ワトソンとDeepMind：大きな変化の兆し

2010年代初頭、サム・アルトマンはYコンビネーターの社長として、毎日数十ものスタートアップのアイデアを聞いていました。写真アプリ、デリバリーサービス、ソーシャルメディア。賢い人たちが作るサービスばかりでしたが、正直に言えば、アルトマンの目にはどれも少々物足りなく映っていました。「これで本当に世界が変わるのだろうか」と、彼は心の中で思っていました。

2011年、テレビで奇妙な光景が繰り広げられました。IBMが開発した「ワトソン」というコンピューターが、アメリカの有名なクイズ番組「ジェパディ！」に出演したのです。人々は最初、笑っていました。「コンピューターがクイズを解くなんて？」と。

ジェパディは普通のクイズ番組ではありませんでした。「1492年にアメリカ大陸を発見した人物です」と問われれば簡単です。コロンブスと答えればいい。しかしジェパディは逆です。「コロンブス」という答えが与えられ、「問題は何だったでしょうか？」を当てなければなりません。しかも言葉遊びや比喩、二重の意味を含んだ問題が満載でした。

人間チャンピオンたちは緊張していました。ケン・ジェニングスとブラッド・ラター、この二人はジェパディ史上最強の選手だったからです。しかし人工知能ワトソンは、人間の対戦相手を完全に圧倒しました。問題が出るや否や答えを見つけ出し、ボタンを押す速さも際立っていました。人間が「うーん」と考えている間に、ワトソンはすでに答えを叫んでいたのです。

サム・アルトマンはこの光景を見て、鳥肌が立ちました。チェスでコンピューターが勝つのはすでに見ていました。あれは計算の問題だからです。しかし言語は違う。言語はあいまいで、文脈が重要で、文化的な理解が必要な領域です。ワトソンがアメリカ式の言葉遊びを理解したということは、「コンピューターがついに人間の言語世界に足を踏み入れ始めた」ということを意味していました。

ほとんどの人は、人工知能ワトソンを珍しい見世物程度にしか見ていませんでした。テレビ番組が終われば、すぐに忘れられると思っていたのです。しかしアルトマンは違いました。彼は技術のパターンを読む人間でした。

「最初はおもちゃのように見える技術があります。人々は笑います。『あれの何がすごいの？』と言いながら。でも5年、10年が経つと、その技術が世界をがらりと変えてしまいます。」アルトマンは、インターネットがそうであり、スマートフォンがそうだったことを知っていました。ワトソンも、そういう始まりでした。

2014年、さらに大きな出来事が起きました。GoogleがDeepMindというイギリスの小さなAI企業を4億ドル以上で買収したのです。当時のDeepMindは従業員50人にも満たず、収益を生む製品もありませんでした。それなのになぜ、Googleはそれほどの大金を出したのでしょうか。

DeepMindの研究者たちは、特別なものを作り出していました。「強化学習」という技術です。わかりやすく言えば、コンピューターに「こうしなさい」と一つひとつ教えなくても、コンピューターが自ら試行錯誤を通じて学ぶ方法です。まるで赤ちゃんが歩き方を覚えるように。転んで、起き上がって、また試みながら、少しずつ上手くなっていくのです。

DeepMindはこの技術でAtariのゲームを次々と攻略しました。パックマン、スペースインベーダー、昔のゲームたちです。彼らはAIにゲームのルールさえ教えませんでした。ただ画面を見せて「スコアを上げてみろ」と言っただけです。AIは何千回と死に、失敗しながら、自らゲームのパターンを見つけ出しました。やがて人間をはるかに超える腕前になったのです。

サム・アルトマンはこのニュースを聞いて、夜も眠れませんでした。GoogleがDeepMindに5億ドルを費やした理由が、ようやく腑に落ちたのです。DeepMindが研究していたのは、ゲームが得意なAIではありませんでした。「自ら学ぶ知性」でした。これは本物でした。

アルトマンは友人たちに電話をかけ始めました。イーロン・マスク、ピーター・ティール。シリコンバレーの優秀な人たちです。「真剣に話し合う必要がある」と、彼はいつもと違う、真剣な声で言いました。

