AI Library
自律的科学発見の時代
キム・ギョンジン, 弁護士
AI科学者とセルフドライビング・ラボ
AI科学者とセルフドライビング・ラボが、科学研究における主張の生成と検証をどのように変えつつあるのかを追います。文献に基づく発見、自然言語プロトコルからロボット命令への変換、マルチエージェント研究システム、閉ループ実験室、材料探索、検証ギャップ、証拠の連鎖、研究ハーネス、学術誌倫理、法的責任までを扱います。
AIライブラリ
デジタル主権の二重構造
欧州の脱パランティアとアメリカン・ビッグテックの鎖
金景珍（キム・ギョンジン）, 弁護士
欧州の情報機関と国防省が米パランティアの分析ツールを排除し始めた2026年の記録です。フランス国内治安総局とドイツ連邦憲法擁護庁、オランダ国防省の置き換え決定、米国の輸出規制が同盟国の人工知能アクセスをわずか3日で遮断した事件、CLOUD ActとFISA 702条がもたらした域外管轄の実態を扱っています。欧州連合のクラウド・AI開発法（CADA）が定めた4段階の主権保証レベルと主権理由による契約解除権、ユーロスタック構想と3,000億ユーロの投資障壁に至るまで、全5章15節と結論2節で整理しました。
[AI書斎] 5.1 モデルはどこへ進化するのか
サム・アルトマン伝：人工知能革命の開拓者
第5部 AI技術の未来とロードマップ
5.1 モデルはどこへ進化するのか
キム・ギョンジン、キム・ギョンラン
アルゴリズム革新：10倍から100倍の改善可能性
サム・アルトマンがOpenAIの会議室で最もよく持ち出す話があります。
「より大きなコンピューター、より多くのGPU。もちろん重要です。しかし本当にゲームを変えるのはアルゴリズムです。」
彼は2024年末からこのメッセージをより強く発信し始めました。AI業界全体が一つの壁にぶつかっていたからです。それが「スケーリングの限界」でした。
GPT-3からGPT-4に移行するまでは単純でした。より多くのデータを集め、より強力なGPUを数万個つなげば、性能はぐんぐん上がりました。まるで車のエンジンに燃料を足せばスピードが上がるように。
しかし2024年に入ると状況が変わりました。複数のAI研究所が同じ問題を報告し始めたのです。モデルの規模を2倍にしても、性能は以前ほど向上しなくなっていました。いわゆる「スケーリング則の鈍化」です。
アルトマンはこの問題を誰よりも早く見越していました。そこで彼は別の方向を探し始めました。それが「アルゴリズム的突破口」でした。
「10倍から100倍まで性能を引き上げられる可能性が、アルゴリズム革新にあります。」
この言葉は誇張に聞こえました。しかしAIの歴史を振り返れば、すでに何度も証明されてきた事実でした。
2017年に登場した「トランスフォーマー（Transformer）」アーキテクチャがその好例です。この新しいアルゴリズムが登場したことで、同じコンピューティングリソースで数十倍優れた性能が出せるようになりました。ChatGPTの基盤となった技術も、まさにこのトランスフォーマーでした。
もう一つの例が「強化学習（RLHF、Reinforcement Learning from Human Feedback）」です。この手法一つが、GPTモデルを単なるテキスト生成器から、人間と会話できる賢いアシスタントへと変えました。
アルトマンは社内文書にこう記しています。
「私たちはすでにコンピューティングの物理的な限界に近づいています。今のように規模だけを拡大するやり方は、いつか壁にぶつかります。その壁を突き破るのは、まったく新しい種類のアルゴリズムです。」
2024年12月、OpenAIは「o1」という新しい推論モデルを発表しました。このモデルは既存のGPTとはまったく異なる仕組みで動作します。答えをすぐに出す代わりに、問題を複数のステップに分けてゆっくりと「考える」のです。
結果は目を見張るものでした。
国際数学オリンピックの問題では、o1は人間の金メダリスト並みの成績を収めました。従来のGPT-4が解けなかった問題を次々と解いてみせたのです。しかも使用したコンピューティングリソースは、GPT-4のトレーニング時よりはるかに少量でした。
