AIを超える次の大きなトレンドがまもなく到来するが、ほとんどの人はまだ気づいていない。3年間のLLM（大規模言語モデル）への熱狂を経て、AIとロボティクスのより広い地平が研究室を超えて浸透し始めている。それらは最終的にバーチャルリアリティ（VR）を変革するだろう。
ザッカーバーグはメタバースについて間違っていなかった。ただ早すぎただけだ。今後3〜5年で、生成AI、フィジカルAI、空間コンピューティングの融合によってVRは変貌を遂げるだろう。VRは復活し、その価値が証明されることになる。
ChatGPT以前の生活
2022年後半、（ステン・サルヴェールのおかげで）私はエストニアのブラックナイト映画祭で講演した。彼らは先鋭的で最先端の映画制作の達人たちだ。私は10年以内に—いつになるかはわからないが—技術の進化により、リアルタイムで一人のための映像をオンデマンドで生成できるようになると予測した。最終的には、VRでリアルタイムの完全な体験が可能になるだろう。これらのアーティストや技術者たちはそのビジョンに刺激を受けると同時に恐れも感じたが、当時はまだ実現不可能だった。
それが可能になるまで。11月30日、ChatGPTが登場した。私はLLMがこれほど急速に優れたものになっているとは知らなかった。しかし何年もの間、OpenAIという非営利研究所からの情報を含め、微かな兆候は見ていた。
今日、フェイフェイ・リーやヤン・ルカンといったAIの巨匠たちはLLMを超えた領域に進んでいる。2025年末にメタのチーフAIサイエンティストを退任予定のルカンが主張するように、「LLMは人間レベルのAIへの道ではない」。
彼らや他の研究者たちは「フィジカルAI」—物理的世界で機械が自律的に行動できるようにする知覚、推論、3D空間での制御の融合—と、コンピュータと人間が物理的環境の共有ビジョンを持つためのマッピング、トラッキング、3D表現を使用する空間コンピューティングに注力している。フィジカルAIは行動を可能にし、空間コンピューティングは行動が発生する空間的参照枠を提供する。
フィジカルAIと空間コンピューティングは、VR+と呼ばれる次世代VR（ARやミックスドリアリティを含む）と組み合わさっている。空虚な仮想ウォルマートや3000ドルのヘッドセットではなく、はるかに魅力的なものだ。
バタフライの翼とVRの未来
先週、予想外のパートナー—ヘルスケアと生成AI—の間で交わされた謎めいた契約が、この変化を示した。ほとんどの人は気づかなかった。その意味を理解した人はさらに少なかった。
11月17日、携帯型超音波診断装置のパイオニアであるバタフライ・ネットワーク（BFLY）は、最も影響力のあるAI画像生成ラボの一つであるミッドジャーニーとの5年間の共同開発・ライセンス契約を発表した。ミッドジャーニーはバタフライに1500万ドルの前払い金と年間1000万ドルを支払い、同社の超音波オンチップ・プラットフォームとソフトウェアへのアクセスを得る—さらに将来のハードウェアに関連したマイルストーン支払いと収益分配も含まれる。
バタフライは元々、カートサイズの画像診断機器を携帯型プローブに凝縮するためにチップを設計した。彼らのシステムは単なる医療機器ではなく、空間センサーだ。ミッドジャーニーは次世代のセンシングと空間理解のためにこのプラットフォームをライセンス供与している。この契約は、バタフライがエッジAIのためのセンシングプラットフォームへと転換したことを示している。
なぜこの契約が重要なのか
バタフライの超音波オンチップは、カメラだけでは達成できない深度、動き、表面を通したセンシングを追加し、空間コンピューティングの知覚能力を拡張し、最終的にはより豊かなVR環境を可能にする。
ミッドジャーニーのR&Dロードマップは、ビデオと3D環境生成のための次世代モデルを構想しており、CEOのデビッド・ホルツが2024年の社内「オフィスアワー」で言及した「ホロデッキのような」世界の構築を目指している。その流れの中で、バタフライとミッドジャーニーのパートナーシップは、世界を知覚し、環境を生成し、リアルタイムで反応できるVRシステムに向けた初期段階を表している。
ミッドジャーニーは具体的に何を開発しているかを明かしていない。私の推測では、彼らが発表するものは、音響、視覚、その他のセンサーを統合して、人々、AIエージェント、オブジェクトをVR環境にシームレスに融合させるだろう。VRエッジにおける知覚、知性、体験だ。
次世代メタバース
メタは、マーク・ザッカーバーグが2021年にリアリティラボを設立して以来、累積で約700億ドルの損失（研究開発投資と読み替えるべき）を報告している。アップルのVision Proは大々的に発表され3499ドルの価格タグが付いたが、コンテンツが不足し大衆への普及には至らなかった。グーグルはDaydream VRプラットフォームを立ち上げたが、後に放棄した。
