2025年は01からGPT-5.2、Claude Opus 4.5まで、AIモデルの進化が急速に進んだ年であった。本動画では、2026年のAI業界における5つの主要カテゴリーについて予測を展開する。フロンティアモデルの開発、物理AI、起業家精神への影響、雇用市場への影響、そして科学的発見への影響である。特に注目すべきは、チャットボットからオペレーティングシステムへの移行、メモリ機能の向上、マルチモーダル推論の進化、連続学習の実現、拡散モデルにおける推論能力の向上といった技術的進展である。これらの進化により、サービス経済のあり方が根本的に変化し、AIは雇用を置き換えるのではなく、参入障壁を引き上げる技術として機能する。最も革命的な影響は科学的発見の領域で起こり、生物学の加速、自動運転ラボ、シミュレーションベースの研究が人類の進歩を劇的に加速させると予測される。
2026年に向けた急速な進化
皆さん、こんにちは。ニールです。チャンネルへようこそ。2025年は本当にすごい年でしたね。この年は01から始まりました。そして03が登場し、その後GPT-5が出てきました。01を振り返って、今いる場所を見てみると、まったく別物のように感じます。一体何が起こったんでしょうか。どうしてこんなに早く変化したのでしょうか。
Cloud CodeやOpus 4.5、そしてCodexやGPT-5.2が登場しました。これらはとても優れています。本当にすごいことです。物事は減速していません。壁などありませんでした。2026年は一体どうなるのでしょうか。それが今日お話ししたいことです。
5つの異なるカテゴリーについて見ていきます。フロンティアモデルの開発、つまり基本的にはモデルの機能、モデルの能力、何を獲得しているかといったことです。物理AI、つまりロボットなどの物理世界のためのAIです。起業家精神への影響、市場のダイナミクス、経済についても取り上げます。それから雇用への影響、主に労働市場に焦点を当てます。そして科学的発見への影響について話します。
これはおそらく最も大きなものです。なぜなら、経済におけるすべてのもの、人間の本質におけるすべてのものは、科学における新しい発見の速度に直接結びついているからです。そしてこれらの科学における新しい発見によって、新しい技術を生み出すことができ、それがより大きなGDP成長、より大きな人類の豊かさを生み出します。電化、燃焼エンジン、こういったさまざまなものすべてがそうですよね。
これらすべては巨大ですが、科学的発見は来年から始まろうとしています。それが狂気の部分です。では始めましょう。
フロンティアモデル開発の5つの大きな変化
まず、フロンティアモデルの開発から始めます。来年起こると思われる4つから5つの大きなことがあります。
第一に、人々がチャットボットからオペレーティングシステムへと移行するのを見ることになるでしょう。Cloud Codeを見てください。Cloud Codeはすでにこれの始まりです。Cloud Codeのデスクトップアプリを見ると、基本的にコンピューターのCLI、コマンドラインインターフェース、ターミナルの周りにラッパーを持っています。
彼らはCloud Codeデスクトップアプリ内でそのもの周りにラッパーを持っています。これにより、人間がコンピューターと話してコンピューター全体を操作するための、より直感的でネイティブなアプローチが実現されています。
パワーユーザーがウェブインターフェースを離れて、デスクトップアプリに移行するのを見ることになると思います。ウェブインターフェースでは、AIがコンピューター全体を操作する能力は非常に限られています。デスクトップアプリでは、オペレーティングシステム、コマンドラインインターフェースと直接統合されます。
この時点で、AIはオペレーティングシステムにどんどん近づいていきます。この時点で、AIにコンピューター全体をほぼ完全に制御させることができます。AIはほとんどの人よりも優れたエンジニアです。ポケットの中に、コンピューターの問題空間全体を操作できる非常に効果的なソフトウェアエンジニアを持つことになります。必要なときにウェブを引き出して、ウェブ内でも操作できます。
