AGIはまだ遠い？AI研究の第一人者たちが語る「現実的な限界」と「今後の展望」

AI技術、特に大規模言語モデル（LLM）の急速な進歩は、私たちの未来に対する期待を大きく高めています。しかし、その一方で、AI研究の最前線にいる著名な研究者たちからは、過度な期待に対する警鐘が鳴らされています。本記事では、著名なAI研究者たちが語るLLMの現状の限界、そして真の汎用人工知能（AGI）への道筋について、その現実的な見解を深掘りしていきます。

LLMの現状と限界：期待先行のAIブームに冷静な分析

スケーリングの限界と新しい洞察の必要性

OpenAIの共同設立者であるイーリャ・サツケバー氏は、現在のトランスフォーマーベースLLMのスケーリングパラダイムが限界に近づいている可能性を指摘しています。評価における優れた性能とは裏腹に、実用的な一般化能力や経済的インパクトにはギャップがあるとのこと。この停滞を打破するには、根本的に新しい研究の洞察が必要だと彼は述べています。さらに、LLMの現在のビジネスモデルの収益性にも疑問を呈し、AGIの実現時期を5年から20年後へと下方修正しました。彼の新たなスタートアップ「Safe Superintelligence Inc.」では、この目標達成に向けた新しいアプローチを探求しています。

AIエージェントの現実：10年以上の開発期間が必要

元OpenAIのAI責任者であり、現在はテスラでAIディレクターを務めるアンドレイ・カルパシー氏は、LLMベースのAIエージェントに関する業界の熱狂に疑問を呈しています。彼は、これらのシステムが自動化された従業員や同僚のように機能するには、まだ10年以上の開発と改善が必要だと主張しています。現状では「認知的にも不足しており、うまくいっていない」とのこと。カルパシー氏は、AIエージェントがGDPの急激な増加をもたらすのではなく、産業革命以降の長期的な複利効果の一部として、徐々に経済成長に寄与すると予測しています。過去の自動運転車や放射線科の自動化といった野心的な目標と比較しても、その実現には長い道のりが想定されます。

LLMはAI研究の行き止まりか？

AI研究者のリチャード・サットン氏は、LLMをAI研究における「行き止まり」とまで言い切っています。LLMは言語使用を模倣する能力に長けていますが、「ワールドモデル」を持たず、行動の結果を予測したり、特定の目標に向かって行動したりする能力には欠けていると指摘。自然界には存在しない教師あり学習の次のトークン予測という手法に依存しており、継続的な学習能力の欠如を問題視しています。「ビッグワールド仮説」に基づき、彼は経験から適応し学習する能力なしに、複雑な世界をナビゲートできるエージェントは存在しないと主張します。さらに、深層学習や勾配降下法の汎化能力における概念的な限界についても言及しています。

言語は知性ではない：物理世界の理解が鍵

MetaのチーフAIサイエンティストであるヤン・ルカン氏は、LLMが人間レベルの知性に達するという考え方に長年批判的です。彼は、「言語は知性ではない」と主張し、LLMが扱っているのは低帯域幅の言語情報であり、物理世界を理解するための高帯域幅で連続的な表現能力に欠けていると指摘します。人間が視覚を通じて物理世界を経験し、それに基づいて計画を立てる能力とは異なり、LLMは物理世界についてのメンタルモデルを持たないため、子供やペットよりも低いレベルの認知能力しか持たないと述べています。真に知的なシステムは、マルチモーダルな入力から常識や物理世界への理解を獲得し、記憶と推論、計画を実行できるはずだと彼は考えています。

AGIへの道筋：慎重ながらも着実な進歩への期待

AIの「冬」と投資の現実

多くのAI研究者や専門家が、現在のLLMブームが過去のAIブームの末期に見られたような誇張であり、やがて「AIの冬」が訪れる可能性を懸念しています。投資家がSFの世界に過剰な期待を寄せ、莫大な資金を投じた結果、期待通りの成果が得られずに幻滅するシナリオです。しかし、その一方で、GPUなどの計算資源をメタバースのような別の領域に活用するという、大胆な提案もなされています。

着実な技術革新がAGIを現実にする

これらの研究者たちの見解は、AGIの実現が一夜にして起こるものではなく、地道な技術革新の積み重ねによって達成されることを示唆しています。LLMは、テキスト生成、要約、ソフトウェアエンジニアリング支援など、多くの分野で既に実用的な価値を提供しています。しかし、真の汎用人工知能への道は長く、物理世界の理解、継続的な学習能力、そして真の推論能力の獲得が不可欠です。ルカン氏が提唱するJEPA（Joint Embedding Predictive Architecture）のような新しいアプローチや、学術界・産業界からの継続的なイノベーションが、数年後にはより現実的な進歩をもたらす可能性が期待されます。AGIへの道のりは、熱狂ではなく、冷静な分析と着実な研究開発にかかっています。