2027年から2028年にかけてAGIおよびASIが実現するという予測が、サム・アルトマン、ジェンスン・フアン、ダリオ・アモデイといった業界リーダーたちの間で収束しつつある。この驚くべき予測の背景には、機械の自律性が90日ごとに倍増するという超指数関数的な成長曲線、再帰的自己改善に必要な5つの技術要素の急速な進展、そして6000億ドル規模の投資による後戻りできない産業包囲の状況がある。高帯域幅メモリやエネルギー供給といったボトルネックは存在するものの、市場は既にこれらの課題を解決しつつあり、経済的代替可能性の観点から見れば、意識の有無に関わらず、週単位の自律的なエンジニアリングタスクをこなすAIの登場は目前に迫っている。この技術革新は雇用市場に深刻な影響を及ぼし始めており、新卒者の就職難や雇用なき成長といった形で既に現れている。
なぜ2027-2028年なのか
なぜ突然、誰もがAGIやASI、そして再帰的自己改善、つまりRSIについて2027年から2028年の枠組みで話すようになったのでしょうか。サム・アルトマン、ジェンスン・フアン、そしてダリオ・アモデイのような何人かの人物たちが、この数字に向けて収束または集約しているように見えます。では、これを紐解いて、なぜそうなのかを考えてみましょう。
まず第一に、舞台を整える必要があります。誰がこれを言っていて、彼らのタイムフレームは何なのか。誤差範囲については申し訳ありませんが、正確ではありませんが、要点は理解できると思います。
Anthropicのダリオ・アモデイはノーベル賞レベルの能力に匹敵する強力なAI、データセンターの中の天才国家について語っています。もしあなたがそれを聞いたことがあるなら、それはダリオ・アモデイから来ています。彼は2027年から2028年頃にデータセンターの中に天才国家を持つことになると言っています。
それからAI 2027レポートというものがあります。これはダニエル・クックトのような安全性の専門家たちからのものです。名前の発音が正しいと思いますが、彼らのAGIに対するモード予測は2027年から2028年でした。
時間枠は数十年から数ヶ月に縮小しました。もはや誤差範囲は以前よりもずっと小さくなっています。ジェンスン・フアンは、5年以内に幅広い人間のテストで競争力のあるAGIと言いました。彼は控えめに言っていると思います。少し慎重になっているんです。
サム・アルトマンは2026年までにリサーチインターンと言いました。インターネット全体が基本的にこれに同意しています。私がドキュメント化したビデオのいくつかや、Twitter上で見たもの、あらゆる領域や分野の人々が、ええ、これは今や優れたリサーチインターンだと言っています。
高度な数学者、経済学者、あらゆる種類の人々が、これらの推論モデルは今や私の一部の助手を置き換えるのに十分だと言っています。そして2028年までに人工超知能です。これは彼らが客観的に言っていることです。これは私ではありません。彼らです。
彼らはAGI、ASI、そして再帰的自己改善について話してきました。再帰的自己改善は実際には一般的にもっと早いです。人々は今年のどこかで、あるいは遅くとも2027年までに完全に実現された再帰的自己改善があると言っています。
機械自律性の超指数関数的成長
さて、これに対する最も強力なシグナルの一つがメーター評価です。もしあなたが私をしばらくフォローしているなら、私がこれについて話してきたことを知っているでしょう。基本的に、私は昨年それをモデル化しようとしていました。なぜなら、指数関数モデルが適合しなかったからです。
それで昨年私が決定したのは、それが実際には超指数関数モデルだということです。対数スケールがあれば、それでも指数関数的に上向きに曲がっています。最新のデータがインターネット中を駆け巡りました。それはClaude Opus 4.6が自律的な中央値成功率14.5時間に跳ね上がり、95パーセンタイルが90時間以上になる可能性があったときです。
元の生データを見に行くと、かなり印象的です。これは人々を本当に目覚めさせました。なぜなら彼らは96時間、それは4日間のようなものだと言ったからです。これは2026年2月時点のことで、私たちは4ヶ月から7ヶ月ごとに倍増していますが、倍増期間も短縮しています。
私は「ねえみんな、倍増期間は実際に短縮していて、もしこの傾向が続けば、今頃は90日から100日ごとに倍増することになる」と最初に言った一人でした。実際、多くの人々が既に倍増期間が約90日のようだと指摘しています。