事実上、コンピューターを操作する新しい方法は、コンピューターを使うことではなく、コンピューターと話すことになります。Cloud CodeとCodex CLIですでにこの最初の兆候が見え始めています。この2つは現在進行形で世界を変えています。しかし未来はすでにここにあります。ただ均等に分配されていないだけです。
それが第一点、チャットボットからオペレーティングシステムへです。そしてこれらのモデルがより汎用的になるにつれて、これは人々が本当に理解していない巨大なことになると思います。AGIはCLIの中にあると考えるべきです。それが第一点です。
第二は、より良いメモリです。GPT-5.2ですでにこれを見始めています。GPT-5.2を深く使っていて、実際に問題を解決するために使い、物事について推論するために使い、特定の領域で実際に進歩を遂げるために使っているなら分かると思います。この能力は、数ヶ月前や1年前にあなたが行った会話から情報を取り出し、実際に有用な適切なタイミングで会話に持ち込むことができます。そしてそれを使って情報を再結合し、クールな洞察を思いつきます。
これはGPT-5.2で2026年を覗き見ているようなもので、2025年にすでに持っているというのが狂気的です。2026年の初めから半ばにかけて、これをはるかに上手く行えるモデルが登場すると思います。サム・アルトマンは、2026年第1四半期にGPT-5.2から大幅な飛躍となる別のモデルをリリースすると言っています。
Grok 5も2026年第1四半期に登場します。2026年第1四半期には多くのことが起こるでしょう。そして、より良いメモリはその一つになると思います。先ほど言ったように、記憶を取り出し、会話の瞬間に持っている洞察と直感的に再結合することに関して、魔法のような無限のコンテキストウィンドウを持っているかのように感じられるようになります。
個人的に楽しみにしていることの一つは、チャット体験からCLI全体への共有メモリです。つまり、CLIもウェブインターフェースと同じメモリにアクセスできるようになります。そしてウェブインターフェースで使うのと同じようにCLIでChatGPTを使えるようになります。これは、CLIの周りにラッパーを持つCloud Codeデスクトップアプリについて話していたことに戻ります。
彼らが構築しているのは事実上それです。OpenAI、Gemini、すべてのフロンティアモデル企業がCLIに焦点を当て始めると思いますが、はるかに直感的なインターフェースにします。それがコンピューターAGI、いわばスタートレックのコンピューターになると思います。コンピューターと話すと、人間ができるよりもはるかに優れた方法で物事を実行します。
それが来ています。すでに始まっています。来年末までにはかなり実用的に完全にそこにあるでしょう。それが第二点で、より良いメモリとウェブとCLI全体での統一されたメモリです。これは本当に狂気的になります。その意味を人々が本当に理解していないと思います。
第三は、マルチモーダル推論、より良いマルチモーダル推論です。現在もある程度マルチモーダル推論がありますが、人間のようなレベルに近づいていくと思います。ウェブインターフェースを理解すること、ユーザーエクスペリエンス、ユーザーインターフェースを理解すること、そして実際にこれらのものをどのように設計するかです。
Cursorやコーディングエージェントを使っている場合、おそらくユーザーインターフェースのスクリーンショットをたくさん撮って、「これらのことを少し修正できますか」と言って説明するでしょう。モデルは時々あなたが話そうとしていることを本当に理解します。時には理解しませんが、何が良いユーザーインターフェースか、何が良いユーザーエクスペリエンスか、これらのタイプのものにとって何が最良かについて、本当に良い把握を持っていません。
一部の人々は、彼らが決してそれが得意にならないと信じています。私はそれが客観的に間違っていると思います。検証できることは何でも、これらのものについてトレーニングできますし、それは自動化されます。あのユーザーエクスペリエンスは良い、あのユーザーエクスペリエンスは悪いと簡単に言えます。つまり検証可能なタスクであり、これらのものがそれらのタイプのことを行うことにおいて、私たち全員よりも優れたものになることを意味します。
