Sam AltmanがインドのAIサミットで「真の超知性まであと2年程度」と発言したことを受け、AGIの到来タイムラインをめぐる議論が加速している。本動画では、Altmanの発言の背景にある技術的データを検証しつつ、Dario Amodei、Elon Musk、Yann LeCunらの見解を対比し、AGIが現実のものとなった世界に私たちがいかに備えるべきかを論じる。
Sam AltmanのAGI発言とその背景
Sam Altmanが最近、インドで開催されたAIサミットで非常に注目すべき発言をしました。「残り約2年」というものです。これについて深く掘り下げていきましょう。
この「あと2年」という発言は、なかなか物議を醸す内容です。AI業界の中では、おおよそ75%の人がAGIはすぐそこまで来ていると信じており、残りの25%は純粋に懐疑的な立場を取っていると言えるでしょう。今回の動画では、こうした発言に対してバランスの取れた視点をお伝えしたいと思います。というのも、こういった主張は多少物議を醸すものではありますが、時間が経てば経つほど、それを裏付けるデータが積み上がっているからです。
まずはそのクリップを見て、それから詳しい情報に踏み込んでいきましょう。
現在の軌道のまま進めば、私たちは真の超知性の初期バージョンからほんの2年ほどのところにいる可能性があると考えています。もし私たちの見立てが正しければ、2028年末までに、世界の知的能力の多くがデータセンターの中に存在することになるかもしれません。これは非常に驚くべき発言です。もちろん間違っている可能性もありますが、真剣に考える価値は十分にあると思っています。超知性は、その発展の過程のある時点で、大企業のCEOとして誰よりも優れた仕事をこなしたり、一流の科学者以上の研究を行ったりできるようになるでしょう。
AGIは「ハイプ」なのか、それとも現実か
Sam Altmanは今インドにいて、各地を精力的に回っています。これがいわゆる「AIハイプ野郎」的な発言なのかどうか、その議論にも触れていきますが、ご存知の通り、AGIがすぐそこにあるという話を信じない人も少なくありません。
Twitterでも「お願いします、あと少しで手が届きます。もう数十億ドルあれば」なんて声が見られますし、確かに億単位のお金を動かす企業には、期待値を上げておきたいインセンティブがあると言えます。ただ、それでも冷静にデータを見れば、AIは本当に急速に進化しているのは事実です。
このクリップの中でAltmanが話しているのは、私たちが常にゴールポストを前に動かし続けているということです。詳しいデータに入る前に、まずそこを聞いてみましょう。
AGIについて、どのくらい先だと思いますか？ かなり近づいてきた感じがしています。もし6年前に「AIが自律的に新しい研究ができるようになったら？」「複雑なコンピュータプログラムを一人で書けるようになったら？ 医療、法律、コンピューターサイエンスなどあらゆる分野で高度な知識労働ができるAIが一つのシステムに統合されたら？」と聞いたとしたら、みんな「それはかなり汎用的で、かなり賢いね」と言ったはずです。私たちは手に入れたものに慣れてしまうんですよね。でも、今私たちが持っている技術が内部でどれだけ私たちを加速しているかを見ていると、かなり近いと言わざるを得ません。そして今後の進化速度が当初の予測より速くなると予想されることを踏まえると、超知性もそう遠くはないと思っています。
進化の速さを忘れていないか
みなさん覚えていますか？2年も経っていない頃、Soraが公開されて世界を震わせましたよね。OpenAIがどうやってこれを作ったのか、誰もが驚いていました。でも今Soraを使ったとしたら、多くの人は「これで何をするの？」「ちょっとひどくない？」と思うでしょう。そして今の最先端を見てみると、Sea Dance 2.0のようなものがある。2年前と比べて最先端がどれだけ変わったか、本当に驚くべきことです。
これを取り上げた理由は、私たちがどれほど速く進んでいるかを実感してほしいからです。動画だけじゃない。画像もそうです。Dall-E Miniの頃からは見違えるほど進化しました。音声も同じです。推論モデルを使ったテキストも、本当に長い道のりを来ました。ソフトウェアやAIエージェントの品質も、驚くほど向上しています。AIが存在するあらゆる分野で、急速な改善が続いているんです。
だからこそAltmanは「2年前の技術を今の人に見せたら、みんな腰を抜かすはず。でも今の人はそれほど驚かない」と言っています。これは重要なポイントだと思います。AGIが到来したとき、私たちはおそらくAIの賢さに対して感覚が麻痺しているでしょう。ゆっくりと坂を上っているから気づきにくいんです。ある日突然AGIが登場して何でもできるようになる、というわけではありません。
現在のAIは、社会に大きな衝撃を与えないよう、徐々に段階的に公開されています。だから劇的な反応が起きにくい。でもこれは覚えておくべきことで、多くの人はAGIが実際に来たときに気づかないかもしれません。
スタンフォードでの発言、卒業する頃には世界が変わる
Altmanはスタンフォードでも講演しており、これが非常に難しい問いに答えた場面の一つです。「今の2年生は、AGIが存在する世界に卒業することになる」という発言です。