90日は四半期です。そして私たちはまだ2026年の第1四半期を通過していません。つまり、今年だけで機械の自律性が3回以上倍増する可能性があるということです。14.5時間から倍増すれば29時間になります。もう一度倍増すれば、ほぼ60時間です。そしてもう一度倍増すれば120時間です。それは約1週間です。
1週間が何日か、今頭の中で計算するつもりはありません。朝早すぎてそんなナンセンスなことはできません。でも私たちは現在のレートで、ちょうど今年末までに60時間から120時間の機械の自律性が実現可能なところに近づいています。
もちろん、私は少し自由にやりました。倍増期間が4ヶ月から7ヶ月ではなく90日のように見えると言って。でもそれが超指数関数的または伸張指数関数的なもので起こることです。対数グラフ上でもまだ指数関数的なものがあります。わかりましたね。次に進みましょう。
再帰的自己改善の5つの要素
再帰的自己改善について話すとき、私たちが見ることを期待する5つの具体的なものがあります。
第一はアルゴリズム研究または数学です。新しいアーキテクチャとアルゴリズムと理論を開発することです。これは大きなものの一つでした。だからこそ昨年、2つのラボが国際数学オリンピック、IMOで金メダルを獲得したときです。彼らはミレニアム懸賞問題に取り組み始めています。
誰もまだミレニアム懸賞問題に遠隔的にでも挑戦したとは思いませんが。しかしポイントは、人工知能を進歩させるためにミレニアム懸賞問題を解く必要はないということです。なぜなら、アンドレ・カルパシーやイリヤ・サツケヴァーでさえ、誰もミレニアム懸賞問題を解いていませんが、それでも彼らは人工知能の世界的リーダーだからです。
だから人々が「ああ、まだミレニアム懸賞問題をやっていない」と言うとき、それは関係ないんです。それは再帰的自己改善に到達するために私たちが探しているものの閾値を超えています。だから金メダルレベルのパフォーマンス、国際数学オリンピックでの金メダルパフォーマンスとミレニアム懸賞問題の解決の間のどこかが、私たちが今いるところです。
そしてそれはまた、人工知能のアルゴリズム研究を進歩させるために必要なレベルでもあります。だからこれは達成しました。
次はデータ生成とデータキュレーションです。これは完全な一つの分野です。最新のモデルはすべて10%から20%の合成データで訓練されています。もちろんいくつかの問題があります。合成データで訓練することの最大の問題はモデル崩壊です。
それを解決したかどうかは明確ではありませんが、より多くのラボがAlphaGoやAlphaFoldが変更されたのと同じような方法で、自己対戦アルゴリズムを通じてより多くの合成データを生成することに取り組んでいるようです。無限の量のテキストを生成できて、無限の量のテキストを生成したら、そのテキストが有用であることを検証する方法があればいいんです。
彼らが使った戦略の一つは、そしてこれが推論モデルを訓練した方法だと私が知っているのは、基本的に約千の推論トレースを生成して、その中から最良のいくつかを選ぶだけです。だからそれが彼らがやっていることかもしれません。それは基本的に計算力を燃やしているだけです。
でも他にも異なる実践があります。モデル同士で採点し合ったり、より多くの合成データを生成したりできます。これは彼らが既にしばらくパイプラインに持っていたものです。それが続けるのに十分良いかどうかはわかりませんが、彼らが既に持っているものです。
また、視聴者の多くの方々が何年も指摘してきたように、人間の脳はずっと少ないデータでより多くのことを学習します。はい、人間の脳は何年もサイクルを続けなければなりませんが、私たちが接するデータの量は、大規模言語モデルが接するデータの量のほんの一部です。
だから私たちは、最大可能なデータ効率の上限にさえ近づいていません。
次はコードを書いて実行することです。これは今、全世界がパニックになっていることです。OpenClawとClaude CodeとCodexがすべて、今やほとんどの開発者よりも優れています。そして多くの開発者が存在論的不安を抱えています。わあ、自分のコンピューターサイエンスの学位は何のためだったんだろうって。
