【第2回】AIに「小脳」と「自律神経」を ― 身体を持つ知能の設計図

LLMが「大脳」なら、小脳や脊髄はどこにある

前回、フィジカルAIの本流は「LLM/VLMの意味理解＋拡散/flowの運動生成＋world model」の複合だと整理しました。ここから、もう一歩踏み込んで考えてみます。

文字列データを中心に発展してきたLLMを、人間の脳、それも「大脳」に例えるのは、意外と理に適っています。言語、知識、推論、計画——大脳皮質が担う高次機能と、よく重なるからです。

ただ、それなら当然こう思います。大脳があるなら、小脳や脊髄に相当する「もっと身体に近い脳」もあるべきではないか、と。人間には手足を動かす仕組みだけでなく、心臓や胃、腸といった内臓からの生理的フィードバックもあります。それらを司る自律神経、交感神経・副交感神経に相当する仕組みも要るはずです。

面白いことに、この直感は、いまのフィジカルAI研究の方向とかなり一致しています。研究者は「LLMをそのまま人間の脳に近づけよう」とするより、「人間の神経系のような階層構造を、AIシステムとして作り直そう」という方向へ進み始めています。

人体とAIシステムの対応関係

人体の各部位を、AIでの対応候補に並べてみると、きれいな階層になります。

人体	AIでの対応候補
大脳皮質	LLM・VLM・MLLM（知識、推論、言語、計画。例: Gemini Robotics-ER）
前頭葉的な計画	タスクプランナー、記号的プランナー
小脳	運動学習、姿勢制御、誤差補正（Diffusion Policy、Flow Matching、RL、MPC）
脊髄反射	リアルタイム制御、緊急停止（MPC / PID / safety controller）
自律神経	リソース管理、安全制御、異常検知
内分泌系	学習率・探索率などの内部パラメータ調整
感覚器	カメラ、LiDAR、マイク
体性感覚	触覚センサー、力覚、自己受容感覚（proprioception）
内臓感覚（Interoception）	バッテリー、CPU温度、モーター電流、故障診断
世界予測	World Model / シミュレータ

いまのフィジカルAIが厚く手当てできているのは、上の2〜3段——大脳（LLM/VLM）と、小脳・脊髄にあたる運動制御の一部です。下の方の段、とくに自律神経や内臓感覚にあたる領域は、まだほとんど空白になっています。この記事では、その空白を順に見ていきます。

人工小脳：LLMが苦手な「運動誤差の補正」

まず小脳です。

LLMは「何をしたいか」は考えられます。しかし、「コップを3mm右から掴んだら滑る」「もう少し指を緩めた方が成功する」——こうした運動誤差の細かな補正は苦手です。

これは人間でも同じで、大脳ではなく小脳が担当している仕事です。歩くたびに大脳が「右足を5mm前へ、膝を2度曲げて…」と毎秒何十回も推論していたら、会話どころではありません。細かな運動制御は、小脳という別の回路に任されています。

だから最近のDiffusion PolicyやFlow Matchingは、まさに「人工小脳」に近い位置づけと言えます。第1回で見た拡散系の行動生成は、大脳（LLM）の下で運動の微調整を引き受ける、小脳的な役割を果たしているわけです。

この分担は、企業のモデルでもはっきり明示されています。NVIDIAのGR00T N1は、視覚言語モジュールを「System 2」、拡散トランスフォーマーを「System 1」と呼び、前者が環境と言語指示を解釈し、後者がリアルタイムの運動を生成する——という、まさに大脳／小脳的な二重構造を採っています（GR00T N1 論文）。Figure AIのHelixも、VLAでありながら上半身全体・指・手首の高頻度な連続制御を重視しており、意味理解と高速な運動制御を分けて扱うモデルとして説明されています（Figure: Helix）。「じっくり考える大脳」と「反射的に動く小脳」を分けるこの発想は、いまや研究の標準的な設計になりつつあります。

