作に応じて動く映像、ロボットの動作
3D空間	World LabsのMarble	歩き回れる3Dの世界（ファイルで書き出せる）
映像の「意味」の続き	MetaのV-JEPA 2、AMI Labs	画素ではなく、抽象的な表現の上での予測
人の判断	42AI、Simile	ある状況で、その人が何を選ぶかの確率

最初の3つは物理的な世界を相手にし、ロボットや自動運転を主な用途にしています。42AIは同じ言葉を、個人の心理と行動に当てはめました。

42AIの世界モデルが予測するもの#

42AIの共同創業者でCTOのEhud Ezra氏は、TechCrunchに「世界モデルでは、一人ひとりが世界だ」と語っています。予測するのは個人が特定の状況でどの判断をするかの確率です。

TechCrunchによると、モデルが推定しようとしているのは、過去の行動の延長ではなく、行動の元にある心理的な傾向です。証券会社の顧客なら、本人確認、口座開設、サポートへの電話、送金、株の売買といった一見関係のない出来事への反応を材料にします。サポートとの会話なら、話し方の感情や声、電話の回数まで見ます。こうした観察を性格の特徴を表す数値に変え、Transformerを使った世界モデルに入れると、状況ごとの判断の確率が出てくる仕組みです。予測の理由の説明は別の言語モデルが書きます。

学習の材料は、最初は数千人への心理検査と行動のシナリオで、そこに政府とバイオバンクの200万人超のデータを足しました。顧客のデータは今では3000万人近くに広がったと、同社は説明しています。Ezra氏らは2026年2月に論文「Decoding the Human Factor」を出しました。心理検査から作った性格のプロファイルを条件にして、個人の戦略的な選択を予測するモデルです。

使い方について、公式サイトには「顧客ごとの取引を、銘柄、売買の方向、量まで、最大24時間前に予測する」とあります。CEOのAmit Gal-Or氏によると、大手の証券会社10社が流動性、証拠金、ヘッジの管理に使っていて、ある証券会社は動的なヘッジで約3000万ドルの価値を生んだとのことです。

98%の精度と資金の出し手#

「市場の取引の予測で98%の精度」という数字は、Gal-Or氏自身が、取引の流れが予測した範囲に収まったかの割合で、1件ずつの取引を当てた割合ではないと説明しています。売買の方向と量の予測では、F1スコア（見逃しと誤検知の両方を勘定に入れた指標）が0.8〜0.85だといいます。どちらも同社の主張で、外部の検証は出ていません。

6250万ドルの資金も、外部の投資家だけから集めたものではありません。出したのは創業者たちとInfinity Groupで、3年かけて集めました。Infinity Groupは会長で共同創業者のAmir Gal-Or氏（CEOの父）が創業した会社です。

限界とプライバシーの懸念#

CEOのAmit Gal-Or氏も、人が経験する全てにアクセスできるわけではないので、精度には天井があると認めています。CTOのEzra氏によると、友人や同僚の助言で売買を変えたような状況も捉えにくいそうです。金融以外のゲーム、不正対策、サイバーセキュリティにも広げる考えですが、分野ごとに規則と文脈を学ばせ直す必要があります。

プライバシーについてAmit Gal-Or氏は「モデルは相手が誰かを知らない」と話しています。ただTechCrunchは、顧客の行動をつないで個人ごとのプロファイルを作っている点は変わらないと指摘しました。証券会社が顧客の動きを先読みして、顧客に不利な形で使わないか。この質問にEzra氏は「正当な懸念」と答え、規制、監視、社内の倫理委員会を挙げました。ただ、具体的にどう防ぐかの説明はありませんでした。

人の行動の予測ではSimileも2月に1億ドルを調達しています。創業者たちは25体のAIエージェントを仮想の町で暮らさせる研究「Smallville」を作った研究者です。Simileは実在の人をもとにしたデジタルツインを作り、新製品や画面の変更への反応を答えさせます。

ほかに世界モデルを作っているところ#

物理的な世界を扱う開発元の、2026年11月時点の主な動きは次のとおりです。

開発元（モデル）	できること	公開の状況
Google DeepMind（Genie 3、Genie 4）	文章から、歩き回れる世界をリアルタイムに生成	限定公開。米国のAI Ultra契約者はProject Genieで試せる
Waymo（Waymo World Model）	Genie 3をもとに、カメラとLiDARの映像で運転の場面を生成	社内の開発用
NVIDIA（Cosmos 3）	文章、画像、映像、音、ロボットの動作を理解・生成	オープンなモデル
World Labs（Marble）	文章、画像、映像などから3Dの世界を作る	一般提供。AMDへの合流を合意済み
Meta（V-JEPA 2）	映像から先を予測し、ロボットを初めての環境で動かす	コードとモデルを公開
AMI Labs（未公開）	JEPAの考え方で、現実を理解するモデルを研究	製品なし

