Auf einen Blick
英Google DeepMindの論文「From AGI to ASI」は、AIの進歩予測自体が新たな産業・職種になると指摘。計算資源の伸びを示す「実効計算量」は年約10倍で推移し、このペースが続けば10年後には現在の1万倍に達する。
KI-generierte Zusammenfassung
英Google DeepMindが6月10日に公開した論文「From AGI to ASI」には、AGI（汎用人工知能）からASI（人工超知能）への道筋とは別に、見落とせない重要な指摘がある。AIの進歩を測定し、モデル化し、予測すること自体が、膨大な経営資源を投じるべき一大研究分野になる、というものだ。
米OpenAIや米Anthropicといった最先端AIの開発企業も、民間の研究組織も、公的資金で運営される機関も、こぞってこれに人材と資金を投じるようになる。論文はそう予測する。つまり、AIの未来を一発で言い当てることではなく、進歩の速度と不確実性を測り続けることが、新しい産業、新しい職種になるというわけだ。
なぜ予測が産業化するのか。論文の論理はこうだ。AIの進歩予測は本質的に難しく、指数的あるいは超指数的な成長の下では、不確実性の幅が急速に膨れ上がる。その結果、平均値や中央値といった従来の予測は、もはや意思決定の役に立たなくなる。だからこそ予測は一発勝負ではあり得ず、複数のシナリオを束ね、継続的に更新し続ける営みにならざるを得ない。
手間がかかるからこそ、そこに人材と資金が集まり、産業として立ち上がっていく。
10年後の能力は1万倍に 進化を測る「実効計算量」の3要因
予測産業の中核に据わるのが、計算資源の伸びを示す指標だ。論文は「実効計算量」（effective compute）が年に約10倍のペースで伸びてきたと整理する。その内訳は、3つの要因の掛け算だ。半導体の性能向上（いわゆるムーアの法則）が年1.5倍、計算ハードへの投資額がこの10年で年約2.5倍、そしてアルゴリズムの効率が年約3倍に高まってきた。
これらを掛け合わせると約11.25倍となり、論文は控えめに丸めて「年10倍＝1桁」とする（Epoch AI推計）。アルゴリズム効率については年6倍とするより高い推計もあり、実際の伸びはこれを上回り、加速している可能性すらあると論文は指摘する。仮にこのペースが今後も続けば、10年後の実効計算量は現在の1万倍に達する計算になる。こうした数値こそが、予測という営みの絶対的な土台になる。
