Google DeepMindが、リアルタイムで学習し適応する人間型のAIエージェントを発表

Google DeepMindは木曜日、SIMA 2を発表した — これは同社が仮想世界内で人間のように振る舞うと主張する推論AIエージェントである。このテック企業は、SIMA 2がDeepMindが単純な画面上のアクションを超え、計画を立てて自身を説明し、経験を通じて学習するAIへと進むことを支援すると述べた。

同社は、この立ち上げが人工知能一般（AGI）への重要な一歩を示すと述べた。DeepMindはまた、SIMA 2がロボティクスとAIの具現化の未来に対して重要な一般的な影響を持つと警告した。

SIMA 2は自身で考え、対話型環境で行動を取る

SIMA 2は、仮想 3D世界のための当社の最も強力なAIエージェントです。👾🌐

Geminiによって駆動され、それは基本的な指示に従うだけでなく、対話型環境で考え、理解し、行動することを意味します — つまり、テキスト、音声、さらには画像を通じてそれと対話することができます。ここではその方法 🧵 pic.twitter.com/DuVWGJXW7W

— Google DeepMind (@GoogleDeepMind) 11月 13日、 2025年

テック企業は は 3月にSIMA（Scalable Instructable MultiWorld Agent）の初版を発表した。Googleは、このAIエージェントが画面を見て仮想キーボードとマウスコントロールを使用することで、数百の基本的なスキルを学習したと述べた。同社はまた、最新のバージョンのAIエージェントが、AIが自身で考えることを可能にすることで、一歩進んだことを認めた。

Google DeepMindはまた、GeminiがAIエージェントを駆動していることを明らかにした。テック企業は、SIMA 2とGeminiを統合することが、AIエージェントがユーザーの上位レベルの目標を理解し、複雑な推論を行い、ゲーム内で目標指向の行動を巧みに実行することを支援すると述べた。 

同社 は SIMA 2は、仮想3D世界のための同社の最も強力なAIエージェントである。DeepMindは、エージェントとの相互作用が、コマンドを与えることよりも、現在のタスクについて推論の相棒と協力しているように感じられることを発見した。

発表によると、SIMA 2は基本的な指示に従うことを超え、対話型環境で考え、理解し、行動する。AIエージェントは、ユーザーがテキスト、音声、さらには画像を通じてそれと対話することを可能にする。

Googleは、そのGemini AIモデルが 助け SIMA 2が上位レベルの目標を解釈し、実行しようとする手順について話すのを支援すると述べた。同社は、Geminiが新しい人間中心のエージェントが、元のシステムでは達成できなかった推論のレベルでゲーム内で協力することを支援すると追加した。

テック企業はまた、仮想環境全体でのより強力な汎化能力を報告した。DeepMindは、SIMA 2がロジックプロンプト、画面に描かれたスケッチ、絵文字を含む、より長く複雑なタスクを完了したことを確認した。Googleは、この能力により、SIMA 2のパフォーマンスが幅広いタスクにおいて人間プレイヤーに近いものになると述べた。同社はまた、AIエージェントのタスク完了率が65%であり、SIMA 1の31%と比較して高いことを指摘した。

DeepMindは、SIMA 2がGenie 3によって生成された全く新しい3D世界内で指示を解釈し、行動することを発見した。このプロジェクトは昨年リリースされ、単一の画像またはテキストプロンプトから対話型環境を作成する。テック企業は、SIMA 2がテスト前に遭遇したことがない世界でも、自己を方向付け、目標を理解し、意味のある行動を取ることができると述べた。

Googleは、人間中心のエージェントが、これまで経験したことのない世界でも、詳細な指示を実行する能力が大幅に向上したと主張した。同社は、SIMA 2が1つのゲームから別のゲームへ学習した概念を転移し、類似したタスク間の関連性を結びつけることができると述べた。

DeepMindは、SIMA 2の欠陥を発見し、対処が必要

研究者たちは 当時、 、エージェントが人間のデモンストレーションから学習した後、自己主導のプレイに切り替えたことを発見した。エージェントは試行錯誤とGeminiによって生成されたフィードバックを使用して、新しい経験データを作成した。新しい経験データには、SIMA 2が生成したタスクを試み、その軌道データを次のモデルバージョンに戻すトレーニングループが含まれる。

DeepMindがSIMA 2を人工知能の進歩として称賛したものの、研究では対処が必要な欠陥も発見された。Googleは、限られたメモリウィンドウ内での作業、非常に長く多段階のタスクでの struggle、3D AIシステムで見られる視覚解釈の課題などの欠陥を特定した。

ディープマインド 明らかにした SIMA 2が、将来のロボティクスやナビゲーションで使用される可能性のあるスキルのテストベッドとして機能したことを発見した。同社は、SIMA 2の研究が、ロボティクスへの応用や現実世界でのAGIに向けた強力な道筋を提供すると述べた。