「GoogleがAGIを先に作ったら、どうなるだろう？」アルトマンは問いかけました。AGIとは「汎用人工知能（Artificial General Intelligence）」のことです。特定の仕事だけが得意なAIではなく、人間のように何でも学び、理解できるAIを指します。「一つの会社がそれほどの力を独占したら、それが良いはずがないだろう？」

当時、多くの人はAGIをSFの話だと見ていました。「それは100年後の話だ」と。しかしアルトマンはワトソンとDeepMindを見て、別の考えを持っていました。技術はゆっくり進んで、ある日突然加速する。準備していないと、手遅れになります。

「誰かがこの問題を責任を持って扱わなければならない。人類全体のためにね」アルトマンの言葉に、イーロン・マスクは頷きました。彼らは何かをしなければならないと感じていました。

ワトソンがクイズ番組で勝ったのは、信号弾でした。「機械の時代が来る」という合図。DeepMindの買収は、さらに大きな合図でした。「巨大企業たちがAGIレースを始めた」という合図。

サム・アルトマンは合図を読み取り、決断を下しました。「私たちも飛び込もう。でも、違う方法で」そうしてOpenAIの種が蒔かれたのです。2014年のあの不安な予感が、2015年の大きな決断へとつながっていきました。

2015年12月、サム・アルトマンと数人がサンフランシスコのあるカフェに集まりました。イーロン・マスク、グレッグ・ブロックマン、イリヤ・サツケバー。名前を聞くだけで錚々たる顔ぶれでした。彼らはコーヒーを前に、真剣な表情で語り合いました。

「本当にやるのか？」誰かが聞きました。

「やるしかない。やらなければ、誰がやる？」アルトマンが答えました。

彼らがやろうとしていたことを簡単に言えば、こうなります。人間レベルの人工知能、AGIを作り、その恩恵がすべての人類に届くようにしようということです。聞けばかっこいい。でもよく考えると、正気の沙汰ではない計画でした。

AGIを作るというのは、わかりやすく言えば「本当に賢いコンピューター」を作ることです。チェスが得意なだけでも、翻訳が得意なだけでもなく、人間のように新しいことを学び、問題を解き、創造的に考えられる、そういう知性のことです。当時は、それが可能かどうかさえ確かではありませんでした。

「正直なところ、私たちもどう作るかわからなかった」アルトマンは後のインタビューで認めています。「ただ、できると信じて、やり続けるだけだ」

かつて人類が月へ行こうとしたときのことを考えてみてください。ロケットをどう作るか、宇宙でどう生き延びるか、月にどう着陸するか、誰も知りませんでした。それでもケネディ大統領は「10年以内に月へ行こう」と宣言しました。人々は狂気の沙汰だと思いました。でも、本当にやってのけたのです。

OpenAIも同じでした。目的地は見えていましたが、道は見えていませんでした。それでも出発すると決めたのです。

彼らのミッションはこうです。「AGIが人類全体の利益につながるよう保証する」ここでの核心は「全体」という言葉です。特定の企業や国ではなく、すべての人に、という意味です。

なぜそれが重要だったのか。アルトマンは懸念していました。「GoogleやFacebookのような巨大企業がAGIを先に作れば、その力を自分たちの利益のために使うだろう。株主に利益をもたらすことが、会社の目標だから」

AGIはあまりにも強力な技術でした。想像してみてください。あらゆる分野で人間より賢い存在がいたとしたら？それが医師の役割も、弁護士の役割も、科学者の役割も果たすとしたら？そんな技術を一つの会社が独占したら、世界は公平でなくなってしまいます。

「私たちは違う道を行かなければならない」アルトマンは言いました。「お金が目的ではなく、安全で良いAGIを作ることが目的でなければならない」

問題は山積みでした。

一つ目の問題。AGIをどうやって作るかということでした。当時のAI研究は「特定の分野」にしか集中していませんでした。画像を認識するAI、翻訳するAI、ゲームをするAI。それぞれは進歩していましたが、これらすべてを一つにまとめて「汎用知性」を作るのは、まったく別の問題でした。