だからこれは基本的に解決されました。完璧だとは言いません。まだ時々コードベースを壊すこともあります。でも昨年のこの時期を思い出してください。ダリオ・アモデイが年末までに、いや彼は夏までにと言ったと思いますが、AIが私たちのコードのほとんどを書くようになると言ったとき、全員が文字通り笑いました。
でも彼はほんの数ヶ月ずれていただけでした。なぜならClaudeの最新バージョンでは、すべてのコードが文字通りClaudeによって書かれたからです。だから私たちはあと1回か2回のサイクルです。サイクルと言うとき、私たちは基本的に90日サイクルまで下がっています。
だから再帰的自己改善に必要な閾値を超えるまで、あと1回か2回のサイクルです。
次は実際にモデルを訓練することです。つまり、実行をまとめて、計算リソース上でスケジューリングすることです。これは基本的にインフラストラクチャーの仕事です。データセット、パラメータ、ハイパーパラメータ、モデルアーキテクチャを指定して、実行するんです。
これはこれらのラボが行う最も高価なことの一つです。おそらく最も高価な活動です。数日間または数週間の計算サイクルに数百万ドルを燃やそうとしているわけですから。もちろん、人々は話していませんが、昔を思い出すと、GPT-3やGPT-3.5のようなモデルは文字通り何週間も訓練されました。
それは数百万ドルです。今、それは主にデータ、アルゴリズム、損失関数、モデルアーキテクチャなどを定義するだけです。それをやったら、それはすべてコードですよね。それはすべてコードとAPIコールです。
AIが仮説的にそれをできない理由はありません。ただ、完全に自律的な、AIエージェントたちよ、新しいモデル訓練をいつ実行するか決めていいぞ、というのを聞いたことがないことは認めます。
そして最後にモデル評価です。なぜならこのモデルが実際に現在の世代よりも良いのか、どこが良くてどこが悪いのかを知る必要があるからです。モデル評価には膨大な量の作業が必要です。
AI Explainedのフィリップがやっていることを見ると、彼はプライベートベンチマークを持っていて、それには多くの人間による採点が必要です。なぜなら、これが正しいか間違っているかが簡単に証明できないものに入っていくからです。コードならコードが実行されるだけです。数学なら数学が計算されて正しい答えに到達しなければなりません。それらは証明可能に正しい評価です。
評価については、多くのラボが評価を支援するためにAIを使用していることは知っていますが、より愚かなモデルがより賢いモデルを正確に採点することは困難、不可能でないにしても困難であることが証明されています。それが困難であることを示す論文が出ています。
だからこの最後の2つのステップが、今私たちがいるところと再帰的自己改善の間の最大のボトルネックだと思います。
とは言え、これらは私が些細なステップとは言いませんが、緑のボタンを押すのは一種の些細なステップです。でもモデル評価は一種の錬金術のようなものです。だからこの分野がどのように進化していくのか興味があります。
でも数学、データ、そしてコード、それが難しい部分です。それがあなたが100万ドルの給料をもらう部分です。もしあなたがこれに貢献しているなら。だからシリコンバレーのテックブラザーたちは、文字通り間もなく自分たちの仕事を奪うことに取り組んでいるんです。
産業包囲と競争のダイナミクス
最近使われている用語の一つが産業包囲です。これはAI競争と後戻りできない地点です。
まず第一に、競争のダイナミクスがあります。企業と国家が競争しています。私たちはこれについて長い間話してきました。私も話してきました。破滅論者たちも話してきました。
私は終端競争状態という用語を作りました。基本的に私たちが向かっている終端状態は、最大限に知的で最大限に効率的な人工知能です。その理由は、どの企業も減速するインセンティブがないからです。実際、私がその用語、終端競争状態を作った時から、より多くの企業が参加しています。
その時にはxAIさえ存在していませんでした。そしてGoogleは、Bardを持っていました。Bardを覚えていますか。この分野のジョークは、Bardはすべての収益が減少する前の略語だというものでした。
Geminiはまだ存在していませんでした。Grokも存在していませんでした。DeepSeekも私がその用語を作った時には存在していませんでした。だからポイントは、終端競争状態が正しいことが証明されたということです。なぜならますます多くの企業が飛び乗っているからです。
