Sakana AIが開発した3Dスマートセルラーブロック——「頭脳」による指令なしで互いに通信し自由に組み合わさり、「生物のような群知能」を発揮する

Sakana AIはこの生物学の問いを一つの物理実験に変えた

Sakana AI、コペンハーゲンIT大学、Autodeskはこの3D「スマートセルラーブロック」を開発した。1個のブロックは自分がどこにいるかも、全体の構造も見えない。ただ、六方向のどの位置に隣接ブロックが繋がっているかだけを知っていて、その隣接ブロックとメッセージをやり取りする。数十個から近200個のブロックが飛行機、ギター、船、円卓に組み上がったとき、全体地図も中央コントローラーもない状態で「自分たちは何なのか」を一緒に推論する。

これこそがこの研究の重要な飛躍だ。自然界の「局所ルールから全体行動が生まれる」という原理を、理想化されたソフトウェアシミュレーションから、パケットロスや通信断絶、モジュール故障が起こり得る実際の3Dハードウェアへと押し進めたのである。著者らは、これが大規模かつ生物模倣的な三次元物理自己認識の実現としては初めてのものだと述べている。

1個の「スマートセルラーブロック」の中身

各スマートセルラーブロックは、6枚のプリント基板から成る立方体で、六面すべてにコネクタが付いている。内部にはESP32-S2マイクロコントローラー、現在のカテゴリー判定を表示するRGBライト、そして給電と通信に必要な電子部品が収められている。コネクタは機械的な接続、給電、隣接モジュール間のデジタル通信を同時に担う。

実物ハードウェアとシミュレーションの最大の違いは、メッセージがロスすることだ。論文でのやり方は非常に素朴で、ニューラルネットワークを実行する前に、隣接ブロックは状態を5回繰り返し送信し、通信ウィンドウは3秒続く。メッセージが不完全だったり有効なヘッダーがなかったりすれば破棄する。ある方向に隣接ブロックがない、あるいは時間内に有効なメッセージを受信できなかった場合、対応する入力はゼロとして記録される。物理システムの頑健性の一部は、この通信の冗長性に由来しており、すべてがニューラルネットワーク自体によるものではない。

隣接メッセージからどうやって体全体を認識するのか

システムの核となるアルゴリズムはニューラル・セルオートマトン、通称NCAと呼ばれる。従来のセルオートマトンは人があらかじめルールを書いておくもので、例えば1つのマスが周囲のマスの状態に応じて次の状態を決める、といった具合だ。NCAが異なるのは、局所更新ルールがニューラルネットワークによって学習を通じて獲得される点にある。研究者があらゆる可能なケースを手作業で列挙する必要はもうない。

各ブロックの内部には28次元の状態が保持されており、そこには生存フラグ1つ、隠れメモリチャンネル20個、7つの形状カテゴリースコアが含まれる。各ラウンドで、ブロックは六方向の隣接ブロックの状態を読み取り、三次元畳み込みと状態更新ネットワークを経て、自分の内部メモリとカテゴリー判定を更新し、新しい状態を隣接ブロックに送る。すべてのブロックはまったく同一のネットワークを実行しており、違いはただ受信する局所情報から来るだけだ。

1つのモジュールは決して完全な形状を見ることができないが、遠くの情報は接続関係に沿って一段ずつリレーされていく。あるブロックはまず近くの隣接情報からおおまかな推測を形成し、この推測は次のラウンドで他のブロックへの入力になる。数十回の反復を経て、当初分散していた局所判断は次第に全体で一致した形状カテゴリーへと収束していく。これが群知能がハードウェアの中でとる具体的な姿だ——全体の答えはどこか1つの中心ノードに保存されているのではなく、絶え間ない局所的な相互作用から生まれてくるのである。

近200個の実物ブロックが、本当に自分の形状を認識した

研究チームはまずシミュレーション環境で、ShapeNetの487種類の三次元形状を使ってネットワークを訓練した。カテゴリーには飛行機、椅子、車、テーブル、家、ギター、船が含まれ、平均分類精度は98.97%に達した。この平均値は均一ではない。飛行機、椅子、テーブル、船はいずれも99%を超えているが、家は85.04%にとどまる。その後、チームはハードウェア用にルールを書き直すのではなく、シミュレーションで訓練済みのNCAをそのまま実物ブロックに展開した。

この98.97%は487種類の学習形状における結果であって、独立したテストセットでの成績ではない。しかも同じシミュレーション分類タスクにおいて、より単純な分散グラフ構造のベースライン（Voxel Graph Weisfeiler–Lehman、WL）は100%を達成している。NCAの優位性は分類スコアがより高いことではなく、各ブロックが固定回数の局所更新だけを実行すればよく、実物ハードウェアに直接持ち込め、さらに損傷位置の特定と復旧にも転用できる点にある。

実物実験では4種類の構造が組み上げられた——26個のブロックから成るギター、そして規模が段階的に大きくなる飛行機・船、197個のブロックから成る円卓だ。各構造はそれぞれ3回ずつ繰り返しテストされ、計12回の試行すべてで全ブロックが正しく全体形状の合意に到達した。論文で採用された標準フローは60ラウンド実行され、1回の自己認識全体で約3分だった。

