AI 研究の自動化（8 分読了）

Import AI へようこそ。これは AI 研究に関するニュースレターです。Import AI は arXiv と読者からのフィードバックに基づいて運営されています。もしご支援いただける場合は、ぜひ購読してください。

今すぐ購読する

AI システムが自らを構築し始める時が近づいています。それは何を意味するのでしょうか？

私はこの投稿を書くにあたり、公開されているすべての情報を精査した結果、残念ながら「人間を介在させない AI 研究開発（R&D）— すなわち、自らの次世代システムを自律的に構築できるほど強力な AI システム — が 2028 年末までに実現する可能性が十分にある（60% 以上）」という見解に至りました。これは大きな出来事です。

私にはこれをどう理解すればよいのか分かりません。

この見解は、その影響の大きさに圧倒され、自らが小さく感じられるほどであるため、やむなく導き出したものです。また、自動化された AI 研究開発の実現がもたらす変化に対して、社会が準備ができているかどうかについても確信が持てません。

今や私は、AI 研究がエンドツーエンドで自動化される時代を生きていると信じています。もしそうなるなら、私たちは予測不可能な未来へとルビコン川を渡るような転換点に達することになります。これについては後ほど詳しく述べます。

本稿の目的は、なぜ私が「完全な自動化 AI 研究開発への移行が進行中である」と考えるのか、その理由を列挙することです。この変化に伴う結果についてもいくつか議論しますが、主にこの信念を支える証拠について詳述し、2026 年の大半はその影響を検討するにあてようと考えています。

タイミングについては、2026 年にこれが実現するとは考えていません。しかし、1〜2 年以内に「モデルが自身の子孫をエンドツーエンドで訓練する」事例を目にする可能性はあるでしょう。もちろん、最先端モデルではない段階での概念実証（PoC）レベルの話ですが、最先端モデルはより困難です。なぜなら、それらは非常に高価であり、多くの人間が極めて努力して作り上げた成果物だからです。

私のこの推論の根拠は主に公開情報に基づいています。arXiv、bioRxiv、NBER 上の論文や、最先端企業が世界に展開している製品を観察することからです。これらのデータから、今日の AI システムの生産を自動化するためのすべての要素が整っているという結論に至ります。つまり、AI 開発におけるエンジニアリングコンポーネントです。そして、スケーリングの傾向が続くならば、モデルが新たな研究経路に関する創造的なアイデアを生み出すことで人間の研究者に代わることができるようになるほど創造性を備えるようになることを準備しておくべきでしょう。これにより、最先端自体を押し広げると同時に、すでに知られている内容を洗練させていくことになるはずです。

前置きの注意

**この記事の大部分では、個々のベンチマークで起こった出来事から組み合わせて AI の進歩の全体像（モザイク）を描こうとします。ベンチマークを研究する人なら誰でも知っている通り、すべてのベンチマークには独自の欠陥があります。私にとって重要なのは、これらのデータポイントをすべて集めて見たときに浮かび上がる集計された傾向であり、各個別のデータポイントが持つ欠点について私が認識していることを前提としてください。

では、いくつかの証拠を一緒に見ていきましょう。

**コーディング特異点 – 時系列における能力:

AI システムはソフトウェアを通じて実装され、ソフトウェアはコードによって構成されています。

AI システムはコードの生産に革命をもたらしました。これは二つの関連するトレンドによるものです: AI システムが複雑な現実世界のコードを書く能力が高まったこと、そして AI システムが人間の監督を必要とせずに多くの線形的なコーディングタスク（例：コードを書き、次にテストする）を連鎖させる能力が大幅に向上したことです。

