企業CEOのタイムラインが学界よりも楽観的なのは、進展を誇張する商業的インセンティブがあるからではないでしょうか？
これは妥当な懐疑の視点だが、全体像は単純な「インセンティブによる誇張」よりも複雑である。企業CEOは、学界研究者が通常目にすることのない内部情報——例えばまだ公開されていないモデルの能力や、内部研究開発プロセスの実際の加速幅など——に確かにアクセスしており、こうした情報自体が、誇張ではなく本当に楽観的な判断を裏付けている可能性がある。同時に、商業的インセンティブも確かに存在する。より積極的なタイムラインは資金調達、人材獲得、市場の物語の維持に役立つ——このインセンティブ構造自体も読者が考慮に入れる価値がある。
より厳密な態度は、「この人物は自分が見えない情報にアクセスしている」ことと「この人物には誇張するインセンティブがある」ことを別々に考えることであり、一方の理由でもう一方の存在を単純に否定することではない。実務上、この2つの要因は同時に作用している可能性が高く、読者はどちらか一方の説明だけを信じる必要はない。
学界内部でさえ「スケーリングがAGIにつながるかどうか」について根本的な意見の相違があるなら、それはコンピュート・スケーリングという技術現象そのものに問題があることを意味するのでしょうか？
完全にそうとは言えない。コンピュート・スケーリングという経験的観察——計算量、データ、パラメータ数を同時に拡大すると、モデルの能力が予測可能な曲線に沿って向上する——それ自体は比較的しっかりとした実証的裏付けがあり、これは意見の相違の焦点ではない。本当の意見の相違は、現在の証拠では直接検証できない、さらに一歩踏み込んだ推論にある。すなわち、「この曲線が今後も延び続けたとき、最終的に人間レベルの汎用知能を持つシステムに到達するかどうか」という点である。
懐疑論者の立場は、通常、スケーリングがこれまでにもたらしてきた能力向上が本物であることを否定するものではなく、「スケーリングが能力向上をもたらし続けること」と「スケーリングがAGIをもたらすこと」の間には、まだ証明されていない推論の飛躍があると主張するものである。言い換えれば、これはこれまでに観測されてきた曲線そのものに異議を唱えているのではなく、その曲線がどこかで曲がるか、あるいは天井にぶつかるかどうかについての予測上の意見の相違なのである。
「再帰的自己改善」は無限に加速できるメカニズムのように聞こえますが、なぜコンピュートのボトルネックがそれを制約すると考える人がいるのですか？
楽観的な再帰的自己改善の物語の核心にある前提は、AIシステムがAI研究そのものを加速させる手助けをし、正のフィードバックループを形成して、速度がどんどん速くなっていくというものである。しかしこの物語で見落とされがちな部分は、AI研究には「賢い人材」（あるいは現在それに相当する「賢いAI研究アシスタント」）だけでなく、実験を実行し、仮説を検証し、新しいモデルを訓練するための実際の計算資源も必要だという点である。コンピュートの物理的な供給（チップ製造能力、データセンター建設速度、電力供給）は、人材側（人間であれAIであれ）が潤沢になったからといって、自動的にそれに比例して増加するわけではない。
弱気シナリオの議論が指摘しているのは、まさにこの構造的な制約である。人材側のボトルネックがAIの自動化によって解消されると、コンピュート側がむしろより顕著な制約要因となる——これこそが、AGIタイムライン論争を理解することが、コンピュート・スケーリングとコンピュート・ガバナンスというより基礎的な物理的・政策的現実と切り離せない理由でもある。コンピュート自体が成長し続けられるかどうか、その速度がどれほどかが、再帰的自己改善という加速要因が実際にどれほどの効果を発揮できるかを直接左右するのである。
「広いタイムライン」という提案は立場を取ることを避けているように聞こえますが、これは本当に有用な助言なのでしょうか？
表面的には確かに立場を回避しているように誤解されやすいが、この提案の背後には具体的な認識論的論理がある。新しい証拠が現れても収束しない持続的な専門家の意見対立に直面したとき、単一の時点にのみ賭けることに固執することは、むしろ認知的な過信の一形態である。なぜならそれは、この長年の意見対立を解決するのに十分な決定的情報をすでに自分が把握していると信じていることを意味するが、現時点でどちらの陣営もそうした決定的情報を持っているという証拠はないからである。
実務上、「広いタイムライン」は何もしないことや考えることを拒否することを意味するのではなく、具体的な意思決定（キャリア計画、投資配分、政策提言の緊急度など）が、数年から数十年にわたる範囲に対して一定の対応能力を保持すべきであり、「AGIは必ず特定の年に到来する」あるいは「AGIは必ず遠い将来まで到来しない」というどちらか極端な仮定にすべての資源を賭けるべきではないことを意味する。これは、どちらか一方の側を選ぶことよりも、現在の証拠が実際に裏付けられる確実性の程度をより正直に反映しているのである。
