FactorJEPA: 南部都市世界の複雑な未来をレイアウト・エージェント・相互作用チャネルに分解

インドやブラジル、アフリカの大都市──高層ビルと路地裏が入り交じり、人と車とバイクが常に動き回る「グローバルサウス」の都市。こうした複雑な環境を、AIはどう理解すればいいのでしょうか。

これまでのAIモデルは、秩序立った街並みや信号機のある先進国の道路を学習することには向いていました。しかし、予測不可能に見える大規模都市の動きを捉えるのは苦手でした。なぜなら、カメラに映る全てを「見守る」ことが難しく、人々の行動が複雑に絡み合っているからです。

今回、研究チームが開発した「FactorJEPA」は、この課題に対するユニークなアプローチです。基本的な考え方は「複雑なものを細かく分ける」というものです。具体的には、都市を三つの要素に分解します。

一つ目は「レイアウト」──道路の配置や建物の位置といった、変わらない背景。二つ目は「エージェント」──人や車、バイクなど、実際に動く存在。三つ目は「相互作用チャネル」──これらの要素がどう影響し合うかという関係性です。

この分解により、AIは都市全体を一度に理解しようとするのではなく、それぞれの層を個別に学習してから統合する方法を取ります。例えば、「この交差点では人と車がどう出会うのか」「バイクと歩行者の流れはどう変わるのか」という具体的なパターンを理解していくわけです。

訓練に使われたのは、22都市から集めた1000時間を超える映像です。これは膨大なデータセットで、様々な気象条件や時間帯、交通状況が記録されています。AIはこれらを繰り返し見ることで、都市の「見えない法則」を学び取ります。

この研究の面白さは、先進国中心のAI研究に新しい視点をもたらすという点です。グローバルサウスの都市はこれからも急速に成長する地域です。その過程で渋滞対策や災害対応、都市計画の最適化が急務になります。従来のモデルでは対応できない、独特のダイナミクスを理解するツールが、今まさに必要とされていました。