このトレンドを象徴する二つの事例として、SWE-Bench と METR の時間軸プロットがあります。

**現実世界のソフトウェアエンジニアリング問題の解決:

SWE-Bench は、AI システムが実際の GitHub の課題をどの程度解決できるかを評価するために広く使用されているコーディングテストです。2023 年末に SWE-Bench が立ち上げられた当時、最高スコアを記録したのは Claude 2 で、全体の成功率は約 2% でした。Claude Mythos Preview は 93.9% を達成し、実質的にベンチマークの限界まで到達しました。（すべてのベンチマークには本質的なノイズが含まれているため、通常はある時点でスコアが十分に高くなり、手法自体の限界ではなくベンチマーク自体の制限に直面するようになります。例えば、ImageNet の検証セットのラベルの約 6% が誤りまたは曖昧です）。 SWE-Bench は、コーディング能力という一般的な課題や、AI がソフトウェアエンジニアリングに与える影響に対する信頼できる代理指標です。私が最先端研究所やシリコンバレーで会う人々の绝大多数は、現在完全に AI システムを通じてコードを書いています。さらに、彼らはテストの作成やコードの確認にも AI システムを使用するようになっています。つまり、AI システムは AI の研究開発（R&D）という主要な構成要素を自動化できるほどに成熟しており、それに取り組むすべての人間のスピードを向上させています。

AI システムが人間にとって長時間を要するタスクを完了する能力を測定する:

METR は、熟練した人間がそのタスクを実行するのにどれくらいの時間がかかるかという観点から AI が完了できるタスクの複雑さを示すプロットを作成しています。ここで重要な指標は、AI システムが一連のタスクにおいて 50% の信頼性を発揮できるおおよその時間範囲を示すものです。 ここでの進歩は非常に顕著です：2022 年には GPT-3.5 は人間に約 30 秒かかるようなタスクを処理できました。2023 年には GPT-4 で 4 分まで向上しました。2024 年には o1 で 40 分に達し、2025 年には GPT 5.2 (High) で約 6 時間に到達しました。そして 2026 年にはすでに Opus 4.6 で約 12 時間まで伸びています。METR に所属する長年の AI 予測者である Ajeya Cotra は、2026 年末までに AI システムが約 100 時間を要するタスクを処理できると期待しても不合理ではないと考えています (#448)。

AI システムが独立して作業できる時間の長さのこの顕著な増加は、エージェント型コーディングツールの爆発的普及と見事に相関しています。これは、人間に代わって作業を行い、長期間にわたって独立して行動する AI システムのプロダクト化です。

また、これは AI 研究開発（R&D）にも関連しており、多くの AI 研究者の業務を詳しく見てみると、その多くはデータクリーニング、データ読み込み、実験の実行など、人間が数時間かけて行うようなタスクに帰着することがわかります。このような作業のすべてが、現代のシステムの時間範囲スコープ内に収まるようになりました。

AI システムのスキルが高まり、私たちから独立して作業する能力が向上すればするほど、それらは AI の研究開発（R&D）の一部を自動化するのに役立ちます。

委任における重要な要素は、a) 相手のスキルに対する信頼、および b) 相手の意図と整合性を取りながら、あなたから独立して作業できる能力への信頼です。AI のコーディングに関する能力を見ると、AI システムはさらに熟練し、再調整が必要になるまでの期間が次第に長くなり、人々から独立して作業できるようになっていることがわかります。

これは私たちが周囲で目にするものと相関しています——エンジニアや研究者たちは、今や彼らの仕事のより大きな部分を AI システムに委任しており、能力が向上するにつれて、委任される仕事の複雑さと重要性も増しています。

AI は AI の研究開発に不可欠な基礎科学スキルにおいて上達している

現代の科学について考えてみてください。その大部分は、ある方向性を指定して実証情報を生成し、その情報を得るために実験を実行し、その後実験結果を妥当性チェックするというプロセスに関するものです。時間経過に伴うコーディング技術の進歩と、大規模言語モデル（LLM）による一般的な世界モデル化能力の組み合わせにより、すでに人間の科学者を加速させ、広範な研究開発の一部を部分的に自動化するツールが生まれています。

ここでは、AI 研究そのものに内在するいくつかの重要な科学的能力における AI の進歩率を考察できます。具体的には、研究成果の再現、技術的問題を解決するために機械学習手法や他のアプローチを連鎖させること、そして AI システム自体の最適化です。

科学論文全体のインプリメンテーションと実験の実行:

AI 研究の中核的な職務の一つは、科学論文を読み込み、その結果を再現することです。ここには幅広いベンチマークにおいて劇的な進歩が見られます。

良い例として CORE-Bench、すなわち計算再現性エージェント・ベンチマーク（Computational Reproducibility Agent Benchmark）が挙げられます。このベンチマークは、AI システムに対して「リポジトリが与えられた研究論文の結果を再現する」ことを課します。エージェントはライブラリ、パッケージ、依存関係をインストールし、コードを実行する必要があります。コードが正常に実行された場合、エージェントはタスクの質問に答えるためにすべての出力を検索しなければなりません。CORE-Bench は 2024 年 9 月に導入され、当時の最高スコアを記録したのは、スキャフォールド（scaffold）である CORE-Agent 内で動作する GPT-4o モデルで、ベンチマークの最も困難なタスクセットにおいて約 21.5% のスコアを獲得しました。2025 年 12 月には、CORE-Bench の著者の一人が このベンチマークは「解決された」と宣言 し、Opus 4.5 モデルが 95.5% のスコアを達成しました。

Kaggle コンペティションを解決するために機械学習システム全体を構築する:

**MLE-Bench は、AI システムが「自然言語処理、コンピュータビジョン、信号処理など多様なドメインにわたる 75 の多様な Kagle コンペティション」でオフライン競争においてどの程度機能するかを検証するために OpenAI が構築したベンチマークです。2024 年 10 月のローンチ時、最高得点システム（エージェントの枠組み内にある o1 モデル）は 16.9% を獲得しました。2026 年 2 月現在、最高得点システム（検索機能を備えたエージェント・ハネス内の Gemini3）は 64.4% に達しています。

**カーネル設計:

AI 開発における最も困難なタスクの一つがカーネル最適化です。これは、行列乗算などの特定の演算を基盤ハードウェアにマッピングするコードを書き、洗練させる作業です。カーネル最適化は AI 開発の中核を成すのは、それがトレーニングと推論の効率性を定義するためです。つまり、AI システムを開発するために実際に活用できる計算リソースがどれほどあるか、そして一度モデルをトレーニングした後、その計算リソースを推論に変換する際の効率がどの程度かを決定します。

近年、カーネル設計における AI は好奇心の対象から競争的な研究領域へと進化し、いくつかのベンチマークが登場しました。これらのベンチマークはいずれも特に人気があるわけではないため、時間経過に伴う進捗を容易にモデル化することはできません。一方で、現在行われている研究の一部を参照することで、進捗の実感を掴むことは可能です。 主な取り組みの種類としては以下のようなものがあります： DeepSeek のモデルを用いてより優れた GPU カーネルの構築を試みる（#400）、PyTorch モジュールを CUDA コードへ自動変換する（#401）、Meta が LLM を活用して自社のインフラ内で使用される最適化された Triton カーネル（Triton カーネル）の生成を自動化する（#439）、Huawei の Ascend チップのような非標準ハードウェア向けのカーネル記述を LLM で支援する（"AscendCraft" #444）、GPU カーネル設計用にオープンウェイトモデルをファインチューニングする（"Cuda Agent"、#448）。

ここで注意すべき点は、カーネル設計には AI を活用した研究開発に特に適しているいくつかの特性があることです。例えば、報酬を容易に検証できる点が挙げられます。

翻訳全文

PostTrainBench を通じた言語モデルのファインチューニング

この種のテストのより困難なバージョンとして、PostTrainBench (#449) があります。これは、異なる最先端モデルが、より小さなオープンウェイトモデルを引き取り、ベンチマーク上でのパフォーマンスを向上させるためにそれらをファインチューニングできるかを評価するものです。このベンチマークの優れた点は、極めて優秀な人間ベースラインが存在することです。それは、これらのモデルの既存の「インストラクションチューン済み」バージョンであり、最先端研究所で働く才能ある人間の AI 研究者によって開発されたものです。これらのモデルは、非常に才能のある研究者やエンジニアによって改良され、世界に展開されてきたため、克服すべき極めて挑戦的な人間ベースラインを表しています。**

2026 年 3 月現在、AI システムは、人間がトレーニングしたモデルの向上幅のおよそ半分を達成するよう、モデルをポストトレーニング（後続学習）することができます。