内受容感覚：ロボットにとっての「体調」

次に、見落とされがちな内臓感覚です。

人間は外界だけを認識しているわけではありません。心拍、呼吸、空腹、疲労、痛み、体温——「身体の内部」の情報を、絶えず脳へ送り続けています。この内受容感覚（Interoception）は、近年の神経科学では意思決定や感情の形成にも深く関わると考えられています。

ロボットにも、同じ種類の情報があります。

• バッテリー残量
• モーター温度
• 関節トルク
• ギアの摩耗
• 振動
• CPU使用率
• 通信遅延

これらは、単なる監視ログではありません。ロボットにとっての「身体の健康状態」です。将来のフィジカルAIでは、こうした内部情報も学習の対象になっていくと考えられています。外界の映像だけでなく、自分の体調も感じ取って行動を変える、というわけです。

自律神経と恒常性：いちばん欠けている層

最後に、いまのAIに最も欠けている二つを挙げます。

一つは、交感神経・副交感神経に相当する全身のモード切り替えです。人間なら、危険を感じると心拍数が上がり、視野が狭まり、運動能力が優先され、消化が止まる——という一連の状態遷移が自動で起こります。ところがAIは、通常「カメラ画像→推論→行動」だけです。本来なら「危険状態」という内部状態に応じて、推論頻度を上げる／安全マージンを増やす／センサーの重みを変える／行動速度を下げる、といった全身的な切り替えが必要になります。これはLLMでも拡散モデルでもなく、「システム全体の状態制御」の仕事です。

この方向は、研究でも動き始めています。Google DeepMindのGemini Robotics-ER 1.6は、直接モーターを動かすより、空間理解・物理的な安全・行動の段取りを担う embodied reasoning（身体をともなう推論）モデルとして位置づけられ、画像・動画・音声・自然言語を入力に物理世界を文脈化して扱います（Gemini Robotics-ER 1.6）。とくに物理的な安全制約への遵守能力が改善されたと報告されており（モデルカード）、「危険か、可能か、どう段取りするか」を見るこの層は、小脳よりも大脳・前頭葉寄りで、かつ自律神経的なモード制御に近い役割だと言えます。

もう一つは、恒常性（Homeostasis）です。人間は何をしていても、体温・血糖・酸素・水分・疲労・睡眠を一定の範囲に保とうとします。一方いまのAIは、「与えられたタスクを遂行する」ことに集中し、自分自身の状態を維持することはほとんど考えません。もし将来、長期間ひとりで動き続けるロボットが普及するなら、「目標を達成する」だけでなく、「自分を壊さず、エネルギーを管理し、適切なタイミングで休息や充電を行う」という恒常性の維持が不可欠になります。

この視点は、研究の最前線と重なっている

ここまでの話は、思いつきの比喩ではありません。近年の研究テーマとしっかり重なっています。

とくに Embodied AI、Developmental Robotics、Active Inference、Free Energy Principle といった分野では、「知能とは、外界を理解する能力だけではなく、自分自身の身体状態を維持しながら環境と相互作用する能力である」という考え方が強まっています。

この先5〜10年のフィジカルAIでは、「LLMを賢くする競争」よりも、「人工小脳」「人工自律神経」「人工恒常性」といった、身体全体を統合するアーキテクチャが大きな研究テーマになる可能性が高い。第1回で見たVLAやWorld Modelの、さらに一段上のシステム設計です。

まとめ

• LLMを「大脳」に例えるのは妥当。ただし、小脳・脊髄・自律神経・内臓感覚にあたる層がまだ空白
• 人工小脳＝Diffusion Policy / Flow Matching が、運動誤差の補正という大脳が苦手な仕事を引き受ける
• ロボットの内部情報（電池・温度・トルク・摩耗）は「体調」であり、今後の学習対象になる
• 最も欠けているのは、危険時の全身モード切り替え（自律神経）と、自分を保つ恒常性（Homeostasis）

次回（第3回）は、なぜ「全部を一つの巨大モデルでやる」のが筋が悪いのか——階層化と責務分離、そして資源効率の観点から、この設計図の裏づけを掘り下げます。