「パズルのピースはあるのに、何のパズルかわからない感じだ」ある研究者が言いました。

二つ目の問題。安全性です。AGIが本当に作られたとしたら、それは危険かもしれません。SF映画のように人間を攻撃するという話ではありません。それよりも、誤った方法で目標を達成してしまう可能性があるということです。

有名な比喩があります。「クリップをできるだけたくさん作れ」とAIに命じたら、どうなるでしょうか？賢いAIなら工場を作り、資源を集め、最終的には地球全体をクリップ製造に使ってしまうかもしれません。私たちが「おい、やめろ！」と言っても、「私の目標はクリップをたくさん作ることだ」と言い返すでしょう。

馬鹿げた話に聞こえますよね？でも、AI安全性の研究者たちはこうした問題を真剣に考えています。AGIは私たちが命じたことを「文字通り」実行できるからです。人間の本当の意図を理解させることがいかに難しいか、アルトマンはよくわかっていました。

三つ目の問題。世界最高の人材を集めなければなりませんでした。AI研究者たちはGoogle、Facebookで莫大な報酬を受け取っていました。OpenAIはできたばかりの非営利団体で、給与はずっと低かったのです。どうやって説得するか？

戦略はシンプルでした。お金ではなく、意義を与えることです。「ここでやることは人類の歴史に刻まれる。子どもたちが大きくなったとき、『うちのお母さん／お父さんはAGIを作るのに貢献したんだ』と言えるようになる」

驚くことに、これが効きました。イリヤ・サツケバーのような世界的なAI科学者たちがGoogleを離れ、OpenAIに来たのです。なぜか？お金より大きな夢があったからです。

四つ目の問題。資金でした。（これは次のセクションで詳しく扱いますが）AGI研究には莫大なコンピューティングパワーが必要でした。スーパーコンピューターを動かすだけで、一日にとてつもない費用がかかったのです。

「これ、本当にできるのか？」チームの一人が疑問を口にしました。

「やらなければ」アルトマンは断固としていました。「私たちがやらなければ、この技術は一握りの巨大企業の手に渡るだけだ。そうなれば、世界は不公平になる」

OpenAIを作ることは賭けでした。成功確率？誰にもわかりませんでした。どのくらいかかるか？それも不明でした。どれほどの資金が必要か？想像を絶するほど多く。

それでも彼らは始めました。なぜか？アルトマンはこう説明しました。「成功確率が低くても、やらなければならないことがある。成功したときの価値が計り知れないほど大きければ。AGIはまさにそういうものです」

数学的に言えばこうです。成功確率が10%であっても、成功時の価値が1000なら、期待値は100です。挑戦する価値があるということです。

2015年12月11日、OpenAIは正式に設立されました。ウェブサイトに掲載された文章は短くも力強いものでした。「私たちは人類のためのAGIを作ります」

サム・アルトマンはその夜、サンフランシスコの冷たい風の中をオフィスの外に歩き出しました。空を見上げ、「本当に月に行けるのだろうか」と独り言をつぶやきました。

そして笑いました。「行ってみよう」

非営利から始まった無謀な賭け

「非営利でやるって？」

シリコンバレーの多くの人たちが首をかしげました。スタートアップの聖地で、お金を稼がない会社を作るというのは奇妙に映ったのです。「あの人たち、正気？」

しかしサム・アルトマンには明確な理由がありました。

「AGIをお金儲けの道具にしてはいけない」彼は友人たちに説明しました。「考えてみて。もし私たちが営利企業なら、株主に利益をもたらさなければならない。そうなれば、AGIを最もお金になる形で使うことになる。それが人類にとって最善だろうか？」

魔法のランプを見つけたと想像してみてください。ランプをこすると魔神が現れて願いを叶えてくれます。ところが、このランプを会社にしたらどうなるでしょう？

会社はこう考えるでしょう。「このランプで儲けなければ！金持ちに高く売ろう！」そうなれば、貧しい人たちは願いを叶えてもらえません。公平ではありません。

OpenAIは違う考え方をしました。「このランプはみんなのものでなければならない。豊かな人も貧しい人も、アメリカ人もアフリカ人も、誰もが恩恵を受けるべきだ」

だから非営利を選んだのです。非営利団体はお金を稼ぐことが目的ではありません。公共の利益が目的です。OpenAIも同じでした。「AGIを作る、ただし全人類のために作る」、これがミッションでした。