2026年の半ばから終わりにかけて、モデルがこれらのさまざまなことの多くで人間を超えるのを見始めると思います。または大多数の人間を超えると言いましょう。マルチモーダル推論は、ビデオ、空間認識、ユーザーインターフェースで見ているものの理解、ユーザーエクスペリエンスの理解、実際のデザインなどにまたがります。
これらのタイプの推論能力において、彼らははるかに優れたものになると思います。そしてこれらのことについて直感的に理解するようになります。多くの人が「いや、それは人間だけが持つものだ」と言うでしょう。しかし、出力を検証できるなら、これらのモデルをトレーニングしてそれを行わせることができます。それだけが重要です。
検証可能なものは何でも自動化可能です。例えば、これらのモデルから世界クラスの詩を得ようとしているとしましょう。今のところ、彼らは世界クラスの詩が得意ではありません。しかし、本当に優れた詩人に「それは本当に良い詩だ」と言ってもらい、それらの詩を検証し続け、強化学習が素晴らしい詩の作り方を学んでいくことができます。
だから、そうです、これらのものから世界クラスのUXUIを得ることになります。世界クラスの詩、世界クラスの創造性、そして最終的にはピカソのようになるでしょう。しかしそれにはまだ少し時間がかかります。でも2026年にそれがもっと頻繁に起こり始めると思います。人々は「まあ、まあ、なんてことだ」と言うでしょう。
次は連続学習です。第1四半期に連続学習の初期の原始的なものが見られると思います。そして2026年末までに、連続学習はAGIに必要なものについてのほとんどの人々の定義を満たすでしょう。
第1四半期には、Blackwell GPU上でトレーニングされた最初のモデルであるGrok 5が登場します。イーロンはそれが連続学習の形式を持つと言いました。これはおそらく、人間が望む行動に適応しているように見えるでしょう。本当に大きなスキルなどを学んでいるわけではありませんが、人間がそれに持たせたい行動に適合しています。
そして最終的に2026年末までに、これらのものは仕事をしながら独自のスキルを獲得し始めます。2026年末までに新しいスキルを獲得することが驚くほど素晴らしいとは思いませんが、2027年末に向けては、かなり良くなると思います。「すごい、これらのものは素早く学習している」となるでしょう。
でも、そうですね、2026年に連続学習の兆候が見られると思いますし、かなり良いものになるでしょう。「わあ、それはちょっと驚きだ。もうここにいるとは思わなかった」という感じです。2025年を見ると、01モデルから今日いる場所まで来ました。「すごい、もうここにいるとは思わなかった」という感じです。少なくとも私にとってはそうです。
非常に似たようなことが見られると思います。次は、拡散推論モデルです。大規模言語モデルが推論を行うことについて多く聞きますが、推論パラダイム、システム2思考、何と呼びたいにせよ、拡散モデルが推論を行うのをもっと見ることになると思います。
Tesla FSDを見てください。拡散ベースのモデルです。Tesla FSD完全自動運転は拡散ベースのモデルです。イーロンはTeslaのアップデートバージョン14.3について話していて、拡散モデルが環境についてはるかに多くの推論を行うようになると言いました。
現在、自動運転は本当に得意です。いくつかのタイプの推論を行うのも本当に得意ですが、はるかに多くの推論を行うようになります。駐車場に入り、駐車場と人々がどのように駐車しているかについて推論します。「オーケー、たぶんここに駐車すべきだ、あそこに駐車すべきだ」と理解します。
駐車場は実際には少し満杯すぎます。ドアのところで人を降ろし、駐車スペースを見つけに行き、彼らが出てきたらサモンをクリックして迎えに行くことができます。それがイーロンが言った、バージョン14ができることです。
拡散モデルの推論はずっと良くなっています。Nana Banana Proを見ると、推論と拡散モデルのヒントもあります。Nana Banana Proは素晴らしい空間推論を持っています。はるかに直感的で、あなたがやろうとしていることをはるかによく理解しています。それは画像生成のためのAGIに傾いています。