多くの観察者にとって、メタバースは失敗した。
幸いなことに、メタ、アップル、グーグルは数十億ドルの損失を許容できる。彼らの投資は研究開発を促進し、起業家や研究者たちにさらなるインスピレーションを与えた。
ここ数年で、いくつかの欠けていた要素が登場した。ミッドジャーニーとOpenAIのSoraは、物理法則にますます適合した写真のようにリアルなシーンを作成するようになった。空間マッピングも改善し続けている。エッジAIチップはリアルタイム推論と—バタフライのチップのような—小型パッケージでの低電力物理センシングを実現している。
一方、フィギュアとテスラは、スクリプトではなく大規模モデルから複数ステップのタスクを学習する汎用ヒューマノイドロボットを構築している。NVIDIAのオムニバースは、家庭や工場の床に触れる前に何百万ものシナリオでトレーニングするためのシミュレーション基盤を提供している。これらのシステムは、センシング、世界モデル、行動の間の緊密なループという共通のパターンを持っている。
これらの機能はほとんどロボット向けに開発されているが、はるかに優れたVRを作るためにすぐに応用可能だ。これがどれくらいの時間がかかるかは誰にもわからないが、私がインタビューした専門家たちの間では、VR体験が現実と区別がつかなくなることを妨げる物理法則は存在しないというのが共通認識だ。
将来のVRインターフェースには、ヘッドセット、ルームスケールのインスタレーション、スマートグラス、あるいはまだ想像もされていない新しい形態が含まれるかもしれない。最終的には、Neuralink、Synchron、Precision Neuroscienceなどの企業が現在開発中のブレイン・コンピュータ・インターフェース（BCI）を通じて、インターフェースが消えるかもしれない。
長年の共同研究者であるコロンビア大学の神経科学者モラン・サーフは、なぜ私たちの生涯で目に見えないインターフェースが実現すると信じているかを説明する。「BCIを機能させることは難しい工学的課題をもたらす。しかし人間にはそれを解決する方法がある」。AIパートナーを加えれば、VRの競争が始まる。
顔に装着するスクリーンから解放され、事前にレンダリングされた世界に限定されなくなると、VRシステムはあなたの物理的空間を認識し、人間やロボットを含む反応性の高い生成環境にあなたを没入させるだろう。
拡散モデル以降の生活：オンデマンドの新世界
ヤン・ルカンの次なる行動は、AIがより良い自動補完ではなく、身体を持つ必要があることを示している。AIを超える次の大きなトレンド（考えてみよう）がまもなく到来するが、ほとんどの人はまだ気づいていない。3年間のLLMへの熱狂を経て、AIとロボティクスのより広い地平が研究室を超えて認識され始めている。
フェイフェイ・リーの新会社、ワールドラボは、「3D世界を知覚し、生成し、相互作用できるフロンティアモデルを構築する空間インテリジェンス企業」と自らを説明している。同社の最初の製品であるマーブルは、テキスト、写真、ビデオを永続的で編集可能な3D環境に変換する。リーは「世界モデルは知覚、幾何学、物理学において一貫した世界を生成できなければならない」と主張し、生成AIが時間の経過とともに空間的一貫性を維持する必要があるとしている。
ルカンのフィジカルAIとリーの空間インテリジェンス、そしてVRを統合すれば、未来が見えてくる。さらに—これは読者の皆さんに任せるが—グーグルのナノバナナコンセプトを見て、それが将来のVRとどう関連するか考えてみてほしい。
彼らの研究は、モラン・サーフと私が2014年に紹介した概念であるポスト・バーチャルに向かって進んでいる。VRと「デフォルトの現実」を区別できなくなる点を超えると、私たちはポスト・バーチャルの世界に入る。ポスト・バーチャルはVRにとっての厳格なチューリングテストであり、今世紀後半にはおそらく超えられるだろう閾値だ。
VRのスマートフォン的転換点
新たに登場するAIシステムは通常の映像を「見る」だけではない。可視光、赤外線、超音波（ここでBFLYとミッドジャーニーの契約が重要になる）などを組み合わせたマルチモーダルイメージングを消費し、世界の編集可能なモデルを可能にする—そして、これから登場するVRプラットフォームを通じてアクセスする新しい世界を生成するだろう。
ビジネスリーダーは今から空間コンピューティングと生成的世界モデルの実験を始めるべきだ。最も速く学ぶ組織が、この新しいメディアの形成を助けることになる。
来るべきメタバースは、空っぽの仮想ウォルマートの中の漫画のようなアバターではない。それは、あなたが理解し—そしてあなたを理解する—協調的で生きた環境になるだろう。刺激的であると同時に恐ろしくもある。