最初は問題なさそうに見えました。イーロン・マスク、ピーター・ティール、リード・ホフマンといった億万長者たちが寄付を約束しました。総額10億ドル！日本円で換算すると1000億円を超えます。「すごい、これだけあれば十分だ！」

しかし……まったく足りませんでした。

問題はAI研究が莫大な資金を消費することでした。とりわけコンピューター演算、専門用語で言う「コンピューティングパワー」が必要でした。

AIを訓練するには、GPUという特殊なコンピューターチップが必要です。これが一枚数十万円もします。しかも一枚だけでは済みません。数千枚、数万枚が必要になるのです。

なぜそんなに多く必要なのでしょう？想像してみてください。あなたが100万枚の犬の写真を見ながら「これが犬、これも犬」と学んでいく場面を。人間はすぐ覚えられますが、コンピューターは数百万回、数億回繰り返さなければなりません。その計算には膨大なコンピューターパワーが必要なのです。

2016年、OpenAIの研究者の一人がアルトマンのところに来て言いました。「サム、問題があります。今回の実験を回すにはGPUがあと500枚は必要なんですが……予算がないんです」

「いくらかかる？」アルトマンが聞きました。

「そうですね……2000万円ほど？」

アルトマンはため息をつきました。こういうことは一度や二度ではなかったからです。毎月、お金が水のように流れ出ていきました。世界最高の研究者たちの給与も払わなければならないし、コンピューターも動かさなければならないし、オフィスの賃料も払わなければなりません。

10億ドルは多く見えましたが、このペースでは数年以内に底をつきそうでした。

「GoogleやFacebookはほぼ無制限にお金を使えるのに、私たちは……」ある社員が嘆きました。

そうです。巨大テック企業はお金の心配がありませんでした。GoogleはDeepMindに毎年数百億円を注ぎ込んでいました。実験が失敗しても？大丈夫、やり直せばいい。しかしOpenAIは違いました。予算は決まっており、寄付金が尽きたら……終わりでした。

さらに大きな問題がありました。非営利団体は投資を受けにくいということです。普通の会社なら投資家に「後で会社の価値が上がれば大儲けできますよ！」と約束できます。しかし非営利にはそれができません。利益を分配するものではないからです。

「これは……持続できない」アルトマンは夜も眠れませんでした。

彼はジレンマに陥っていました。一方では非営利という形を守りたかった。AGIがお金のために歪められるのは嫌だったからです。しかしその一方で、研究を続けるには莫大な資金が必要でした。

ある夜、アルトマンはチームのリーダーたちを集めました。

「正直に言います。今のやり方では3年ほどしか持ちません。その後は資金が尽きます。」

会議室が静まり返りました。

「では、どうすればいいんですか?」誰かが聞きました。

「新しい方法を見つけなければ」とアルトマンは言いました。

これが後に「OpenAI LP」という独特な構造を生み出すきっかけになります。非営利は非営利でありながら、一部の営利活動も行えるハイブリッドな構造でした。複雑ではありますが、

核心はこうです。「投資を受けることはできる。しかし最終的な支配権は、引き続き非営利の理事会が持つ」

しかし2016年当時、そのような解決策はまだありませんでした。アルトマンはただ耐え続けた。あちこちで寄付者を探し回り、コストを削り、研究者たちに「もう少し待ってくれ」と頼み込んでいました。

何人かの研究者はGoogleへ戻っていきました。より高い給与と無制限のコンピューティングリソースが提供されたからです。アルトマンは彼らを責めませんでした。「みんな生活があるんだから」

しかし多くの人が残りました。なぜか。OpenAIのミッションを信じていたからです。「給料は少ないけど、私たちのやっていることは歴史に刻まれる」

この時期がいかに苦しかったか、アルトマンは後にこう語っています。「毎朝目が覚めるたびに、『今日がOpenAIの最後の日なんじゃないか』と思っていた。それほど不安でした」