Nana Banana Proは、推論を本当に解明すると、エンジニアリングが得意になると思います。推論を本当に解明し、これらのものがより良い数学的モデル推論のようなものをその中に持てるようになったら、どのように機能するか正確には分かりませんが、これらのものはエンジニアリングレベルの構造を作成できるようになります。物事が実際に次元的に正確なものです。
これは大きな意味を持つと思いますし、2026年に始まります。多くの人はそれに備えていません。私の意見では素晴らしいものになるでしょう。
物理AIとロボティクスの進展
次は物理AIです。これはロボティクスやワールドモデルなどについてです。拡散推論モデルで少し触れました。それはワールドモデルなどのようなものですが、ロボットはかなり早く本当に優れたものになると思います。人々は少し驚くでしょう。
Tesla FSDを見てください。すでに本当に優れています。すでに非常に驚くべきものです。すでに「すごい」という感じです。しかしこれは汎用ヒューマノイドにも起こり始めます。ハードウェアではなくソフトウェアのためだけに、エンジニアがこれらのものを見守る必要があるため、ヒューマノイドが家にいるのに十分な能力を持つまでにはまだ時間があると思います。
ソフトウェアはかなり早くそこにあるでしょうが、ハードウェアはまだ脆弱です。手を見てください。器用にするのは非常に難しいです。そしてTeslaのエンジニアのような、狂った素晴らしいOptimus Handを持っているクラックしたエンジニアチームであっても、それは驚くほど素晴らしいエンジニアリングですが、手はまだ燃え尽きます。
エンジニアがこれらのものの周りについていき、燃え尽きたときに手を交換する必要があります。だから、これらのものは倉庫業や製造業、非常に構造化された環境では素晴らしいものになると思いますが、まだ家庭では本当に良くはないでしょう。
2027年から2028年頃に家庭に入るのを見ることになると思いますが、2026年はパイロット版や製造などがメインになるでしょう。しかし2026年の製品デモなどでは、「すごい、なんてことだ、あれらはクレイジーだ。これはiRobotのようなものにかなり早くなる」となるでしょう。私たちはそこに非常に急速に近づいていると思います。
楽しみにしていることの一つはロボットアームです。ヒューマノイドではなくロボットアームです。なぜなら、それらははるかに精密になるからです。はるかに一般的に能力を持つようになります。Microfactoryという会社を調べることをお勧めします。2つのロボットアームがある小さなロボット環境があり、異なることについて一般化してデバイスを構築できます。
それはすでに起こり始めています。2026年にはこれらのタイプのカテゴリーで指数関数的な成長を見ることになります。そして、エイリアン・ドレッドノート工場は基本的にここにあります。中国ではしばらく前からありましたが、かなり加速していきます。
起業家精神への革命的影響
では、これらすべてが起業家精神に与える影響は何でしょうか。これは私にとって本当に身近な問題です。なぜなら、これが私の人生全体だったからです。これが私がもともとこのYouTubeチャンネルを始めた理由です。AIについて学びたかったからです。それが私たちの時代の最も革命的な技術になることを知っていたので、起業家として最善の方法でそれを活用したかったのです。
だからこれは本当に身近な問題で、何年も考えてきたことです。起業家精神は明らかに、チーム構築よりも運営上のレバレッジになりつつあります。それはかなり明白だと思います。
画像の男性を見てください。彼は基本的にAIエージェントのチームと話していて、デジタルの人と話しているだけの直感的なユーザーインターフェースを持っています。そしてそれらのデジタルの人々は、その反対側で膨大な複雑さを処理できます。バックエンドで膨大な複雑さを処理できます。
そしてユーザーインターフェースは非常にシンプルです。自然言語です。非常に人間的です。それは巨大なことですよね。人々が本当に理解していないと思うのは、これが経済に実際に何をするかということです。なぜなら、先ほど述べたように、フロンティアモデルで現在起こっていることを見ると、チャットボットからオペレーティングシステムへと移行しています。
