Agentは撮影現場へ進むが、まだ「電網」は未完成

導入

同じ技術イベントで、AI Agentについて対照的な見方が示された。北京の産業セッションでは、AIがコンテンツ生成を超えて「世界を構築する」段階に入り、横店の一部撮影セットをスキャンしてオンラインの3D制作空間に移す事例が紹介された。対して杭州の学術セッションでは、今日のAgentは発明されたばかりの電球に近く、社会を大きく変える電力網はまだ整っていない、という見方が語られた。

この違いは矛盾ではない。産業側は、現在のAIでどこまで納品できるかを見ている。学術側は、Agentがいつ自律的に学び、検証し、改善できるシステムになるのかを問うている。

主要ポイント

• 産業側は制作フローを組み替えている。 虎鲸文娱は、AIが映画・ドラマ制作に入るには、数秒の映像を作るだけでなく、脚本、美術、演出、編集、音響などの専門的判断と接続する必要があるとした。
• ソフトウェアは機能提供から成果提供へ。 美図は、ユーザーが目的を伝えれば、複数のAgentが企画、デザイン、修正、色調整、分析などを分担する方向へ進んでいる。
• 映像生成には空間の一貫性が必要。 群核科技は、2Dピクセルだけで学ぶ動画モデルでは、部屋や小道具、視点の整合性が崩れやすいと指摘。先に3D空間を構築し、動画モデルに美的表現と言語制御を担わせる分担を提案した。
• 学術側は質的転換に慎重。 コーディングなどデジタル空間のAgentは実用性を増しているが、身体性を持つロボット、オープンワールド学習、長期記憶、安全性には未解決の課題が多い。
• 鍵は閉ループである。 Agentはタスクを実行するだけでなく、結果の正誤を判断し、失敗を修正し、経験を記憶やスキル、モデル能力として蓄積する必要がある。

意味と影響

今回の対比は、AI実装の現在地をよく表している。商業画像、仮想セット、制御された制作工程のような限定領域では、すでに個々の「灯り」をともせる。一方で、それらをつなぐAgent基盤には、低遅延の基盤モデル、Harness、強化学習、学習可能な長期記憶、安全な検証機構がまだ必要だ。

つまり、AIが特定の現場で世界を構築し始めていることと、汎用的な自己進化Agentがまだ電球段階にあることは、同時に成立する。

出典：量子位