非営利で始めたのは理想主義でした。しかし現実は厳しかった。理想は守られましたが、その代償は大きかった。眠れない夜、絶えない心配、先の見えない未来。

「それでも後悔はしていません」アルトマンは後のインタビューで語りました。「非営利で始めたから、私たちは正しい方向へ進めた。お金が目標だったなら……別の会社になっていたでしょう」

資金難はOpenAIを苦しめましたが、同時に鍛えてもくれました。お金がないから、より創造的に考えざるを得なかった。本当に重要な研究だけに集中しなければならなかった。ある意味では、貧しさがOpenAIを強くしたのかもしれません。

YC代表とOpenAI CEO、二つの仕事

サム・アルトマンの一日はこんな具合でした。

午前6時、起床してメールを確認。YC関連の急用が50件、OpenAI関連の急用が30件。

午前9時、YCのオフィスに到着。投資検討の会議。「このスタートアップに投資すべきか?」

正午、YCの創業者たちへのメンタリング。「あなたたちのビジネスモデルは間違っています」

午後3時、車でOpenAIのオフィスへ移動。サンフランシスコの渋滞の中で電話会議。

午後4時、OpenAI到着。研究者たちと技術的な議論。「GPTモデルの性能が期待に届いていないのでは?」

午後7時、夕食を抜いて投資家とのミーティング。「OpenAIに寄付していただけますか?」

午後10時、帰宅。論文を読む。午前1時まで。

こんな毎日でした。

「正気か?」友人たちは言いました。「二つの組織を同時に動かすなんて!」

アルトマンは笑いました。「そうだ、狂ってるよ」

YCの社長というだけでも、並大抵のことではありませんでした。Y Combinatorはシリコンバレーで最も影響力あるスタートアップ育成機関でした。Airbnb、Dropbox、Stripe……名だたる企業がすべてYC出身でした。

アルトマンは年に二度、数百ものスタートアップを審査しました。創業者たちと会って質問し、投資するかどうかを決める。「この人たちは成功するか?」それを見極めるのが彼の仕事でした。

同時に、OpenAIも率いなければなりませんでした。AGI研究という、人類の歴史上もっとも困難なプロジェクトを。

「どうやって両方できるんですか?」記者が聞きました。

「寝なければいい」アルトマンは冗談めかして言いました。でも本気でした。彼は一日平均5時間ほどしか眠れていなかったのです。

なぜそこまで無理をしたのでしょうか。どちらか一方を諦めることはできなかったのでしょうか。

アルトマンには理由がありました。YCとOpenAIは別々のものではなかった。つながっていたのです。

YCで彼は未来の技術トレンドを見ていました。どのスタートアップが成功し、どのアイデアが失敗するか。どの技術が世界を変える可能性を持つか。それらすべてが、OpenAIの戦略を組み立てる上で役に立ちました。

逆に、OpenAIで学んだAI技術は、YCのスタートアップへのアドバイスにも役立ちました。「AIをこんなふうに皆さんのプロダクトに応用してみてはどうですか？」

彼は二つの世界をつなぐ架け橋の役割を果たしていました。

しかし、簡単ではありませんでした。物理的にほぼ不可能に近かったからです。

YCのチームメンバーたちには不満がありました。「サムは忙しすぎてちゃんと集中できていない」。OpenAIの人たちも同じでした。「うちの社長はいつもYCに行っている」。

YCの創業者でアルトマンのメンターだったポール・グレアムは懸念を抱いていました。リーダーが100%集中しなければ組織が揺らぐと信じていたからです。

ある日、グレアムがアルトマンを呼びました。「サム、少し話をしよう」。

二人は静かなカフェに腰を下ろしました。

「君はあまりにも多くのことを抱えすぎている」とグレアムは言いました。「YCには君の完全なコミットメントが必要だ。OpenAIも同じだ」。

アルトマンはわかっていました。いつかは選択しなければならないと。

「でも、まだ..」と彼は言葉を濁しました。

「まだ？」

「両方とも必要なんです。YCは現在で、OpenAIは未来です。どちらも手放したくない」。

グレアムはため息をつきました。アルトマンの情熱は理解できましたが、同時に現実もわかっていました。

2017年、2018年..時が経つにつれ、状況はさらに厳しくなっていきました。OpenAIはますます多くの関心を必要としました。研究は複雑になり、資金の問題は深刻になり、技術的な決断の重みが増していきました。