具体的な評価スコアは、「すべてのポストトレーニングされた LLM（Qwen 3 1.7B, Qwen 3 4B, SmolLM3-3B, Gemma 3 4B）およびベンチマーク（AIME 2025, Arena Hard, BFCL, GPQA Main, GSM8K, HealthBench, HumanEval）にわたる加重平均」によって導き出されます。各ランでは、CLI エージェントに対して特定のベース LLM の特定ベンチマーク上でのパフォーマンスを最大化するよう要求します。

2026 年 4 月時点での最高スコアシステムは 25%-28%（Opus 4.6 および GPT 5.4）であり、一方人間のスコアは 51% です。これはすでに非常に意味のある結果です。

言語モデルトレーニングの最適化：**

過去1年間、Anthropicは、そのシステムが「CPUのみの小規模言語モデルの実装を最適化して可能な限り高速に実行する」というLLMトレーニングタスクにおいてどの程度機能するかを報告してきました。このスコアは、修正されていない初期コードに対する平均速度向上倍率であり、進捗は目覚ましいものです：Claude Opus 4は2025年5月に2.9倍の平均速度向上を達成し、これは2025年11月のOpus 4.5で16.5倍に、2026年2月のOpus 4.6では30倍に、そして2026年4月のClaude Mythos Previewでは52倍に達しました。これらの数値が何を意味するかを較正するために、このタスクで4倍の速度向上を達成するには、人間の研究者に4〜8時間の作業が必要であると予想されています。

AI アライメント研究の実施:

Anthropic の別の成果として、自動化されたアライメント研究の概念実証があります（#454）。ここでは、Anthropic の研究者が個々の AI エージェントチームに研究の方向性を示し、その後、彼らは自律的に行動して、AI セーフティ研究の問題（具体的にはスケーラブルなオーバーサイト）において人間のベースラインよりも高いスコアを獲得しようと試みます。このアプローチは機能しており、AI エージェントは Anthropic が設計したベースラインを上回る技術を考案しました。ただし、これは比較的小規模なスケールで行われたものであり、まだ生産環境のモデルに一般化されるわけではありません。それでもなお、今日の AI システムを現代の最先端の研究問題に応用できることを証明するものであり、すでに有意義な兆候が確認されています。上記で言及されたすべてのベンチマークもかつては同じような状況でしたが、数ヶ月後、あるいは最長でも 1 年後には、AI システムはベンチマークがテストしていたあらゆる分野において劇的に向上しました。

メタスキル：管理

AI システムは、他の AI システムを管理することも学習しています。これは Claude Code や OpenCode といった広く展開された製品において確認でき、単一のエージェントが複数のサブエージェントを監督するケースがあります。これにより、AI システムは、異なる専門性を持つ複数の個別の「ワーカー」が並列して作業し、通常は単一の AI マネージャー（ここでは AI システムそのもの）の指揮下にある大規模プロジェクトに取り組むことが可能になります。

AI 研究は一般相対性理論の発見のようなものか、それともレゴのようなものか？

AI は自身を改善するための新しいアイデアを発明できるのか、それともこれらのシステムは研究に不可欠な地味で積み重ね型の作業に適しているのでしょうか。これは、AI システムが AI 研究そのものをエンドツーエンドで自動化できる範囲を理解する上で重要な問いです。私の感覚では、AI がまだ画期的な新アイデアを独自に発明することはできませんが、技術が自己開発の自動化に必要なほどではないかもしれません。

AI という分野は、より多くの入力（例えばデータや計算リソース）を利用した、ますます大規模な実験を行うことで前進しています。時々、人間がパラダイムシフトを起こすようなアイデアを考案し、それによって作業の資源効率が劇的に向上することがあります。良い例として、トランスフォーマーアーキテクチャや、エキスパートモデルの混合（mixture-of-expert models）という考え方が挙げられます。しかし、AI 分野が前進する主な方法は、人間が体系的に以下のループを繰り返すことです：まず性能の良いシステムを選び、その一部（例えば学習に用いるデータ量や計算リソースなど）をスケールアップし、スケールアップした際に何が壊れるかを確認し、それをスケール可能にするためのエンジニアリング上の修正策を見出し、再びスケールアップする。このプロセスのほとんどは、極めて突飛な洞察を必要とするものではなく、むしろ派手さのない「肉とじゃがいも」的なエンジニアリング作業のように見えます。**

