状態空間モデルとは？

ナビの「現在地」が、AIの脳です

地図アプリを使っているとき、あなたの移動履歴を1秒ごとに出発地点から全部読み直していますか。しませんよね。アプリが持っているのは「今の位置、進む方向、速度」の3点セットだけ。それだけで、次の交差点の最適ルートが計算できる。

AIが長い文章や動画の「次」を予測するときも、実は同じことをしています。過去の情報を全部覚え続けるのではなく、その場その場の要点を「今の状態」に圧縮して持ち歩き、次の一手を推測する。

つまり、状態空間モデル（State Space Model）とは、システムの内部状態と観測値（見えている情報）の関係を使って、時間とともに変化する物事を記述・予測する数学的枠組みです。

実は日常の判断の多くは、状態空間モデルと同じ骨格をしています。一度、AIの文脈ではなく自分の生活で確認してみてください。

共通点は「全履歴を保持する」のではなく「今の要約から先を読む」こと。この”メモリ効率”の論理が、AI界でTransformer（注意機構）からMamba（状態空間モデル系）へ関心が移ってきた背景にあります。

最近AIのニュースで「Mamba」と「Transformer」が並んで出ることが増えました。実は両者、同じ問題（長いシークエンスの次の予測）を解く、別アプローチの兄弟です。

Transformer（注意機構）：「全部見返す」方式。過去のトークン（単語の断片）を全部参照して重みを割り振る。精度は高いが、長文ほど計算が重くなる
状態空間モデル（SSM）：「要約して進む」方式。過去の情報を”今の状態”に圧縮して持ち歩く。計算が軽く、非常に長いシークエンスに向く
具体的な子孫：LSTM・GRUはSSMの”旧世代”、Mamba・S4はSSMの”新世代”（2024〜25年のブーム）。TransformerはSSMとは別の系譜

「全部見返す」か「要約して進む」か。この一言で使い分けの軸が立ち、AIニュースの語彙が”並列の用語”ではなく”使い分けの選択肢”として頭に残ります。

状態空間モデルの本質は、「全履歴を覚えない。今の要約から先を読む」。ナビの現在地、天気予報の3指標、料理の味見──あなたが毎日無意識に使っている判断の骨格そのものです。

今週できる5分：明日、天気予報を見るとき「なぜ”今の状態”だけで明日が言えるのか」と1回だけ意識してみる。”全履歴を再計算していない”という気づきが、状態空間モデルの体感になります

📚 このテーマをもっと学びたい方へ

さらに理解を深めたい方には、統計検定2級の公式テキストがお薦めです！

リンク

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

重い毛玉を捨てて小さな光るオーブだけ持って走る姿が、状態空間モデルの要約と予測の芯を掴んでいます。一方でオーブが「発想の電球」と読めるため、内部状態の圧縮感がやや伝わりにくいです。