読み込み中…
読み込み中…
Google DeepMind の創設者であるデミス・ハサビス氏は、現在の LLM パラダイムが AGI に不可欠な要素を含んでいる一方で、継続学習や長期推論、効率的な記憶機構といった未解決課題が残っていると指摘しました。彼は、AGI が 2030 年頃に出現する可能性を考慮し、深層技術のプロジェクトにおいてその中間で AGI が登場することを前提とした戦略的アプローチの重要性を説いています。また、Gemini のような汎用モデルが AlphaFold のような専門特化型システムをツールとして活用する未来のアーキテクチャや、オープンソース戦略の意義についても語っています。
AGI の実現時期と深層技術プロジェクトの期間が重なる際の具体的な戦略的指針が得られる貴重なインタビューです。開発者向けに、単なるモデル利用を超えたシステム設計の視点を提唱しています。
現在の技術に継続学習、長期推論、効率的な記憶機構が不足しており、これらが AGI 実現の鍵となる。
10 年単位のプロジェクトでは AGI が途中登場する可能性を考慮し、汎用 AI をツールとして活用できる設計が必要。
一つの巨大な脳で全てを処理するのではなく、Gemini などが AlphaFold のような専門モデルを外部ツールとして利用するアーキテクチャが有効。
Android やロボティクスなどエッジデバイス向けに完全なオープンソース化(Gemma)を進め、西側の技術スタックを強化する方針。
この発言は、単なるモデルの性能向上だけでなく、AGI 時代におけるソフトウェアアーキテクチャのパラダイムシフト(汎用 AI と特化型ツールの分離・連携)を示唆しており、開発者や企業戦略に重大な影響を与える。また、エッジデバイス向けに完全オープンソース化を推進する姿勢は、AI の民主化とセキュリティの両面で業界標準を変える可能性を秘めている。
Google DeepMind の創設者であり、現在は Gemini プロジェクトを率いるデミス・ハサビス氏は、現在の LLM パラダイムが AGI(人工一般知能)への重要なステップである一方、まだ解決すべき未踏の課題が残っていると指摘しました。彼は「2030 年頃の AGI 出現」を想定し、汎用 AI と専門特化型ツールが連携する未来のアーキテクチャや、オープンソースによる技術民主化の重要性を説いています。
現在の大規模言語モデル(LLM)は、事前学習、RLHF(人間フィードバックによる強化学習)、思考の連鎖(Chain of Thought)といった技術で劇的な進歩を遂げました。しかし、ハサビス氏はこれらが AGI 最終アーキテクチャの一部にはなるものの、それだけでは不十分だと断言します。
「継続学習、長期推論、記憶の側面など、これらはまだ未解決です。これらすべてが AGI に必要になると考えます。」
現在のモデルは、コンテキストウィンドウ(入力できる文字数)に情報を無理やり詰め込む「ダクトテープ」的な応急処置に近い状態です。人間の脳のように、新しい知識を既存の基盤に優雅に統合する能力や、長期的な文脈を維持して推論を行う仕組みが欠けています。
ハサビス氏は、現在の技術的アプローチには「五分五分」の可能性があると語ります。漸進的なイノベーションで解決できる可能性もあれば、数個の大きなアイデア(例えば効率的な記憶機構)が残っているかもしれません。特に「記憶」については、数百万トークンのコンテキストウィンドウがあっても、ライブ動画や長期間の生活記録を処理するには不十分であり、検索コストの問題など、まだ革新の余地が大きいと分析しています。
ハサビス氏の AGI へのタイムラインは約 2030 年頃です。この時間軸を考慮すると、10 年単位のプロジェクトにおいて、途中で AGI が出現することを前提とした設計が不可欠だと説きます。
「今日から深層技術の道に進むなら、その道の途中で AGI が出現することを考慮する必要があります。」
これは、AGI を「完成品」として待つのではなく、汎用 AI をツールとして活用できる柔軟なシステムを今から構築しておくべきだという意味です。問題解決型のアプローチ(エージェント)がその鍵となります。
現在の主流は、一つの巨大なモデルで全てを処理しようとすることですが、ハサビス氏はこれからの時代は異なるアーキテクチャになると予測します。Gemini のような汎用 AI が、AlphaFold(タンパク質構造予測)のような専門特化型システムを外部ツールとして呼び出す形です。
「一つの巨大な脳で全てを処理するのではなく、Gemini などが AlphaFold のような専門モデルを外部ツールとして利用するアーキテクチャが有効。」
これは、汎用 AI が「思考の中枢」として機能し、特定のタスク(数学的推論、生物学解析、コード生成など)においては、最適化された専門モデルに委譲するハイブリッド型です。これにより、コスト効率と精度を両立させることが可能になります。
AI の普及には、クラウド上の巨大モデルだけでなく、端末(エッジ)で動作する軽量モデルが不可欠です。ハサビス氏は、Google の戦略として、Android やロボティクスなどのエッジデバイス向けに完全なオープンソース化(Gemma モデルなど)を推進しています。
「プライバシーとセキュリティの理由もある。個人情報を処理する可能性のあるデバイスについて考えれば、ロボットも同様だ。」
家の中のロボットやスマートフォンで動作する AI は、クラウドへの依存を減らし、ローカルで処理できる効率的なモデルが必要です。これにより、データのプライバシーを守りつつ、低遅延かつ高機能な AI を数十億人のユーザーに提供できます。西側の技術スタックを強化し、AI の民主化を進めるこの姿勢は、業界標準を変える可能性を秘めています。
現在、エージェント(自律的にタスクを遂行する AI)への期待は高まっていますが、ハサビス氏は「まだ始まったばかり」と冷静に指摘します。多くの企業が実験段階にあり、数十のエージェントを立ち上げても、その投入に対して十分な成果が出ているとは言い難い現状があります。
「エージェントがその道筋であり、私たちはまさに走り始めたところです。」
「バイブコーディング」で App Store のトップチャートを席巻する AAA ゲームは未だ存在せず、小規模なデモレベルの成果にとどまっています。しかし、ハサビス氏は今後 6〜12 ヶ月で、単なるおまけではなく、根本的な業務を担う真の価値が生まれると信じています。
デミス・ハサビス氏の提唱する未来は、AI が単独で全能となることではなく、「汎用 AI」と「専門ツール」、「クラウド」と「エッジ」が有機的に連携する生態系です。2030 年というタイムラインを前に、私たちは AGI の出現を待つのではなく、その中でどう共存し、効率化するアーキテクチャを今から設計し始めるべき時なのです。
この記事はAIが動画の内容を記事化したものです。正確な発言は動画および文字起こしをご確認ください。