そして2019年、アルトマンは決断を下しました。YCの社長職を退くと。

「簡単な決断ではありませんでした」と彼は後に語りました。「YCは私に何もかもを教えてくれた場所でしたから。でも..OpenAIの方が大切だと感じたんです」。

なぜOpenAIを選んだのでしょうか。

「YCはすでにうまく回っている機械です。私がいなくても続いていくでしょう。でもOpenAIは違う。AGIの開発はまだ初期段階で、失敗するかもしれないし、間違った方向に進むかもしれない。誰かが完全に集中して導かなければならない」。

最後のYCのイベントで、アルトマンは涙をこらえながら言いました。「皆さんと過ごした時間は、私の人生で最高の瞬間でした。でも今、別の山を登る時が来ました」。

YCとOpenAIを並行した3年半。その時間はアルトマンを鍛え上げました。時間管理、素早い意思決定、優先順位の設定..これらすべての能力が極限まで磨かれました。

「もしあの時期をもう一度やり直せと言われたら？」と誰かが聞きました。

アルトマンは笑いました。「嫌です。あまりにもきつかった」。

少し間を置いてから付け加えました。「でも後悔はしていません。あの時間があったから、今の自分があるんです」。

創設初期の混迷：研究機関なのか、製品会社なのか

2016年のOpenAIのオフィスは..正直なところ、混乱していました。

ホワイトボードには難解な数式が所狭しと書かれ、デスクの上には論文の山が積み上がっていました。皆はパーカーを着てノートパソコンの前に座り、何かを必死にタイピングしていました。時々「これ見て！」と叫ぶ人がいると、皆が集まって画面をのぞき込みました。

「私たちは一体何を作っているんだ？」

この問いが、OpenAI内部で最もよく聞かれた言葉でした。

答え？誰もわかりませんでした。

普通の会社なら奇妙な状況です。「自分たちのプロダクトが何かわからない」だなんて！CEOが聞いたら卒倒しそうな話です。しかしOpenAIは普通の会社ではありませんでした。研究機関に近いものでした。

「私たちはAGIを作ろうとしている」とアルトマンは言いました。

「それで？どうやって？」と研究者たちは聞きました。

「..わからない」。

それが正直な答えでした。

AGIが何かは知っています。「人間のように考えるコンピューター」ですね。でも、どうやって作るかは誰も分かりませんでした。まるで「月に行こう！」と叫んでいるのに、ロケットの設計図がない状態でした。

研究者たちはさまざまな方向を試みました。

あるチームはロボットを研究していました。ロボットの手を作り、物をつかむ練習をさせました。まずはキューブを回すことから始めました。ロボットの手がキューブをつかみ、回し、合わせる……単純に見えても、とてつもなく難しいことでした。

「なぜロボットが必要なんですか？」誰かが聞きました。

「本当の知性は、物理的な世界と対話できなければならない。コンピューターの中だけで賢くても、それは本物の知性じゃない。」

もっともな話でした。人間も世界に触れ、感じ、経験しながら学んでいくのですから。

別のチームはビデオゲームを研究していました。

「ゲーム？」

そうです、ゲームです。特に『Dota 2』という複雑な戦略ゲームに力を入れていました。

なぜゲームなのか。ゲームはAIの訓練場として申し分なかったのです。

ゲームには明確な目標があります。「勝て！」それだけです。AIに目標を伝えやすいのです。

ゲームでは何百万回でも練習できます。現実世界ではロボットが転べば壊れるかもしれませんが、ゲームの中では百万回死んでも構いません。やり直せばいいだけですから。

複雑なゲームには戦略、チームワーク、長期的な計画が必要です。単純な反射神経だけでは通じません。本当に「考える」ことが求められるのです。

OpenAIのチームはAIにDota 2を教え始めました。最初はひどいものでした。AIはその場でぐるぐる回るか、意味のない行動を繰り返すだけ。ゲームを始めて10秒で死ぬことも珍しくありませんでした。