これこそがアルゴリズム的突破口の力でした。
サム・アルトマンは2025年1月のインタビューでこう語りました。
「超知能（superintelligence）が到来すれば、科学的発見の速度が10倍速くなるでしょう。10年かかっていた技術の進歩が1年で実現するわけです。そして翌年にはまた同じだけの進歩が起きます。これが積み重なれば、世界は完全に変わります。」
もちろん彼はすぐに人々の期待値を調整してもいます。「Twitterの誇大宣伝がひどすぎます。期待を100分の1に下げてください。私たちはまだAGIを作っていません。」
しかし核心のメッセージは明確でした。AIの発展の次の段階は、ハードウェア競争ではなくアルゴリズム革新からもたらされるということです。
実際、OpenAIの内部では新しいアルゴリズム研究が盛んに進められています。
研究者たちは「Chain-of-Thought（思考の連鎖）」や「Tree-of-Thought（思考の木）」といった新しい推論パターンを開発しています。これらの手法はAIが単に次の単語を予測するのではなく、実際に「推論」できるようにするものです。
さらに「Mixture of Experts（専門家の混合）」のような効率的なアーキテクチャも研究中です。この方式では、巨大なモデルの中に複数の小さな専門家モデルを作っておき、質問が来た際に最も適した専門家だけを起動して答えさせます。まるで会社で全社員を会議に呼ぶのではなく、必要な部署の人間だけを集めるようなものです。
こうした手法のおかげで、同じ性能を発揮しながら必要なコンピューティングリソースを10分の1に削減できます。
アルトマンの首席科学者ヤクブ・パチョッキ（Jakub Pachocki）はこう説明しています。
「現在のモデルはおよそ5時間分の作業を処理できます。しかしこの時間の範囲は急速に拡大するでしょう。主要な科学的突破口のためであれば、データセンター全体のコンピューティングパワーをたった一つの問題に注ぎ込む価値があるはずです。」
核心は「効率性」です。
人間の脳は約20ワットの電力で動きます。電球一つを灯すほどのエネルギーで、私たちは考え、創造し、問題を解決します。一方GPT-4は、答え一つを生み出すのに膨大な電力を消費します。
この差を縮めること。それがアルゴリズム革新の目標です。
サム・アルトマンは未来をこう描きました。
「いつか私たちは、今より100倍賢いモデルを今より100倍低いコストで動かせるようになるでしょう。その瞬間こそが、真のAI革命の始まりです。」
この突破口は技術的な成果にとどまらないと彼は信じています。がん治療法の発見、気候変動の解決、新たなエネルギー源の開発。人類が直面する最も困難な問題が、アルゴリズム革新を通じて解けるというわけです。
2025年10月、アルトマンはより具体的なタイムラインを示しました。
「2026年9月までにインターンレベルのAI研究アシスタントを作ります。そして2028年までには完全に自動化された『AI研究者』を完成させます。」
このAI研究者は、人間の指示がなくても自ら研究プロジェクトを進めることができます。論文を読み、仮説を立て、実験を設計し、結果を分析します。そして何より重要なのは、このAIがより優れたAIを作る方法を研究できるという点です。
これこそが、アルゴリズム革新の自己加速効果です。
優れたアルゴリズムが生まれると、そのアルゴリズムがさらに優れたアルゴリズムを見つけ出します。すると進化の速度は指数関数的に加速します。
もちろん、これらすべてが順調に進むという保証はありません。
アルゴリズム革新には、いまだ多くの難題が残っています。長期的な推論、一貫した計画立案、複雑な因果関係の把握。これらの能力は、AIがまだ完全にはこなせていません。
しかしサム・アルトマンは楽観的です。
「モデルの限界の90%がアルゴリズムの問題だということは、今や分かっています。その壁を越えた瞬間、AIはまったく別の種類の存在になります。」