今いる学生はほとんどが2年生ですよね。これから数年で多くのことが変わります。卒業前にAGIが来ると思いますか？ はい、今2年生であれば、AGIが存在する世界に卒業することになると思います。ある意味では同じ世界です。就職して、家族のことを考えて、という人間としての基本的な営みは変わらない。でも別の意味では、まったく違う世界になっているでしょう。AIは驚くほど速いペースで進化し続け、社会もそれより少し遅いけれど、かなり速く変化していく。科学は自動化されていくし、スタートアップを立ち上げるということの意味も、会社で働くということの意味も、まったく変わっているでしょう。この数年で本当に多くのことが変わります。今学生でいることはラッキーで、いろんなことを試せる。そして、社会人生活やキャリアをスタートさせるタイミングとしては、おそらく史上最も面白い時代です。ただ、従来のアドバイスの多くはあまり通用しなくなってくるでしょう。
準備できていない世界
これが実質的に意味することは、今の15〜16歳の子どもたちが学校や大学を卒業するころには、AGIが存在している可能性が高いということです。その含意を考えてみてください。今準備しようとしている未来が、2〜3年後には存在しないかもしれない。それに対応するのは、本当に難しいことです。
AGIが現実のものになったとしましょう。仮にそうなったとして、その意味は計り知れません。雇用、教育、ビジネス、創造性、ほぼすべてが変わります。Uberが登場する直前にタクシードライバーになる訓練をしていたり、Netflixが出る直前にDVDレンタル店を始めたり、iPhoneが普及する直前にフィルムカメラの技術者になろうとしているようなものです。でも今回のシフトは、それよりもはるかに大きいでしょう。
そしてAltmanのスタンフォードでの講演で最も印象的だった発言の一つが、「内側から見た景色として、世界は全く準備できていない」というものです。
企業の内側から状況を見ると、世界は全然準備ができていません。非常に有能なモデルがすぐに出てきます。当初思っていたよりも立ち上がりが速くなっていて、それはストレスで、不安を引き起こすものです。
変化の速度が不安を引き起こすほどのレベルになっている、とAltmanは言っています。それは私も共感できます。このチャンネルを始めた頃は、わりと楽しいものでした。でも、ある時点から、それが楽しさではなく不安に変わっていったんです。毎日ヘッドラインを追って、技術がすぐそこまで来ていると実感して、世界を変えようとしているのに、ほとんどの人が準備できていない、自分も準備できていない、そういう思考が夜も頭を離れなくなります。
そのとき私がしたのは、AGIに向けた自分なりのガイドを作ることでした。当時、人々がAGIに備えるための確立されたフレームワークというものが存在しなかったからです。何かが来るとわかっているのに何もできない、というのが最悪の状況です。何かが起きるとわかっているなら、せめて準備することが一番です。そこで私は無料のPDFガイドを作りました。概要欄にリンクを貼っておきます。メールアドレスを入力するだけでダウンロードできます。ほとんどの人はAGIが本当に来るとは考えたことがないので、どんな問いを立てるべきかすらわからない。それを少しでも助けたいと思ったんです。私自身、この分野にいることで、平均的な人より経済がどう変わるかについての理解が深いと思っています。だから、いざその時が来ても完全に不意打ちを食らわないよう、継続的に参照できるフレームワークを作っておくのは賢明だと感じました。
データが語るAGIへの接近
では実際のデータと意見を見ていきましょう。反論に入る前に、まず「Simple Bench」というベンチマークについて取り上げたいと思います。あまり知られていませんが、これは従来の標準的なテスト型ベンチマークとは違います。Simple Benchは、AIが人間のように推論できるかどうかを評価するベンチマークです。例えば「テーブルに氷を置いて1時間後に戻ってきてまた氷を拾おうとしたらどうなるか？」という問いに対して、賢い推論エンジンであれば「氷は溶けているはず」と答えられるわけです。
別の例で言えば「焚き火の上に氷を5個置いて5分後に戻ったら氷はいくつ残っているか？」という問いに対して、最も賢いAIは「火の上に氷を置けば一つも残らない」と推論できます。でも以前の推論モデルは「動かしていないので5個残っている」と答えてしまっていた。火が熱を生み出し、それが氷を溶かして水になることが理解できていなかったんです。
このベンチマークに注目してきた理由は、モデルが「暗黙の理解」においてどの程度優れているかを測るものだからです。AGIとどう関係するのかと思うかもしれませんが、これはあまり語られないけれど重要なベンチマークで、AIが人間の意図するより深い推論レベルを理解しているかどうかを示してくれます。そしてこのベンチマーク、1年半前は10〜15%あたりをうろうろしていたのに、今は急速に人間のベースラインに迫っています。もうすぐ飽和してしまうかもしれないほどの速さです。
ARC-AGIとエージェントの進化
もちろん「AIのベンチマークなんて信用できない」という声もあります。確かに昨年のAppleの論文で、LLMは実際には推論していないのではないか、問いの名前や数値を変えるだけで精度が落ちるという指摘がありました。しかし、ARC-AGIのようなベンチマークはそれを踏まえた設計になっています。人間的な推論を見るためのベンチマークであり、だからこそSimple BenchとARC-AGI 2の二つを取り上げているわけです。この二つこそが、人間が日常的に行うような推論を試すベンチマークだと思っているからです。