同様に、AI 研究の多くは、既存の実験の変種を実行し、異なるパラメータを使用した場合の結果を探求することに関わっています。研究における直感を用いて最も有望なパラメータを特定することもできますが、これを自動化して AI にどのパラメータを変化させるかを考えさせることも可能です（この手法の初期バージョンは ニューラルアーキテクチャサーチ です）。

トーマス・エジソンは「天才とは1%のひらめきと99%の努力である」と言った。今から約150年経った現在でも、この言葉はなおも正しく感じられる。非常に稀に、ある分野を一変させるような新たな洞察が現れることはある。しかし大半の場合、その分野の進展は、人間がさまざまなシステムの改善やデバッグという過酷な作業（schlep）に多くの苦痛を伴いながら汗を流すことによって成し遂げられてきたのである。

上記の公開データが示す通り、AI は AI 開発における多くの本質的な「過酷な作業」の要素を極めて高いレベルで実行できるようになっている。これに加え、コーディングといった基礎能力のメタトレンドと、時間的視野の拡大が相まって、AI システムはこれらのタスクをより複雑な作業シーケンスへと連鎖させることが可能になりつつある。

つまり、AI システムが比較的不創造的であったとしても、それらが自らを進化させられる可能性が高いと考えられ、それは少なくとも、新たな洞察を生み出せる場合よりも遅い速度ではあるものの、確実であると言えるだろう。しかし、公開データを見渡せば、ここにも興味深い兆候がある。AI システムは、より印象的な方法で自身を前進させることのできる創造性を備えている可能性を示唆しているのだ。

科学の最前線を押し広げる

**私たちが入手できるごく初期の兆候によれば、汎用 AI システムが人類科学の最前線を押し広げることが可能であることが示されている。ただし、これまでに確認されたのは主にコンピュータサイエンスと数学という数少ない分野に限られており、また、AI システムが単独で行動するよりも、人間とのパートナーシップ（センタウロス構成）を通じてその成果を上げているケースが多い。

それでもなお、これらのトレンドを観察しておく価値はある：

• Erdős Problems: 数学者のチームが Gemini モデルと協力し、同モデルがいくつかのエルドース数学問題をどの程度解決できるかを確認しました。システムに約 700 の問題への攻撃を指示した結果、13 の解法が得られました。これらの解法のうち、1 つが彼らによって興味深いものとして評価されました。「私たちは暫定的に、Aletheia による Erdős-1051 の解法は、AI システムが自律的に、やや非自明な開かれたエルドース問題（ある程度広範で穏やかな数学的関心を持つ）を解決した初期の例であると信じています。この問題には、関連する過去の文献が存在します」と彼らは記述しています (#444)。

• Centaur math discovery: ブリティッシュコロンビア大学、ニューサウスウェールズ大学、スタンフォード大学、および Google DeepMind の研究者らが、Google で構築された一部の AI ベースの数学ツールと密接に協力して構築された新しい数学証明を発表しました。「主要な結果の証明は、Google Gemini および関連ツールからの非常に substantial な入力によって発見されました」と彼らは記述しています (#441)。

目を細めて見れば、これは AI システムが人間が持つような分野を前進させる創造的な直観をいくつか発達させている兆候だと主張できるかもしれません。しかし逆に、数学やコンピュータサイエンスは AI 駆動型の発明に奇妙に適応した特殊なドメインであり、より大きなルールを証明する例外となる可能性さえあると簡単に言うこともできます。ここでの別の例として Move 37 が挙げられますが、私は AlphaGo の結果からすでに 10 年が経過しているにもかかわらず、Move 37 を凌ぐような驚くべき現代的な閃きによって置き換えられていないという事実こそが、ここではやや悲観的なシグナルであると主張したいです。