同様に、国家も競争していて、競争は激化しています。特にアメリカと中国の間で。さて、もしあなたがニュースを注意深く見ているなら、ヨーロッパは本当に遅れをとっていることにうんざりし始めています。
規制緩和が必要だという良いスピーチがいくつかありました。そして彼らが欧州連合のスピーチの一つで持っていた提案の一つは、承認をデフォルトにするというものでした。規制当局が一定の週数内に否定的な回答をしなければ、承認を得たと仮定するだけです。
これはヨーロッパが過去数十年間やってきたやり方から180度転換です。
それから後戻りできない地点があります。これはサンクコスト、彼らはサンクコストの誤謬と呼んでいますが、基本的な考えはこれが機能しなければ破産するということです。これはヘイルメリーです。それがおそらくより良い用語です。
ニューラインシネマに詳しければ、基本的に「ロード・オブ・ザ・リング」に資金を提供し、全力投球することが彼らのヘイルメリーでした。彼らはこれが機能するか、スタジオがもう存在しなくなるかだと言いました。
この考え方が、人々がデータセンターとチップとインフラに既に6000億ドル投資していると言っているときにやっていることです。もし今後退すれば、会社を閉鎖するのと同じようなものです。
だから代わりに、彼らは「わかった、完全にコミットした。後戻りできない地点を過ぎた。これが私たちのヘイルメリーだ。うまくいけばピーター・ジャクソンを雇った。そうでなければ倒産する」と言っています。
そして最終的にそれが全力投球、勝つか負けるか、最大速度前進につながります。これが私たちが置かれているダイナミクスです。
そうです、私は何年も前に競争状態を予測しました。でも後戻りできない地点、サンクコストの誤謬またはヘイルメリー、それが私たちが今いるところです。だから一時停止は致命的です。誰も減速しません。
ボトルネックの解消
それから次に、じゃあボトルネックは何なのかということです。人々がチップについて「ああ、何年もチップが不足するだろう」と言っていたのを覚えていますか。
今誰がそれについて話していますか。誰もです。チップ問題は本当に完全に解決されました。
今、高帯域幅メモリが次のボトルネックです。これは現在インターネットが発狂していることです。なぜならデスクトップメモリさえも高価になっているからです。その理由は、サムスンのような製造工場がデスクトップメモリを使ってより多くのチップを作っているからではありません。
彼らには有限のスループット量があります。だから彼らは「まあ、高帯域幅メモリはデスクトップメモリやラップトップメモリやXboxメモリよりもはるかに価値がある。だから本当に高価値なものを作るだけで、これらの他のもので市場を枯渇させることができる」と言っています。
とは言え、市場は既にチップのボトルネックでやったのと同じことをやっています。つまり、SKハイニックスとサムスンを中心とした複数の企業にわたって、1000億ドル以上の投資で設備を再構築するために激しく転換しています。
だからこれは、チップが2023年から2025年のタイムラインで解決されたのと同じように、今後12ヶ月から24ヶ月以内に解決されると予想されています。
さて、エネルギーが次の大きなボトルネックです。これはもちろん大きなものですし、解決するのははるかに難しいです。でもエネルギーと解決策についてはもう少し詳しく話します。ちょうど今から話します。
エネルギー需要と解決策
このグラフを見る機会がもっと増えるでしょう。これはワニの顎グラフと呼ばれています。私が時々引っ張り出す非常に似たグラフがあって、GDPと経済生産性が賃金よりも速く上昇していることを示しています。
でもこの場合、エネルギー需要がエネルギー生産よりも速く上昇しています。しかし、目標は500テラワット時のAI電力需要に到達することです。今、私の数字が正しければ、データセンターが現在消費しているのははるかに少ない量です。
年間4テラワット時だったかどうか覚えていません。だからアイデアは、データセンターの合計ではるかに高いテラワット時数に本当に到達することです。
しかし、それは不可能に聞こえるかもしれませんが、アメリカの総年間エネルギー消費量は4000テラワット以上であることを覚えておいてください。だから500テラワットに到達するのは、現在のフットプリントの約12%です。それでもまだ簡単ではありません。