もし2023年に、トップクラスのAI論文を発表した研究者のグループに「高度な機械知能」がいつ到来するかを尋ねたら、中央値の答えは2047年だった。同じグループに2024年に再度尋ねると、中央値は2040年に跳ね上がった——わずか1年で7年が消えた。しかしこの一見安定して収束しているように見える中央値は、実はより注目すべき事実を覆い隠している。この同じ研究者グループの中で、10%は2027年より前に起きると考え、別の10%は2100年以降まで起きないと考えていたのである。同じトップジャーナルに論文を発表し、同じ会議に出席し、同じアーキテクチャに取り組む専門家たちが、同じ問いに対して73年もの差を示すとき、それはもはや「時期に関する意見の相違」ではなく、「知能とは本来何なのか、そして現在の技術的アプローチが正しい方向に向かっているのかどうか」についての根本的な意見の相違なのである。
現在、最も積極的なタイムラインを公表しているのは、主にフロンティアAI研究機関を経営する人々である。AnthropicのCEOであるDario Amodeiは、2026年のダボス世界経済フォーラムで、AGIはおそらく数年以内、早ければ2027年にも到来するだろうと述べ、コーディングの自動化とAI研究のフィードバックループを主な加速要因として挙げた。この種の楽観的なタイムラインは孤立した事例ではない。2023年から2026年にかけて様々な関係者のAGIタイムラインがどう変化したかを追跡した可視化資料によれば、2025年から2026年にかけて予測を更新した人のほぼ全員が、タイムラインを後ろ倒しではなく前倒ししており、これは前年（2023年、2024年）の全体的な傾向と一致している。
対極にある懐疑派の主張は、通常「AGIは決して起きない」ではなく、「現在主流の技術的アプローチ（既存のTransformerアーキテクチャの規模を拡大し続けること）そのものが、根本的な研究上のブレークスルーがない限りAGIに到達できない」というものである。このグループのタイムライン圧縮の幅は、企業CEOたちのそれよりも明らかに小さい。その理由はまさに、彼らが「継続的なスケーリングこそがAGIへの道である」という前提を認めていないからである。これは、両陣営の意見の相違が、同じ証拠に基づく確率判断の違いではなく、そもそも「どの証拠を考慮に入れるべきか」自体について異なる立場を持っていることを意味する。
楽観的なタイムラインを支持する陣営の内部でさえ、主要な加速要因である「再帰的自己改善」（AIがAI研究自体を加速させる手助けをすること）がどれほどの効果をもたらしうるかについて、明確な意見の相違がある。「弱気シナリオ」と呼ばれることもある一つの議論は、ある研究機関がAIによって研究・エンジニアリング人員をほぼ完全に自動化することに本当に成功したとしても、コンピュート——実験を実行しモデルを訓練するために必要な計算資源——は依然として回避しがたいハードなボトルネックであり続けると指摘する。人員が相対的に潤沢になるにつれ、コンピュートはむしろより厳しい制約要因となり、楽観的な再帰的自己改善の物語が示唆するような継続的な加速ではなく、進歩を減速させる可能性がある。これこそが、AGIタイムライン論争を理解することが、コンピュート・スケーリングとコンピュート・ガバナンスというより基礎的な技術・政策上の現実と切り離せない理由でもある。
AGIタイムラインに基づいて投資、キャリア、あるいは政策的立場を計画しようとする読者にとって、最も正直な結論は、どちらか一方の側を選ぶことではなく、これが現時点で安定した答えのない問題であると認めることかもしれない。「広いタイムライン（broad timelines）」と呼ばれる研究者の主張の一つは、証拠が蓄積されても収束しないこの種の持続的な専門家の意見対立に直面した際、正しい認識論的戦略はどちらの陣営が「正しい」かを推測することではなく、特定の年に全てを賭けるのではなく、広い時間範囲にわたって意味のある確信を持つべきだと認めることだとしている。これこそが、一部の分析者が地政学的競争を単なる背景変数ではなく、タイムラインそのものの加速要因とみなす理由でもある。米中両国のフロンティア研究機関が開発ペースを一方的に減速させることに消極的である限り、安全性研究と整合性研究は「遅れを取らない」というより切迫した優先事項に道を譲らざるを得なくなる——このダイナミクスそのものが、どの単一の予測モデルよりも直接的に、AGIが実際に到来する時期を左右する可能性がある。