その瞬間は思っているより早く来ると彼は信じています。「数千日以内に」というのが彼のよく使う表現です。おおよそ2030年前後を指しています。
結局のところ、アルゴリズムの突破口は単なる技術改善ではありません。それは人間が作った知性の未来を設計し直す営みです。そしてサム・アルトマンは、まさにその未来の扉の前で、次の段へと静かに、しかし確かに手を伸ばしています。
アルゴリズム、データ、コンピューティングの三位一体
サム・アルトマンがよく使う比喩があります。
「AIモデルは料理と同じです。優れたレシピ（アルゴリズム）、新鮮な食材（データ）、そして立派なキッチン（コンピューティング）がすべて揃う必要があります。一つでも欠ければ、まともな料理にはなりません。」
この三つの要素は、AI発展の三本柱です。OpenAIのあらゆる戦略は、この三本柱をいかに強化し、バランスよく発展させるかに焦点を当てています。
第一の柱 アルゴリズム
アルゴリズムはAIの「脳の構造」です。
サム・アルトマンはアルゴリズムを「知性の設計図」と呼びます。同じデータと同じコンピューターを使っても、アルゴリズムが違えば結果は天と地ほど異なります。
GPTシリーズを作る過程で、彼はこの事実を骨身に染みて感じました。
GPT-3が登場したとき、人々は驚きました。しかしOpenAI内部では「まだまだだ」という評価が多くありました。モデルがしばしば的外れな答えを出したり、文脈を見失ったりしたからです。
そのときに登場したのがRLHF（人間のフィードバックを用いた強化学習）でした。このアルゴリズム一つが、GPT-3をまったく別の存在へと変えました。同じモデル、同じデータでも、学習方法を変えるだけで、突然人間のように会話できるようになったのです。
アルトマンはこのとき確信しました。「未来を作るのは、より大きなモデルではなく、より賢いアルゴリズムだ。」
OpenAIの研究方向はその後、明確にアルゴリズム革新に重きを置き始めました。新たな推論方式、より効率的なattentionメカニズム、長期記憶を持つ構造、人間のように考えるツリーベースの推論。これらはすべて、アルゴリズム研究の産物でした。
そして2024年末、o1モデルが登場しました。このモデルは「考える時間」を増やす方式で問題を解きました。既存のモデルがすぐに答えを出そうとしたのに対し、o1は段階を踏んでゆっくりと推論しました。
結果として、同じ量の学習データでも格段に優れた性能を発揮しました。これこそがアルゴリズム革新の力でした。
第二の柱 データ
データはAIの「経験」です。
サム・アルトマンはデータを「モデルが世界を学ぶ教科書」と表現します。どれほど優れたアルゴリズムがあっても、質の低いデータで学習すれば、役に立たないAIができあがります。
「ゴミを入れればゴミが出る（Garbage in, garbage out）。」コンピュータ科学の古い格言が、AI時代にいっそう切実な真実となりました。
GPT-3を作る際、OpenAIはインターネット上の膨大なテキストを収集しました。ウェブページ、ブログ、フォーラム、書籍、ニュース記事。あらゆる種類の文章を投入しました。
問題がありました。インターネットには良い情報だけがあるわけではありませんでした。フェイクニュース、偏見に満ちた文章、罵倒や差別的表現。こうしたものも一緒に学習されてしまいました。
そこでGPT-4からは、データの「質」に力を入れ始めました。ただ大量のデータを集めるのではなく、検証済みの高品質なデータを選別して使いました。
科学論文、専門書籍、信頼できるニュースソース、検証された教育資料。こうしたデータが、モデルの性能を大きく引き上げました。
アルトマンはチームにこう語りました。「AIは世界に似ていなければなりません。ただし、世界の最悪ではなく、最善と似ていなければならない。」
もう一つ重要な変化は、データの「多様性」でした。
テキストだけでは不十分でした。GPT-4からは、コード、数式、科学データ、医療プロトコル、法律文書など、多様な形式のデータを学習しました。
するとモデルの思考方式が変わりました。以前は「もっともらしい文章」を書くだけの水準だったのが、今では実際に問題を解決できる水準になりました。