それは、今後5年間で12%多くのエネルギーを生成する必要があり、他のすべての需要の増加に加えてということです。それは昨日から取り組まなければならないようなものです。なぜなら、電力網は更新が必要で、発電所は更新が必要だからです。
しかし、ここで事態が変わります。マイクログリッドができます。データセンターを太陽光とコロケートする太陽光マイクログリッドができます。天然ガスとコロケートしたり、現地に天然ガスタービンを建設したりすることもできます。
だからここで多くの企業やデータセンター建設者が「わかった、電力網を待てない。ローカルに建設する」と言っているのを見ます。だから彼らは基本的に電力網さえも制約ではないと言っています。
次に、彼らは従来の原子力を再稼働しています。従来の原子力を再稼働するには時間がかかります。もちろん、全く新しい原子力を建設するには20年かかります。だからそれは選択肢にさえなりません。
それで、スリーマイル島をオンラインに戻すことができます。なぜならそれは既に存在するからです。でもそれを超えて、それは十分速くありません。20年後、新しい原子炉がオンラインになる頃には、中国が競争に勝っているでしょう。競争を走ったではなく、競争に勝ったです。
そして最後に、小型原子炉または小型モジュール炉です。SMRは研究開発されていますが、最も早く期待されているのは2028年のようなものです。でもそれほど早くならないでしょう。おそらく2029年から2030年です。
だからその頃には、グランドストラテジーゲームやリアルタイムストラテジーゲームをプレイしたことがあるなら、テクノロジーツリーをアップグレードしなければならない、すべての新しい銃に電力を供給できるようにすべての原子炉をアップグレードするために研究ポイントを投入しなければならない、という感じです。
これが私たちがいるところです。私たちは競争状態にいます。さて、その圧力、その国家的圧力、その国家の圧力は、どんな規制が存在しても、おそらく取り除かれるだろうということを意味します。
とは言え、多くの州で、そしてこれは今私にとって最も奇妙なことですが、ちょっと脱線しますが、今私にとって最も奇妙なことは、反データセンター感情が高まっていることです。
そしてそれは完全に超党派です。バーニー・サンダースとAOCだけではありません。共和党員もです。そして私は本当にそれが理解できません。でも、多分それは新しいものだからでしょう。そして人々は「ああ、これが新しいものだ」と言っています。
そして人々は「まあ、データセンターがより多くの汚染を追加すると聞いた」と言っています。でもデータセンターは静かです。文字通り通常よりも少し多くの電力を消費する倉庫です。余分な騒音は出しません。彼らが天然ガスを燃やしていない限り、地域的に余分な炭素を出しません。
それなら私は理解できます。もし彼らがより多くの一酸化炭素やそういったものを排出しているなら。でも天然ガスは石炭よりもはるかにクリーンで、人々は石炭火力発電所を閉鎖しようとしていません。つまり、石炭火力発電所に抗議していません。
だから私にとっては、最新のバーチューシグナリングのように見えるだけですが、超党派のバーチューシグナリングです。だから本当に、私たちがそれを乗り越えられることを願っています。なぜなら、国家として今できる最悪のことは、データセンターを減速させることだからです。
なぜなら、もし第一原理から社会主義や共産主義に到達したいなら、高度な人工知能が必要です。そして左側ではそうです。そして右側では、中国と競争したいなら、データセンターが必要です。
だから私には理解できませんが、それは私だけです。
AGIの定義と実際の影響
さて、次のことは、人々が「まあ、見ればAGIだとわかる」と言っていることです。そして問題は、言語学と神経科学からサピア・ウォーフ仮説という概念があることです。
サピア・ウォーフ仮説は基本的に言語が現実を構築すると言っています。それは完全に真実ではありませんが、あなたができる実験があります。ロシア語では青に2つの異なる言葉があります。一つは空の青のようなもので、非常に淡い青です。もう一つはサファイアやラピスラズリで期待するようなもので、非常に豊かで飽和した青です。
ロシア人に画面、青い画面を見せて、ゆっくりと一つの青から次の青に変化させると、「ねえ、青が変わったことを認識している」と言う脳波が発生します。だから彼らの定義、実際の物理現象に付けられた言葉が変わります。それがサピア・ウォーフ仮説のアンカーの一つです。