すべてを統合する

上記のすべての証拠を総合すると、私が導き出す結論は以下の事実です：

• AI システムはほぼあらゆるプログラムのコード記述が可能であり、人間が集中して数十時間を要するタスクを独立して遂行できる信頼性が認められています。

• AI システムは、ファインチューニングからカーネル設計に至るまで、AI 開発の中核となるタスクにおいてますます卓越した能力を示しています。

• AI システムは他の AI システムを管理し、実質的に合成チームを形成して複雑な問題に多角的に攻撃することができます。一部の AI システムがディレクターや批評家、編集者としての役割を担い、他方がエンジニアとしての役割を果たすのです。

• AI システムは困難な工学および科学タスクにおいて人間を上回ることもあります。ただし、それが創造性によるものなのか、それとも反復学習の習熟度によるものなのかを判断するのは容易ではありません。

私にとって、これは今日 AI が広大な範囲、おそらくは*AI エンジニアリング*の全体を自動化できるという非常に説得力のある証拠となります。研究の一部がエンジニアリングスキルとは異なる側面を持つ可能性があるため、AI 研究のどの程度を自動化できるかはまだ明確ではありません。いずれにせよ、私にはこれは今日 AI が AI 開発に取り組む人間を劇的に加速させ、無数の合成された同僚とペアになることで彼ら自身を拡張可能にするという明確な兆候のように思えます。

ついに、AI業界自体が「AIの研究開発（R&D）こそが自らの目標である」と明言し始めています： OpenAIは2026年9月までに「自動化されたAI研究インターン」の構築を目指しています。Anthropicも、自動化されたアライメント研究者を構築する取り組みを発表しています。ビッグ3の中で最も慎重な姿勢を示しているDeepMindでさえ、「アライメント研究の自動化は実現可能な段階で行うべきである」と述べています（arXiv:2504.01849）。AIの研究開発（R&D）の自動化は、多数のスタートアップにとっても目標です。Recursive Superintelligence社は、AI研究の自動化を目的として5億ドルの資金調達に成功しました。また、別のネオラボであるMirendilも、「AI研究開発（R&D）において卓越したシステムを構築する」ことを目標に掲げています。つまり、既存および新規の資本が数百億ドル規模で投入されているのは、AIの研究開発（R&D）の自動化を目的とした組織たちです。この方向性における少なくとも一部の進展は、当然の結果として期待すべきでしょう。

なぜこれが重要なのか

この事象の影響は甚大であり、AI研究開発（R&D）に関する一般的なメディア報道では十分に議論されていません。ここではいくつかのポイントを示します。これは網羅的なリストではありませんが、AI研究開発（R&D）がもたらす課題の規模感を示唆するものです。

• 私たちはアライメントを正しく達成する必要があります：今日機能するアライメント手法は、AI システムがそれらを監督する人間やシステムよりもはるかに賢くなるにつれて、再帰的自己改善の下で崩壊する可能性があります。この分野については非常に多くの議論があるので、いくつかの課題を簡潔に指摘します：– 嘘をついたり不正を行ったりしないように AI システムを訓練することは、予想以上に微妙な問題です（例えば、環境に対する優れたテストを構築するために非常に努力しているにもかかわらず、AI がそれを解決するための最善の方法が不正行為である場合があり、その結果「教えることが良いことだ」と学習させてしまうことがあります）。– AI システムは、実際には真の意図を隠す特定の行動をとっているように見せるスコアを出力することで、「アライメントを偽装」できる可能性があります（一般的に、AI システムは自分がテストされていることをすでに認識しています）。– AI システムが自身のトレーニングのための基盤となる研究課題にますます貢献し始めると、最終的に AI システムのトレーニング方法全体を大幅に変更することになり、その意味を理解するための直感や知的な基礎付けが不十分になる可能性があります。– 再帰ループに何かを組み込む際には、「累積誤差」の問題という非常に基本的な問題が発生します。これは上記のすべての課題および他の問題に該当する可能性があり、アライメント手法が「100% 正確」であり、より賢いシステムに対しても正確性を維持するための理論的根拠を持たない限り、事態はすぐに悪化する可能性があります。例えば、ある手法が 99.9% の精度を持つとしても、50 世代後には 95.12% に、500 世代後には 60.5% に低下します。おや！