2024年後半からは「合成データ（Synthetic Data）」も重要になってきました。これはAIが自ら生成したデータです。o1モデルが数学の問題を解く過程で生まれた推論の軌跡が、次のモデルを訓練するためのデータになる、という仕組みです。
こうなると、インターネットから収集できるデータの限界を超えることができます。AIが自ら質の高いデータを生み出す好循環が始まるのです。
第三の柱 コンピューティング
コンピューティングはAIの「筋肉」です。
どれほど優れたアルゴリズムとデータがあっても、それを動かすコンピューターがなければ意味がありません。
サム・アルトマンはコンピューティングについて非常に現実的です。AI発展には膨大なコンピューティングパワーが必要だと理解しています。しかし同時に、それが無限ではないことも知っています。
GPT-4の訓練にかかったコストは1億ドル以上と推定されています。その大半はGPU費用と電力費用でした。これは並のスタートアップには到底負担できない規模です。
そこでアルトマンは二つの方向で動きました。
一つは、より多くのコンピューティングインフラを確保することでした。マイクロソフトと組み、巨大なデータセンターを建設しました。2025年には「スターゲートプロジェクト」を発表し、5000億ドル規模のAIインフラ投資計画を打ち出しました。
もう一つは、コンピューティングをより効率的に使うことでした。ここで再びアルゴリズムの革新が登場します。より賢いアルゴリズムを使えば、同じ作業を10分の1のコンピューティングで実現できます。
アルトマンはよくこう言います。「知能のコストは、最終的にエネルギーのコストに収束するでしょう。」
どういう意味でしょうか。
今はAIモデルを作るのに、アルゴリズム開発、データ収集、エンジニアの人件費など様々なコストがかかります。しかし将来、アルゴリズムが完成しデータも十分になれば、最終的に残るコストは電気代だけになる、ということです。
だから彼はエネルギー問題に多大な関心を注いでいます。原子力、核融合、再生可能エネルギー。安価でクリーンなエネルギーを確保することがAI発展の核心だと信じています。
三つの柱の調和
重要なのは、この三つの要素が互いに影響し合っているという点です。
優れたアルゴリズムが生まれれば、必要なデータの量が減り、コンピューティングリソースも少なくて済みます。逆に、より多くのコンピューティングパワーがあれば、より複雑なアルゴリズムを試すことができ、より多くのデータを処理できます。
サム・アルトマンは、この三つの要素のバランスを保つことが、CEOとしての自分の最も重要な役割だと考えています。
「アルゴリズムにばかり集中すると、実用的な製品が生まれません。コンピューティングにばかり集中すると、効率が落ちます。データにばかり集中すると、法的問題と倫理的問題にぶつかります。」
「この三つを同時に進歩させながら、バランスを崩さないこと。それこそがOpenAIのやっていることです。」
そして彼は未来についてこう展望します。
「これから10年以内に、アルゴリズムは今より100倍効率的に進化するでしょう。データは合成データのおかげで無限に近くなるでしょう。コンピューティングは新しいチップ技術と安価なエネルギーのおかげで、はるかに強力になるでしょう。」
「この三つの車輪が一緒に回り始めたとき。そのとき、本当の魔法が起きるでしょう。」
1兆トークンコンテキストとパーソナライズされた生涯記録AI
サム・アルトマンが思い描くAIの究極の姿とは何でしょうか。
それは世界で最も賢いAIということではありません。むしろその逆に近い。「あなただけのために、あなたを最もよく知るAI」です。
彼はこのビジョンを一文で要約します。
「1兆トークンのコンテキストを持つ、非常に小さな推論モデル。」
この一文には、未来のAIの核心がすべて込められています。
1兆トークンとは何か。
まず「トークン」とは何かを知る必要があります。
トークンはAIが言語を理解するための基本単位です。おおよそ単語一つ、あるいはそれより小さな断片だと思えばいいでしょう。たとえば「こんにちは」は約2〜3個のトークンで構成されています。