私のポイントは、人々がAGIという用語で同じことをしてきたということです。主にSFと想像を通じて具体化されてきました。だから人々は「まあ、見ればわかる」と言っています。そして彼らはその脳波が起こるのを待っているんです。「ああ、淡い青から豊かな青に切り替わった」と言うために。
そして彼らは意識や魂や人間のような会話のようなものを探しています。でも現実は、これらの機械の実際の能力と、それらが指数関数的に上昇しているという事実を見るとき、リモートワーカー、長期タスク、経済的代替可能性、それを何と呼ぶかは関係ありません。
AGIと呼ぼうがASIと呼ぼうが関係ありません。本当の測定基準は影響です。ちなみに、私たちは既に経済的影響と雇用の置き換えを見ています。ただあまりよく追跡されていないだけです。
だから2028年までに見ることを期待する経験的現実は何か、それをAGIやASIやその他何と呼ぶことを正当化するのか。
第一に、自律的なプロジェクト、人間がループにいない週単位のエンジニアリングタスクです。これは非常に速く来ています。明らかに、サイバースペースで独占的に作業しているとき、自律的にできる最良のことはコーディングですが、2028年までにロボット工学も解決されるでしょう。
次はマルチエージェントスウォームです。エージェントが複雑なワークフローを分割して征服し、大規模なグループで自律的に作業し、必要に応じてエージェントを即座に作成および削除します。
永続的なメモリ。メモリにおける現在の最大のルネサンスは再帰的言語モデルです。基本的に、リアルタイムで知識ベースを更新するバージョン管理された方法を持つことができるように、コンテキスト専用のGitHubリポジトリを持っています。そして各個別のAIエージェントがそれを持っています。
そしてツールの流暢性です。CRM、IDE、電子メールの人間の使用と区別できない、そして私はKVMを追加します。それはキーボード、ビデオ、マウスです。既にコンピュータ使用エージェントがあります。
CUAモデル、人々はあまり話していません。なぜならいくらかの初期の興奮があったからですが、これらのモデルにはもう少し時間が必要だと思います。なぜならそれはロボットとして現実世界の複雑さをナビゲートすることと似た問題だからです。
それはAPIを使用したりコマンドラインを使用したりするだけではありません。それは、本物のコンピュータ、本物のデスクトップを使用しているということです。もちろん、OpenClawは技術的にはCUA、コンピュータ使用エージェントです。それはすべてをコマンドライン経由で行うだけです。
機械は意識を持つ必要はありません。ただ経済的に代替可能である必要があるだけです。それが2028年の能力プロファイルのための行き先のフレーズです。
雇用への影響:ソロー・パラドックス2.0
それで、雇用について言えば、影響はどこにあるのかと言うかもしれません。さて、影響は既に起こっています。そしてそれについてはもう少し詳しく話しますが、知っておくべき2つのことがあります。
第一はソローのパラドックスです。私たちは1980年代のソローのパラドックス2.0を見ています。ソローは、デスクトップコンピュータはどこにでもある、産業のどこにでもあると言いました。ただしビジネス生産性統計には表れていません。
同様に、今日、AIはどこにでも見られますが、まだ雇用統計には表れていません。しかし、今年、2025年時点で、すべてが下方修正された後、わずか18万件の雇用追加で3.7%のGDP成長がありました。
私たちは既に人工知能と他の自動化によるGDPの上昇を見始めています。これが私が話していたワニの顎グラフです。AIはすべての企業をより生産的にします。つまり彼らはより多くのお金を稼ぎますが、従業員数は少なくなります。
2025年はその効果が本当に劇的に観察可能だった最初の年でした。よく追跡されていないため、他の要因と区別することはまだ難しいです。しかし、Jカーブ、生産性のJカーブがあります。初期投資は企業や全体経済をより効率的になる前にあまり効率的でなくします。
私たちは今、フェーズ2、収穫期に入っています。生産性が爆発し、労働が分離します。ちなみに、労働は長い間経済生産から常に分離してきました。これは単なる加速剤です。火に油を注ぐだけです。