より良いメモリ、マルチモーダル推論、UIUXのほぼ人間のような理解、これらのこと、連続学習を得ています。そして拡散モデル推論を得始めています。これらのモデルがこれらのスキルを獲得すると、それらはより汎用的になります。
ソフトウェアエンジニアリングも、かなり早く解決されるものです。お気づきかどうか分かりませんが、Opus 4.5は非常に優れていますが、2026年に得られるものと比べればまだ原始的です。2026年に得られるものと比べればかなり悪いです。それに全財産を賭けてもいいです。
2026年の第2四半期から第3四半期にかけて、通常20人から30人で運営されるような自動化されたソフトウェア会社を事実上持つことになると思います。これらのツールを使えば、ソフトウェアを構築するだけで、すでに約3人から5人の速度で構築できます。
そしてOpenAIのAarvarのようなツールが登場します。Aarvarを見たことがない方のために説明すると、これはバグなどを常に探し、コードベースを維持する自律エージェントです。だから3人から5人の速度でソフトウェアをプッシュアウトする能力があり、すぐにもっと増えるでしょう。2026年第2四半期までには、おそらく5人から10人のようになるでしょう。
そして3匹のAarvarksがコードベースを見回って、適切に維持されているか確認します。それは20人か、20人ではないかもしれませんが、10人から20人のチームのようなものです。その時点で良いチームを持っています。スタートアップを構築するために実際のチームは本当に必要ありません。
だから私たちは本当に今日、これの始まりにいます。これが実際に何をするのでしょうか。なぜなら、考えてみると、これらのツールがこれほど有能になるにつれて、私たちが事実上得ているのはサービスだからです。もはや人間にサービスの対価を支払うのではありません。サービスはネイティブです。サービスはあなたのポケットにあります。
代理店に月5000ドルを支払う代わりに、ポケットに月20ドルを持っています。それは大きなことです。狂気的な意味を持ちます。だからこれが実際に行うのは、オンラインのサービス経済全体を飲み込むことです。多くの異なる代理店、多くのサービスベースのビジネス、多くのコンサルタントが基本的にAIラッパーに変わります。
薄いレイヤーのAIラッパーのようなものではありません。文字通りChatGPTにUIの超薄いラッパーがあるだけのようなAIラッパーがあります。それらは愚かです。私がAIラッパーと言っているのは、おそらくAIラッパーさえ間違った用語かもしれません。
自律的なプロダクト化されたサービスと言っているのは、チャットボット、LLMがそこにありますが、バックエンドで膨大な量の複雑さを飲み込んでいます。だから、おそらく異なるベクターデータベースがあり、異なるものにわたる異なる配布と自動化があります。
おそらく、特定の垂直的な問題を解決する垂直的なソフトウェアのようなものを想像できます。多くの複雑さを飲み込み、非常に最小限のユーザーインターフェースを持ち、ユーザー入力と受け取る出力の間の不一致を増加させます。
それは今起こっています。現在のモデルの能力で、すでにこれらのタイプのものを技術的に構築できます。モデルは非常に優れています。すでに驚くほど有能です。すでにこれらのタイプのものを構築し始めることができますが、これらのものは来年、人々が本当に理解していないと思う速度で指数関数的に起こります。
代理店ビジネスは、月5000ドルではなく月20ドルを支払うソフトウェアアプリケーションになります。そしてそれはオンラインサービス業界全体で起こります。
だから、あなたが誰かにサービスを売っている、または誰かに何かを売っている場合、自分自身に尋ねる必要がある質問は、私が売っている顧客がそもそもなぜ存在する必要があるのかということです。彼らのビジネスモデルが時代遅れで、私が彼らに物を売っている場合、B2B SaaSを売っている場合、何を売っていても、彼らのビジネスモデルが時代遅れであれば、それは私にはもう顧客がいないことを意味します。
だから、二次的および三次的な結果、行動の連鎖を下っていくことができる多くの異なる意味があります。オーケー、これはすべてを非常に速く変えようとしている、と見ることができます。また、先ほど述べたように価格はデフレし、最終的にはAI増強されたジェネラリストが勝ちます。
