Shanda AIの研究チームは、単純な映像生成から複雑な世界モデリング（World Modeling）への飛躍を目指した大規模データセット「WildWorld」を発表した。これはAAAタイトルである『モンスターハンターワイルズ』の高精細なプレイ映像を活用しており、剣を振る、回避するといった特定の行動が環境やキャラクターの状態にどのような影響を与えるかをAIが学習できるサンドボックスを提供する。従来のピクセルデータのみに依存するデータセットとは異なり、WildWorldにはキャラクターの骨格情報やカメラのポーズといった詳細なメタデータが含まれているのが大きな特徴だ。

このような「状態」を意識したアプローチは、現在の生成AIが直面している大きな課題、すなわち長期的な一貫性（Long-horizon consistency）の維持に直接応えるものである。既存のビデオ生成モデルの多くは、世界の根底にある物理的なルールを理解していないため、時間の経過とともに映像が支離滅裂になる「ドリフト」現象に陥りやすい。そこで、単なる視覚的な変化ではなく明示的な状態遷移を学習させることで、長尺のシークエンスでも論理的な流れを維持することが可能になる。これは、プレイヤーの入力に世界が動的に反応する「生成型アクションRPG（ARPG）」の実現に向けた重要な一歩と言えるだろう。

また、今回のリリースには、複雑なアクションプロンプトにモデルがどれだけ忠実に従えるかをテストするためのベンチマーク「WildBench」も含まれている。初期の評価結果によると、最新の高度なモデルであっても、意味的に豊かなアクションの正確な再現には依然として苦戦しており、今後の研究における重要なフロンティアであることが浮き彫りになった。このデータセットは、AIを単なる映像の模倣者から、自身が介在するデジタル世界の物理法則や論理を真に理解するシステムへと進化させるための、構造化された基盤となるはずだ。

Shanda AIの研究チームは、「WildWorld（ワイルドワールド）」という巨大なデータのセットを発表しました。これは、AIがただ映像を作るだけでなく、世界の仕組みそのものを理解するための練習帳のようなものです。大人気ゲーム『モンスターハンターワイルズ（Monster Hunter: Wilds）』のとても綺麗な映像を使い、剣を振ったり、敵の攻撃をよけたりする「行動」が、周りの環境やキャラクターにどう影響するかをAIに教えます。これまでのAIの練習台は見た目の色（ピクセル）だけでしたが、今回のデータにはキャラクターの骨組み（スケルトン）や、カメラの向き（カメラポーズ）などの詳しい情報（メタデータ）が含まれています。

このように「今の状態」をしっかり教える方法は、今のAIが抱えている大きな悩みである「長い時間のつながり（一貫性）」を解決してくれます。今の動画を作るAIは、時間が経つと映像がぐちゃぐちゃになって、意味のわからないことになってしまうことがよくあります（ドリフト）。これは、AIが世界のルールを分かっていないからです。単に見た目だけを真似するのではなく、動きによって「何がどう変わったか」という変化（状態遷移）を学ぶことで、長い動画でもおかしなことにならず、理屈の通った映像を作れるようになります。これは、プレイヤーの動きに合わせて世界がリアルに反応する、新しいタイプのアクションゲーム（生成型ARPG）を作るための大きな一歩です。

また、AIが難しい命令をどれくらい守れるかを調べるためのテスト（ベンチマーク）である「WildBench（ワイルドベンチ）」も公開されました。最初のテスト結果では、とても賢いAIでも、複雑な動きを正しく理解するのはまだ難しいことが分かりました。このデータによって、AIは単に動画をマネするだけの存在から、デジタルな世界の中にあるルールや理屈をちゃんと理解できるシステムへと進化することが期待されています。