雇用が実際に枯渇して消えていると言うとき、私たちが見ている本当の現象は消えゆく梯子です。だからゴーストジョブ、それはレイオフが起こっているだけではありません。それは一番上のラインです。それは最も明白なことです。誰かがレイオフされて、AIが私の仕事を消滅させたという感じです。
コインの裏側、その裏面は、そもそも現れない仕事です。それが雇用なき回復または雇用なき成長の主な方法です。そして私たちは雇用なき成長の長期的な世俗的体制に入りつつあります。
だから自動化の崖は大量解雇ではありません。それは決して埋められなかった、またはこの場合決して作られなかったポジションです。だからエントリーレベルの採用凍結、多くの職のない卒業生がいるという事実です。
卒業から最初の仕事を得るまでの平均的な仕事待機時間、新卒者の場合は今1年以上です。そしてそれは悪化する一方です。それがゴーストジョブの例であり、雇用なき回復の例です。だからそれに注目してください。
ここでの炭鉱のカナリアは、仕事を得られない高資格の学生です。それは自動化のサインです。それは仕事がどのように行われるかの体制変化のサインです。
拡張から自動化への移行
それで私たちは何が来るのかと言います。シリコンバレーのテックブラザーたち全員が「ああ、お前ら、私たちがどれだけ近いか分かっていない」と言うとき、それはステップ関数があるからです。
そしてニューラルネットワークのシグモイド活性化関数に非常に似た閾値関数があります。ちなみに、今人工知能は拡張フェーズにあります。それは実験的です。ビジネスクリティカルではありません。それはいくつかの人々をはるかに効果的にしますが、企業の観点からはまだオプションです。
しかし、ある程度信頼できるようになると、ある程度展開が簡単になると、使い方の部族的知識を開発すると、ゼロから1に非常に速く移行し、そして自動化の崖にぶつかります。
その時点で、新しい技術はバイラルになり、必須になります。これが私たちが話していることです。私はこれについてしばらく話してきました。85%の人々が雇用不可能になるとか、自動化の崖から飛び降りようとしていると言うとき、これが起こることです。
そして長い間技術に携わってきた人々はこれを見ています。多くの技術者は、技術が準備できる前に、明白になる前に、壁に書かれた文字を見ています。
私のキャリアでは、ITキャリアを仮想化の立ち上げの初めに始めました。今日人々がクラウドと呼んでいるものです。だからクラウド仮想化は私が始めたときには明白ではありませんでした。しかし、それは私には明白でした。これは非常に明らかに未来の道だと言いました。そして私は自分のキャリア全体を人工知能の上に構築しました。
もし今日キャリアをやり直すなら、人工知能に転換するでしょう。そして私はある種そうしました。2022年、2023年に企業の仕事を辞めたとき、人工知能は非常に明らかに未来の道だと思いました。私はそれに全力投球します。
だから、少し早いかもしれませんが、間違っていません。私たちは、人工知能がより良く、より速く、より安く、そして人間よりも安全になるにつれて、自動化の崖に向かっています。
リスクの4つの象限
さて、リスクについて話すとき、おそらく3年後に人工超知能を持つことになるという会話をリスクについて話すことなく行うのは適切ではないでしょう。
すべての異なるリスクについて話すとき、4つの象限があります。ここでのY軸は影響です。ここで低い影響から、ここで高い影響まで。そして予測可能性、左側の低い予測可能性です。これがX軸です。右側の高い予測可能性まで。
だから最もリスクの高い領域は未知のゾーンです。これは社会的結果、政府の捕獲、金融崩壊、さらには存在リスクです。これを考える一つの方法は、何が上にあるのかということです。高い影響で予測可能性の低い結果は何か。
でも低い影響で予測不可能な結果もあります。これは些細なものです。だからこれは些細な未知です。ミスアライメントのバグ、エージェント的な失敗モード、これらはOpenClawがどのように失敗するか正確にはわからないようなものですが、パッチできるもので、非常に速くパッチされてきました。
ミスアライメントについては、毎週数十の論文があります。だから憲法的AIに欠陥があれば、発見されてパッチされるでしょう。マクロ効果、集約効果はこちら側の未知です。
さて、高い予測可能性側では、高い予測可能性高い影響があります。だからスケーリング則、これはモデル能力と計算の成長です。これは私たちが基本的にメーター評価やそういったものを示してきたものです。非常に高い影響です。