考え方を理解し、学び方を理解している人々、概念やトピックを消化し、それらを還元不可能な原理に分解し、そこから推論できる人々。これらが未来で勝つ人々です。学び方を学び、考え方を学び、あらゆる問題空間、あらゆるトピック、あらゆるものを見て、それを構成部分に分解し、そこから推論できる人である限り、あなたは黄金です。
なぜなら、今やあなたはAIを適用してギャップを埋めることができるジェネラリストだからです。画像の男性のように、専門技術を適用してギャップを埋めるジェネラリストです。それが私たちが向かっている場所です。
雇用市場への影響と新たな機会
雇用への影響について。これは興味深いです。なぜなら、基本的なソフトウェア開発のような、エントリーレベルのソフトウェアエンジニアやプログラマー、何と呼びたいにせよ、これらはかなり大きな影響を受け始めます。
法律調査や財務分析、カスタマーサポートも同様です。これらのものはすぐには雇用されないと思います。しかしその一方で、新しい機会が大量にあり、それがあまりにも大きいため、機会がその機会が何であるかを調整して理解するのに時間がかかるかもしれませんが、機会はこれらすべてを合わせたものの10倍も大きくなるでしょう。
この技術についてのことは、誰もがそれを置き換える技術だと考えていることです。適応できない人々を置き換えますが、技術で加速し、適応している限り、それは可能にする技術です。根本的には置き換える技術ではありません。
多くの人々が混乱していると思うのは、人々が解決された世界、ポスト希少性ユートピアのようなところに向かっていると考えていることです。未来は今日と比較して、ある程度ポスト希少性になると思います。
今日と300年前を比較すると、私たちはすでにポスト希少性に住んでいます。今から10年後を推定すると、次の10年または20年以内に300年分の変化に匹敵するものを見ることになると思います。想像できることは何でも、あなたのニーズのほとんどが満たされるでしょう。
すべてのニーズ、そう言いましょう、すべてのニーズが満たされます。それ以外はすべてその時点からの虚栄のメトリックです。だからAIは雇用を置き換えていません。参入障壁を上げているだけです。
過去のビデオでこれを述べました。置き換えは正しい用語ではないと思います。参入障壁を上げているだけだと思います。そしてそれは根本的に変化しています。雇用は、あなたの定義によりますが、雇用はなくなるでしょう。仕事はなくなりません。
雇用を、私たちが未来でも雇用と呼ぶかもしれません。呼ばないかもしれません。本当に分かりません。しかし、仕事、労働、これらのタイプのものはなくなりません。雇用というタイトルはなくなるかもしれませんが、それでも、未来のものを見て、今日それらを雇用ではないと見ているかもしれませんが、そこに到達する頃には、何らかの理由でまだそれらを雇用と呼んでいるかもしれません。
それが私の微妙な考えです。しかし2026年には、AIが労働市場を変え始める始まりを見ることになると思います。
科学的発見の劇的な加速
さて、これが大きなものです。本当に大きなものです。生物学の加速、自動運転ラボ、試行錯誤よりもシミュレーション。生物学の加速、自動運転ラボ、試行錯誤よりもシミュレーション。巨大です。
これを分解してみましょう。今の生物学を見ると、AlphaFoldのようなタンパク質フォールディングモデルがあり、GPT-5.2のような大規模言語モデルがあります。GPT-5.2は現在地球上で最高の科学モデルです。比較にもなりません。
デビッド・シンクレアのような人々は生物学の研究を行っており、タンパク質フォールディングモデルを使用し、GPT-5.2のようなモデル内にそれを入れています。人間としてこれらのモデルほど迅速に推論できない大量のデータにわたって推論するための統一モデルとしてこれを使用できます。
彼らはそれらを使用して、再結合的イノベーションを行い、新しいものを見つけています。これは今日起こっています。考えてみれば、すべてのイノベーションは、以前に起こった他の洞察から洞察を再結合するだけです。そしてそれが新しい洞察を与えます。再結合的イノベーション。