Google DeepMindのGenie 3は2025年8月に発表され、操作に応じてリアルタイムに世界を生成できる初めてのGenieになりました。生成は毎秒24コマ・720pです。見た目の記憶は1分前までさかのぼり、数分間は一貫した世界を保ちます。2026年1月には米国の18歳以上のGoogle AI Ultra契約者向けに、試作のWebアプリ「Project Genie」の提供が始まりました。

2026年10月27日には、後継のGenie 4が発表されました。世界の中で鳴る環境音や音楽、会話の音声も同時に生成し、カメラの移動や天気の変更、登場人物の追加を言葉で指示できます。今は一部の信頼できるテスターだけに公開していて、Project GenieとGemini APIにも近く提供するとしています。

NVIDIAのCosmos 3は、2026年5月31日にGTC Taipeiで発表されました。推論を担うTransformerと生成を担うTransformerを組み合わせ、物の動きや位置関係を理解してから映像やロボットの動作を生成します。用途ごとに、精度を重視したSuper、応答の速いNano、近日公開のエッジ向けEdgeがあります。

World Labsは、フェイフェイ・リー氏が共同創業した会社です。Marbleは2025年11月に一般提供され、作った世界はGaussian splat（3Dの点の集まりで描く形式）、メッシュ、映像として書き出せます。2026年2月には10億ドルを調達しましたが、9月28日にはAMDに合流する最終合意を発表しています。リー氏はAMDのエグゼクティブバイスプレジデント兼チーフサイエンティストになる予定で、取引は規制当局の承認などを経て2026年末までに完了する見込みです。

MetaのV-JEPA 2は、映像の画素そのものではなく、抽象的な表現の上で先を予測するJEPAという仕組みのモデルで、パラメーター数は12億です。JEPAを提唱したルカン氏はMetaを離れてAMI Labsを共同創業し、3月に10.3億ドルを集めました。CEOのAlexandre LeBrun氏はTechCrunchに、基礎研究から始めるので商用化には何年もかかりうると話しています。

世界モデルで何ができそうか#

現実では集めにくい場面を、訓練用に作る#

今一番実用に近いのは、自動運転とロボットの訓練です。Waymoは2026年2月、Genie 3をもとにしたWaymo World Modelを発表しました。竜巻、冠水した住宅街、雪の積もったゴールデンゲートブリッジ、道路に現れたゾウのように、実際の走行ではほとんど記録できない場面を、カメラとLiDARの両方の映像で生成します。Waymoによると、自動運転の業界では多くのシミュレーターが自社の走行データだけで学ぶので、経験した範囲の外を作れません。Genie 3が大量の映像から得た知識を使えば、車が見たことのない状況も作れるとWaymoは説明しています。生成の内容は言葉の指示、運転の操作、道路の配置で変えられます。

NVIDIAもCosmos 3を、ロボットや自動運転の学習用の合成データを作るモデルとして出しています。NVIDIAは物理AIの学習と評価の期間を「数か月から数日に」縮めるとしています。

ロボットに「動かす前に結果を考えさせる」#

世界モデルはデータを作るだけでなく、ロボットが行動を決める前のシミュレーターにもなります。MetaはV-JEPA 2を使い、学習で見たことのない環境で、物を拾って置く作業をロボットにさせたと発表しました。行動の候補ごとに結果を予測し、目標に一番近づく行動を選ぶ方式です。Cosmos 3も、ロボットに特定の作業を教えるモデルの元にできます。

3Dの制作とゲーム#

World LabsのMarbleで作った3Dの世界は、メッシュなどのファイルで書き出せます。Project Genieでは、文章や画像から世界と登場人物を決め、歩く、飛ぶ、運転するといった移動のしかたを選んで、その中を探索できます。Google DeepMindの見方では、世界モデルはAIの研究と生成メディアの両方に影響を与え始める段階です。

人の判断を前もって見積もる#

42AIのように、人の行動を対象にすると、使い道は金融のリスク管理、不正の検知、製品の反応の予測に広がります。Simileは上場企業の決算説明会を想定した模擬で、アナリストの質問10問のうち8問を予測できたと、CEOのJoon Sung Park氏がBloombergに語っています。

まだできないこと#

発表時点のGenie 3の連続した操作は数分までで、何時間も続けられません。エージェントが自分でとれる行動の種類も限られます。Project Genieでは、1回の生成が60秒まで、世界が指示や現実の物理と合わないことがある、操作に遅れが出ることがあると、Googleが自ら書いています。

AMI LabsのLeBrun氏は、「半年後には、資金を集めるためにどの会社も自分を世界モデルと呼ぶようになる」と冗談まじりに話していました。その8か月後に、心理と取引のデータを使う42AIが同じ言葉で登場しました。記事に「世界モデル」と出てきたら、何の「次の状態」を予測するモデルなのかを、まず確かめる必要がありそうです。