数学が上手くなるにつれて、コーディングが上手くなるにつれて、エージェント的自律性が上手くなるにつれて、それは予測可能で高い影響の両方です。なぜならそれは非常に信頼できるからです。基本的にムーアの法則に従います。ジェンスン・フアンが言うようにムーアの法則の2乗です。
それから低い影響がこちら側にあります。だからこれは高い予測可能性低い影響で、すべてのビジネスアズユージュアルのものです。だからこれは市場の力、エネルギーのボトルネック、メモリのボトルネックです。
私がこれらを低い影響として置いた理由は、それらが来るのが見えて、市場が既にそれらを解決しているからです。だからはい、それは高度に予測可能です。なぜならそれが来るのが見えるからです。データは非常に明確で、低い影響です。なぜなら市場がチップ問題を解決したように、私たちはこれらの問題を解決するつもりだからです。
注目すべき主要指標
それで私たちはどれだけ近いかを追跡したいなら、注目すべき主要指標は何かと言います。
第一にメータースコアです。タスクホライズンが24時間を超えること。おそらく90日から120日後にこれを見るでしょう。90日から180日、完全な範囲を望むなら。今から90日から120日後、または180日後です。
その範囲で、メータースコアがすべて24時間を超えているのを見るでしょう。それから高帯域幅メモリを見ます。基本的に、人々が勝ち誇って高帯域幅メモリが解決されたと発表するのを見ることはないでしょう。ただニュースで見なくなるだけです。人々がチップについて話すのを止めたのと同じように、それについて話すのを止めるだけです。
次は資本支出です。年間1兆ドルの閾値。それが次の心理的障壁です。おそらく今年か来年にそれを超えるでしょう。そして既に述べたように、エントリーレベルの採用に注目してください。
それは崩壊し続けると予想されます。時々、IBMが方針を逆転させて雇用を創出するのを見ますが、よく見ると、6000の雇用を削減して600を戻したというようなものです。それは完全な方針転換ではありません。だからそれらの見出しがどのように表現されているかに非常に注意してください。
4つのグループ:破滅論者、楽観主義者、懐疑論者、現実主義者
さて、最後に、私の研究すべてにおいて、人々は4つのグループの1つに分類される傾向があります。だから再びこのマトリックスがあります。AIの重要性があります。ここで高い重要性、ここで低い重要性、そして良いから悪いへの結果です。
この下の2つを入れ替えることができるという議論ができるかもしれません。コメントであなたの考えを教えてください。でもこれが私が得たものです。
高い重要性で最大限に悪い結果は破滅論者です。これは存在リスクの人々、社会崩壊の人々、制御問題の人々で、彼らの応援団長はエリエゼル・ユドカウスキーです。
高い重要性で良い側は良性/楽観的です。これが私のグループ、加速主義者です。私たちは長期的に肯定的な社会的影響があると信じています。主要な問題を解決し、比較的スムーズな移行です。
とは言え、雇用ショックは人々が準備しているよりも速い可能性があることは認めます。だから私たちはこちら側の応援団長です。
低い重要性側は技術懐疑論者です。だからこれらはAIは誇大広告だと言う人々です。限られた実世界への影響、何も見るべきものはない、応援団長はゲイリー・マーカスです。
ヤン・ルカンはしばしばこの群衆に入れられます。なぜなら彼はLLMは行き止まりだ、どこにも導かないと言っているからです。でもそれはもう大きな影響を与えているんです。だから技術懐疑論者がいて、それから現実的なエンジニアリングの懸念があります。
だからこれらはAIについて懸念しているが、大丈夫、問題だ、減速してもっと多くのリソースを安全性に投入すべきかもしれないと信じている人々です。だから実用的な課題、信頼性と安全性のバグ、展開の問題、そしてトップの応援団長の一人はジェフリー・ヒントンです。ヨシュア・ベンジオも別の例です。
だからこれらは、一歩下がって減速する必要があるかもしれないと言っている真剣な業界の巨人です。
というわけです。それが人工知能、汎用人工知能、人工超知能の状況です。専門家に何を期待するか。これは私が社説を書いているだけではありません。これは今後2年から3年にわたって専門家に何を期待するかです。
それでは。失礼します。
コメント