これらのモデルはすでにこれを行っています。多くの人々が理解していないのは、これらのモデルがすでにこれを行っているということです。これはすでに起こっています。再結合的イノベーションはすでにここにあります。加速するペースで続けていきます。
だから、そうですね、これだけ言っておきます。生物学の加速は加速し続けます。すでに多く加速しています。複利が続きます。次は自動運転ラボです。生物学、材料科学において、AIはロボットのウェットラボを駆動します。
AIは仮説を定式化し、化学物質を混合するようにロボットに指示し、結果を観察し、失敗から学び、次の実験を24時間365日眠ることなく設計します。明らかに人間の監視があります。人間が起きているときに見ます。そしてロボットは人間が寝ている間に動きます。
そして人間が目を覚まし、それを見て、正しい方向に導いていることを確認します。それだけです。明らかにそれは科学を加速します。
次は試行錯誤よりもシミュレーションです。これはかなり素晴らしいと思います。来年起こるかどうか分かりませんが、今後数年以内に起こると予想しています。物理グレードの精度を持つシミュレーションを想像してください。これらの中でシミュレートされた生物学を行っています。
繰り返しますが、これは来年起こらないかもしれませんが、今後数年以内に起こると予想しています。これがレイ・カーツワイル的な長寿脱出速度の話になるときです。なぜなら、今話した加速された生物学があり、タンパク質フォールディングを行い、それらについて推論するこれらの超知的な基本的に統一されたモデルを持ち、そしてこれらの実験を行う自動運転ラボがあり、そして試行錯誤よりもシミュレーションがあり、現在のR&Dプロセスなどを実際に経るのではなくシミュレートできます。
これは非常に狂気的です。私が考えているのは、私たち全員が自分のDNA配列を非常に早く持つことになるということです。第一世界の国のすべての人間、そして非常に早く他のすべての国でも。私たち全員が自分のゲノムをシーケンシングされ、GPT-6やGPT-7のようなものを持って、私たちの特定の体内で常に収集しているデータ内で起こっているすべてについて推論します。
基本的に、推論して非常にシンプルに理解できる情報のパイプラインを持つことになります。なぜなら、AIシステムが私たちのためにそれを消化しているからです。私たちの内部で何が起こっているか分かるようになります。
そしていつか、これらの自動運転ラボ、これらの自動運転なんでも、これらのシミュレーション生物学マシンが、私たちの特定のニーズのための医薬品、私たちの特定のニーズのための遺伝子治療、これらすべての異なるものを基本的に思いつくようなオーダーメイドの医薬品を持つかもしれません。
そしてデザイナードラッグ、デザイナー医薬品、デザイナー何でもを持ちます。本当に考えれば、それは遠くありません。そして、これはレイ・カーツワイルの長寿脱出速度のタイプの思考プロセスに戻ります。
そして本当に上手くできるようになったら、本当にこれができるようになったら、自分自身をアップグレードして、何かもっと大きなものになれないと誰が言えるでしょうか。それはかなり早く起こります。
2026年への総括と展望
これらすべてを一つの確固たる結論にまとめましょう。2026年に対する私のメタ予測は、AIがどこにでもあるように感じると同時に、何を測定しているかによってAIが過大評価されているように感じるということです。
ハイプサイクルは下がるでしょう。ハイプサイクルはその仕事をするでしょう。しかし、基礎となる能力曲線は登り続けます。それが私たちがずっと見てきたものです。多くの人々がAIバブルについて話し、多くの人々が「ああ、これは過大評価されている」と言っています。私は「すごい、この進歩を見てください」という感じです。
だから次の谷や何でも通して構築し続ける人々、それらの人々が次の10年を所有します。それは単純なことです。ハイプに焦点を当てている人々は彼らのことをします。インターネットで聞く情報とペアになります。
しかし、実際に現場でこれらのツールを使って作業し、実際に技術で構築し、実際に起こっていることを本当に目撃し観察し、技術で加速し、それとうまく適応している人々。これらが次の10年を所有する人々です。他の誰もがハイプに焦点を当てている間に。
それを言って、ここでビデオを締めくくります。次回お会いしましょう。
コメント