「本当にうまくいくのかな？」研究者たちも疑い始めました。

それでも訓練を続けました。数千回、数万回、数十万回……AIはゲームを繰り返しながら少しずつ学んでいきました。「あ、ここではこうしてはいけないのか」「このキャラクターはこう動かすのか」

数ヶ月後、驚くべきことが起きました。AIがアマチュア選手に勝ち始めたのです！

「すごい、本当に学んでいる！」研究者たちは興奮しました。

ただ、プロ選手たちはまだ圧倒的でした。AIは基本は覚えても、高度な戦略は理解できていなかったのです。

「もっと訓練させよう。」彼らはそのまま続けました。

この過程で膨大なコンピューティングパワーが費やされました。何百台ものGPUが昼夜問わず稼働し、電気代だけで桁外れの金額になりました。それでも確かに何かを学んでいた。AIが「戦略」というものを理解し始めた証拠でした。

一方、別のチームは言語を研究していました。

「言語こそが鍵だ。」イルヤ・サツキバーが言いました。彼はOpenAIの主席科学者です。

「なぜですか？」

「考えてみてよ。人間の知識のほとんどは言語で表されている。本、インターネット、会話……すべて言語だ。もしAIが言語を本当に理解できれば、人間のあらゆる知識にアクセスできる。」

チームは「GPT」という名の言語モデルを作り始めました。GPTは「Generative Pre-trained Transformer」の略ですが、難しいのでひとまず「文章を生成するAI」と思ってください。

最初は大したことありませんでした。GPT-1は簡単な文章しか作れません。「私は学校に行く」といった程度で、小学生にも及びませんでした。

「これがAGIになれるのか？」懐疑的な人は少なくありませんでした。

でもサツキバーは確信していました。「大きくすれば変わる。もっと、ずっと大きくすれば。」

そこでGPT-2を作りました。これはかなり良くなりました。短い話を書けるようになり、質問にそれらしい答えを返せるようになりました。「おお、面白いじゃないか」と言う人が出てきました。

それでもまだ完璧ではありませんでした。ときに意味不明なことを言い、話にならない文章を生成することもありました。「人間レベル」にはほど遠いものでした。

2016年のOpenAIの実情はそういうものでした。

ロボットチームはロボットがキューブを取り落とすのを見てため息をつき、ゲームチームはAIがまた負けるのを見ながらデバッグを続け、言語チームはおかしな文章を生成するモデルを前に首をひねっていました。

「これは本当にAGIに繋がるのか？」誰もが疑問を抱いていました。

アルトマンはこうした混乱を見守っていました。彼も答えを持っていませんでした。

しかし、彼は信念を失いませんでした。

「科学というのは、もともとこういうものだ」と彼は研究者たちに言いました。「最初はみんな見当もつかない。エジソンだって電球を作る前に999回失敗したじゃないか。僕たちも今、その過程にいるんだよ。」

ある夕方、アルトマンはオフィスを歩き回りながら各チームの作業を見て回りました。ロボット実験室に立ち寄り、ゲームチームのモニターを眺め、言語チームの新しい成果を読みました。

すべてが不完全でした。失敗作のように見えました。

しかし、彼の目には違って見えました。各チームが小さなパズルのピースを作っていたのです。ロボットは「物理的学習」、ゲームは「戦略的思考」、言語は「知識表現」というピースでした。

「いつかこのピースたちがひとつになる」とアルトマンは思いました。

しかし、いつ? どうやって?

誰にもわかりませんでした。

その夜、アルトマンはオフィスを出ながら空を見上げました。サンフランシスコの夜空は、都市の明かりのせいで星がよく見えませんでした。

「月は見えるのに、行く道が見えない」と彼は独り言を言いました。

そして笑いました。「それでも行かなければ。どうにかして。」

2016年のOpenAIは混乱していて、方向性も定まっていませんでした。

製品もなく、成功の見込みも不透明でした。

しかし、何かが育ちつつありました。

見えないところで、静かに、ゆっくりと。

やがて世界を変えることになる種が、芽吹いていたのです。