• AI が触れるものはすべて、劇的な生産性の向上をもたらします：AI がソフトウェアエンジニアの生産性を劇的に高めているのと同様に、AI が関与する他のすべての分野でも同様のことが起こると予想されます。これには、私たちが対処しなければならないいくつかの問題が生じます：1) アクセスの不平等：AI への需要が計算資源の供給を上回り続けるという前提に立てば、社会的な便益を最大化するために AI をどこに割り当てるかを考えなければなりません。デフォルトでは、限られた AI 計算資源から最大の社会的便益をもたらすことを市場のインセンティブが保証するとは私は懐疑的です。AI の研究開発によって付与される加速能力をどのように配分するかを考えることは、政治的に敏感な問題となるでしょう。2) 経済における「阿姆ダールの法則」：AI が経済に流入していくにつれ、増加した負荷の下で何かが破綻したり遅延したりする場所が発見され、そのチェーンの弱い部分をどう修復するかを考えなければなりません。これは、急速に変化するデジタル世界とゆっくり動く物理的世界を調和させる必要がある分野、例えば新しい医療療法の臨床試験などで特に顕著になる可能性があります。

• 資本集約型かつ労働軽量の経済の形成：上記の AI 研究開発に関するすべての証拠は、AI システムが自律的に事業を運営する能力が高まっていることにも示唆されています。つまり、経済のより大きな部分が、新しい世代の企業によって植民地化されることを予想すべきです。これらの企業は、資本集約型（多くのコンピュータを所有しているため）か、または運用コスト集約型（価値創造の基盤として AI サービスに多額の費用を投じているため）であり、今日の企業と比較して相対的に労働力が軽量化されます。これは、AI システムの持続的な能力拡大の結果、AI への支出と人件費との間の限界価値が常に高まることによるものです。実際には、「人間経済」というより大きな枠組みの中で成長する「機械経済」の出現として現れるでしょう。ただし、AI が運営する企業同士が取引し始めるにつれて、時間とともに機械経済は自分自身との相互作用をますます強めていくと予想されます。これは経済に極めて奇妙な影響を与え、不平等や再分配に関するあらゆる疑問を引き起こすことになります。最終的には、AI システム自体によって運営される完全自律型の企業の出現が見られるようになる可能性があり、それは上記のすべての問題を悪化させる一方で、多くの新たなガバナンス上の課題も提示することになります。

ブラックホールを凝視する:

これらすべてのことを踏まえると、2028 年末までに自律的な AI 研究開発（フロンティアモデルが自身の子孫バージョンを自律的に訓練できる状態）を目撃する確率は約 60% あると考えます。上記の分析に基づけば、「なぜ 2027 年には起こらないと予想するのか」という疑問が生じるかもしれません。その答えは、AI 研究には前進するために創造性や異端の洞察への何らかの要件が含まれていると考えているからです。これまでに AI システムが変革的で大規模な形でこれを示したわけではありません（ただし、数学研究の加速に関する一部の結果はこの可能性を示唆しています）。2027 年の確率を強要されるなら、30% と答えるでしょう。もし 2028 年末までにこれが実現しなければ、現在の技術的パラダイムに根本的な欠陥が露呈したことを意味し、前進させるには人間の発明が必要になると考えます。

私はこのエッセイを、数十年にわたりSFの幽霊物語のように思われてきた事柄に対して、冷徹かつ分析的に取り組む試みとして執筆しました。公開されているデータを精査する中で、多くの人にとって奇想天外な物語に見えるものが、むしろ現実的なトレンドであるという確信に至りました。このトレンドが続けば、世界の仕組みにおける劇的な変化を目撃しようとしているのかもしれません。

*本エッセイに対するフィードバックをいただいたアンドリュー・サリバン、アンディ・ジョーンズ、ホルデン・カルノフスキー、マリーナ・ファヴァーロ、サラ・ポラック、フランチェスコ・モソニー、クリス・ペインター、アビタル・バルウィットに感謝します。*

お読みいただきありがとうございます！

今すぐ購読する