組み方を変えたり、いくつか壊れたりしても、それでも認識できるのか

群知能を本当に体現しているのは標準形状での高得点ではなく、構造に変化が生じた後もシステムが全体としての判断を維持できることだ。研究者たちは実物ブロックの5%、10%、15%をランダムに停止させ、メッセージの送受信をやめさせた。ほとんどの形状は5%の故障率下でも高い認識性能を保ち、飛行機と船は15%の故障率でもかなり安定していた。

故障の影響は物体そのものの構造的性質も浮き彫りにする。飛行機には複数の通信経路があり、一部のブロックが沈黙しても情報は迂回して伝播できる。一方ギターのネックは狭い通路であり、1つの重要なブロックが故障するだけで両側が分断されかねない。群知能は中央の単一障害点をなくしはしたが、依然として物理的接続が形成する情報ネットワークに依存しているのだ。

研究チームはさらに、学習中には一度も出現しなかったバリエーションもテストした。5本脚の位置がランダムで長さもまちまちなテーブル、ブリッジが片側に寄った船、そして縮小版の飛行機とテーブルだ。前者のほとんどは正しく識別されたが、縮小版のテーブルだけが椅子と誤判定された。これはネットワークがある程度抽象的な構造特徴を学習していて、学習サンプルの固定座標を1つ1つ丸暗記しているわけではないことを示している。

隠れチャンネルが自力で方向感覚を形成した

研究者たちはさらにNCAの隠れチャンネルを開いて、これらのブロックが具体的にどんな内部信号でテーブルと椅子を区別しているのかを観察した。すると生物の発生過程における「モルフォゲン」に似た空間パターンが現れた。テーブルは早い段階から左右の勾配と、中心から外側へ広がる放射状の勾配を形成し、椅子はより明確な前後軸の信号を形成していた。

椅子は最初の数ラウンドではしばしば各モジュールにテーブルとして扱われる。座面と背もたれはそれぞれ平面またはテーブル状のパーツに見えるが、背もたれの領域には次第に方向性を帯びた隠れ信号が生まれ、接続関係に沿って後ろから前へと伝播していく。この信号が広がるにつれて、ますます多くのモジュールが判断を修正し、最終的に全体で「テーブル」から「椅子」へと転換する。研究者はネットワークにどの種類の勾配を作るべきかを事前に教えたわけではない。この通信戦略は訓練過程の中で自ら創発したものだ。

身体の認識から、さらに損傷検知と再生へ

あるシステムがまず自分が何であるかを認識できて初めて、どこがおかしいのかを判断できる可能性が生まれる。そこで研究チームはNCAに第二のタスクを追加した——全体がどのカテゴリーの形状に属するかを判断するのに加えて、各ユニットは自分の六方向のうち、どの方向に本来あるべき隣接ブロックが欠けているかも判断しなければならない。

シミュレーション実験では、各ユニットは7つの状態から選択する必要がある——損傷なし、あるいは正負のX・Y・Zという六方向のいずれかの側で欠損が発生している、のいずれかだ。システムの損傷方向判断の平均精度は94.8%に達し、同時に98.9%の形状分類精度も維持された。つまり、同一の分散型ネットワークが「自分たちは何なのか」と「自分のどちら側が欠けているのか」の両方に同時に答えられるということだ。

方向信号が得られれば、復旧は繰り返し実行される成長プロセスとして記述できる——既存のユニットがまず欠損方向を予測し、予測が局所的な合意に達したら、システムはその方向に新しいユニットを追加し、再び判断を行い、すべてのユニットが欠損を報告しなくなるまでこれを続ける。研究では2つのモードが示された。1つ目はシステム自身に現在の形状を判断させて復旧させるもので、より自律的だが、深刻な損傷の場合、椅子がテーブルとして再解釈されてしまうこともある。2つ目は目標形状を事前に与えるもので、少数の種ユニットしか残っていなくても、目標に沿って段階的に再構築できる。

同じルールが18,000個以上のユニットにまで拡張できる

シミュレーションでは、システムは15³グリッドから32³、64³へと拡張され、空洞を含む魚形、ハート形、Sakanaのロゴを扱い、最大構造は18,000個以上のブロックに達した。128個の隠れチャンネルを使用した場合、3つの解像度における分類精度はそれぞれ98%、96%、96%だった。訓練はNVIDIA A10G GPU 1枚で完了し、64³の修復モデルには約8時間を要した。

次のステップは、構造を本当に動かし、自ら修復させること

今日のスマートセルラーブロックは、すでに実物ハードウェアの中で分散型の自己認識と故障耐性を実現している。損傷方向の予測と段階的な再生についてはシミュレーション環境で示されたものだ。実物ブロックは現時点では外部電源に依存しており、モーターも、磁気ドッキングも、リソースプールから新しいブロックを募集する能力も持たない。この境界は論文の主旨を損なうものではなく、むしろこの研究が物理的再生の手前にある最も重要な前提能力を完成させたことを物語っている——それは構造がまず自らの形態についての集団的な認識を持てるようにすることだ。

この路線をさらに進めていくと、研究チームが構想しているのは、損傷を感知して報告できるスマート建材、接続の変化に応じてリアルタイムで判断を調整できるモジュール式ロボット、そして磁気接続と小型の運動機構を備え、共有モジュールプールから自ら補充できる再構成可能なシステムだ。その頃には、計算はもはや構造の外部にある1台の中央コンピュータで行われるのではなく、素材そのものが持つ属性となっているだろう。