# 自律学習 ## 定義 自律学習（Autonomous Learning）とは、エージェントが実世界や環境との直接の相互作用を通じて、外部の人間によるデータ収集・キュレーション・カリキュラム設計・損失関数調整に依存することなく、自ら学習課題やデータを選定し、モデルを継続的に更新・適応させる学習能力を指す（出典: [[@2026__arXiv__Why AI systems don’t learn and what to do about it]]）。配備後にパラメータが固定される従来の機械学習モデルと異なり、観察（知覚・世界モデリング）と能動的介入（行動・方策）を内発的メタ制御によって柔軟にオーケストレーションする能力が中核となる。 ## 未解決の問い - 観察学習（自己教師あり学習）と行動学習（強化学習）の相互依存関係（鶏と卵の問題）を、実世界またはシミュレータ環境で安定してブートストラップする最小限の初期帰納バイアスは何か。 - 自律学習エージェントが配備後にオープンエンドな環境探索を行う際、人間の意図や安全制約から逸脱する「アライメント・ハッキング」をどのように防止するか。 - 進化スケール（外側ループ）でのメタパラメータ最適化と個体発生スケール（内側ループ）での実時間学習を、現在の計算機資源で現実的にスケールさせる学習フレームワークはどのようなものか。 ## 未編纂の観察 ## 関連 - 概念: [[メタ制御]] / [[世界モデル]] / [[自己教師あり学習]] / [[強化学習]] / [[認知科学]] - ソース: [[@2026__arXiv__Why AI systems don’t learn and what to do about it]] - エンティティ: [[Emmanuel Dupoux]] / [[Yann LeCun]] / [[Jitendra Malik]] ## 出典 - [[@2026__arXiv__Why AI systems don’t learn and what to do about it]]