Peking University、Meta の FAIR 研究所、University of Washington、Carnegie Mellon University の研究チームが『Mental World Modeling』（MWM）という新しいフレームワークを発表した。AI の世界モデルに、人間の心理状態——信念、意図、感情、規範——を統合する手法である。驚くべきは、このフレームワークを弱いモデルに適用すると、より強力なモデルより高い性能を発揮することだ。

既存世界モデルの限界

OpenAI の Sora や Google の Genie といった現代の世界モデルは、物理層のモデリングに優れている。物体の動きや環境変化を高い精度で予測する一方で、根本的な欠陥がある。人間の心理状態を無視しているのだ。

研究チームは、カップが見えない間に移動される場面を例に挙げている。純粋に物理的なモデルであれば、カップがどこに移動したかは正確に予測できるかもしれない。しかし人間の行動——「カップがどこにあるか知らない人物の次の行動」——は、その人物の信念によって決まる。既存モデルはこの心理層を考慮せず、実際の人間の行動を誤って予測してしまう。

Mental World Modeling のフレームワーク

研究チームが提案する Mental World Modeling は、各々の行動を2つの層に分解する。物理的な構成要素（話す、指す、掴む）と、心理的なペイロード（慰める、欺く、拒否する）だ。同じ「話す」という動作でも、相手を励ます意図と騙す意図では心理的な意味が全く異なる。

このフレームワークは、信念、注意、目標、意図、感情、規範、社会的関係といった心的変数を明示的に追跡する。結果として、AI は「この人物は何を信じているのか」「次にどう行動するか」をより正確に予測できるようになる。

性能への衝撃

研究チームの実装 MENTIS によるベンチマーク結果は以下の通りだ。

  • 直接回答のみ：63.3%
  • 自己一貫性使用：77.9%
  • 完全 Mental World Modeling パイプライン：87.9%
  • 人間の成績：98.5%

さらに注目すべき結果として、弱い GPT-4.1 に Mental World Modeling を適用した場合、精度は 84.9% に達した。一方、強力な GPT-5.6-Sol に自己一貫性のみを適用した場合の精度は 83.6% である。つまり、弱いモデルでも構造的なフレームワークの力で、より強いモデルを上回る可能性がある。

メカニズムと応用

この成果が生まれた理由は、明示的な構造の有効性にある。計算資源を増やすだけでは代替できない。特に対人シーンでの改善が顕著で、26.4 ポイントの性能向上を記録した。物体中心のシーンでは 14.0 ポイント程度なので、心理層を追加することの効果が極めて大きいことがわかる。

弱いモデルほど明示的な構造の恩恵を受ける。つまり、計算資源が限られた環境では、より強力なモデルを使うより、適切なフレームワークを組み込む方が効果的である可能性が高い。

業界への影響

Mental World Modeling は、世界モデル設計の根本的なパラダイムシフトを予兆させている。これまで業界は「より大規模に、より計算資源を投じて」性能を上げる方向に進んできた。だが、この研究は「正しい構造設計」の方が、単純な規模拡大より効果的であることを示唆している。

次世代の動画生成モデルやビデオ理解モデルは、この Mental World Modeling の原則を採用するようになるだろう。とりわけロボティクスや自律エージェント、対話型 AI など、人間との相互作用を核とするアプリケーションでの需要は高い。計算コスト削減と性能向上を同時に実現する道が開かれた形である。