そしてその数字が凄まじい。Gemini 3 ProはARC-AGIで30%だったのが、Gemini 3 Deep Thinkでは84%に達しました。ARC-AGIは、学習データのパターンマッチングではなく、見たことのない問題を解く能力を測るもの、つまり純粋な抽象的推論を必要とする難しいベンチマークです。それが短期間で84%というのは驚異的です。これは人間の水準を上回っています。これほど速いとは予想していませんでした。60%や50%ならわかる。でも84%は本当に驚きです。
もう一つ見ておきたいのが、「LLMタイムホライゾン」ベンチマーク、MERタイムホライゾンベンチマークです。これは、AIモデルが実際のソフトウェアエンジニアリングタスクを人間の助けなしにどれだけ長く自律的にこなせるかを測るものです。言い換えれば、AIにコーディングタスクを渡して席を外して、いつまでちゃんとやり続けられるかを測定しています。
注目すべきはその指数関数的なカーブです。2024年から2025年にかけて、数字が一気に跳ね上がります。Claude Opus 4.5が約5時間、GPT-5.25が約6〜7時間に達し、そしてClaude Opus 4.6は14時間の自律作業に到達しています。これはおよそ2ヶ月で倍増しているということです。これこそが多くの人が見逃しているポイントです。「AIの進歩は停滞している」と言う人もいますが、表面的なベンチマークを超えてモデルがどのように推論しているかを見れば、スローダウンの兆候はありません。
画像、動画、音声、推論、エージェント作業、あらゆる分野で改善が続いています。そうなると、Altmanの「2年」というタイムラインが理解できてくるんです。30分の有用な作業から14時間への跳躍が、約1年で起きた。フルタイムの作業日程で完全自律というのは、そう遠くない未来の話です。
Dario Amodei、Elon Musk、そしてYann LeCun
他の人々のタイムラインも見ておきましょう。Dario Amodeiは「世界はAIのリスクに目覚めなければならない」と訴え、19,000語にも及ぶ「技術の思春期」と題したエッセイを書きました。その中で、非常に強力なAIシステムの到来は差し迫っている可能性があると述べ、「私たちは今、種として試される、波乱含みで不可避な通過儀礼に入ろうとしていると思う」と書いています。
Elon Muskの予測については、「今年末」という話もありましたが、彼の予測には「イーロン時間」というものを加味する必要があります。少し楽観寄りな傾向がありますので。
今後10年で何が起きるかはわかりませんが、AIの進歩の速さを見ていると、今年末までに人間より賢いAIができると思います。遅くとも来年中には。そして2030年か2031年、5年後には、AIが人類全体よりも賢くなっているでしょう。
Yann LeCunの反論
一方で、AGIのタイムラインについて慎重な立場を取っている人物として、Yann LeCunが最も声高に反論しています。彼は、AGIが2027〜2028年頃に来るなどあり得ないと言っています。彼が言っているのは、人間並みの汎用的な知性を持つシステムのことであり、同僚たちがどんなことを言おうとも、そんなことは絶対に起きないと断言しています。
まずあり得ません。私のより冒険的な同僚たちから何を聞いていても、これから2年以内にそれが起きることは絶対にない。「データセンターに天才集団を宿す」という考えは完全な妄言です。あり得ない。我々が手にするかもしれないのは、あらゆる合理的な問いに対して答えを見つけ出せるほど大量のデータで訓練されたシステムです。そしてそれは、博士号取得者が隣に座っているような感覚を与えてくれるでしょう。でもそれは本当の博士号じゃない。膨大な記憶と検索能力を持つシステムであり、新しい問題に対して解決策を生み出せるシステムではありません。それこそが本当の博士号のはずです。
さらにYann LeCunは、現実世界はLLMがこなすべきタスクを処理するにはあまりにも複雑だとも述べています。
AGIが1〜2年以内に来ると騒いでいる人たちはただの妄想です。完全な妄想です。現実世界はもっとずっと複雑で、世界をトークン化して……というアプローチでは到達できない。
バランスの取れた視点で見ると
私は彼の意見にはある程度同意しています。確かに、コンピューター上の特定タスクや推論、ベンチマークではLLMは驚異的な能力を発揮しています。しかし一方で、人間が実際に行う計画、推論、記憶という観点から見ると、LLMにはアーキテクチャに起因する重大な欠陥があります。AGIを実現するためには、おそらくDeepMindのDemis Hassabisが言ったように、2〜3のコアなアーキテクチャ上のブレークスルーが必要になるでしょう。
もちろん、タイムラインや実用性については全員が議論しています。ただ、私が思うに、AGIが実現したとしても、それはおそらく非常に曖昧な境界線として現れるでしょう。とはいえ、こういった多角的な見解を紹介することは大切です。スペクトルの両端を常にみなさんにお伝えしたいと思っています。
コメント