では、1兆トークンとはどれほどの量でしょうか。
ハリー・ポッターシリーズ全巻が約100万トークンです。1兆トークンなら、ハリー・ポッターを100万回読める量に相当します。別の言い方をすれば、一人の人間が生涯にわたって読み、書き、話すすべての内容を収めてもまだ余りある量です。
「コンテキスト（Context）」とはAIの「記憶力」を意味します。今私たちが使っているChatGPTは、会話を続けていると前に話した内容を忘れてしまいます。コンテキストに制限があるからです。
2025年現在、最大のコンテキストを持つモデルでも約100万トークン程度です。それでも膨大な量ですが、1兆トークンと比べると1000分の1にすぎません。
生涯の記録を覚えているAI
1兆トークンのコンテキストを持つAIは、何ができるのでしょうか。
あなたが生まれた瞬間から今日まで、すべての記録を覚えていられます。
幼い頃につけた日記、学校で書いた宿題、友人との会話、就職面接で話したこと、職場で送ったメール、家族との思い出、健康記録、好きな音楽や映画、趣味活動、悩みや夢。そのすべてをAIが記憶するのです。
サム・アルトマンはこれを「個人の第二の脳」と呼んでいます。
こうしたAIがあれば、どんなことが可能になるのでしょうか。
朝起きると、AIが語りかけます。「今日は大事なプレゼンがある日ですよ。5年前に似たプレゼンをしたとき、緊張して失敗した箇所を覚えていますか？今回はこう準備すればうまくいきそうです。」
健康診断に行くと、AIがこう言います。「あなたの10年分の健康記録を見ると、毎年この時期に血圧が少し上がる傾向があります。昨年試した運動方法が効果的でしたから、また試してみてはどうでしょう？」
新しいプロジェクトを始めようとすると、AIが助言します。「3年前に似たアイデアをメモしていましたよ。当時は実行できませんでしたが、今は状況が違うようです。あの時のメモと今の考えを合わせれば、よい計画が生まれそうです。」
これこそが「完全にパーソナライズされたAI」の姿です。
なぜ「小さな」モデルでなければならないのか
ここに重要などんでん返しがあります。
サム・アルトマンは、このAIが「非常に小さなモデル」でなければならないと言います。どういう意味でしょうか。
今のGPT-4のようなモデルは途方もなく大きいです。巨大なデータセンターでしか動きません。しかしアルトマンが描く個人化AIは、あなたのスマートフォンの中で動かなければなりません。
なぜでしょうか。
一つ目は、プライバシーのためです。
あなたの生涯の記録をインターネットで送り、遠くのサーバーで処理するのは危険です。ハッキングされる可能性もありますし、企業があなたの情報を悪用するかもしれません。
しかし、すべての処理があなたのデバイスの中だけで行われたとしたら？誰もあなたの情報にアクセスできません。完全なプライバシーが保証されます。
二つ目は、速度のためです。
インターネットでデータを送受信すると時間がかかります。しかしあなたのスマートフォンの中で直接処理されれば、すぐに答えが得られます。まるで自分の頭の中で考えるように速いのです。
三つ目は、コストのためです。
巨大なサーバーを維持するには莫大なコストがかかります。しかし小さなモデルがそれぞれのデバイスで動くなら、はるかに安く済みます。
「でも、小さなモデルが賢くなれるのですか？」
良い質問です。サム・アルトマンの答えはこうです。
「個人化モデルは世界全体を知る必要はありません。ただ一人を深く理解すればいい。だから小さくても強力でいられます。」
考えてみてください。あなたの好み、習慣、目標、強み、弱点を完璧に知っている小さなAIと、世界のすべてを少しずつ知っている巨大なAI。あなたの人生により役立つのは、どちらでしょうか。
どうすれば実現できるのか
もちろん、これらすべてが簡単なわけではありません。
2025年現在の技術では、まだ完全には実現できていません。しかし、パズルのピースは一つずつはまりつつあります。
アルゴリズムの革新により、モデルを小さくしながら性能を維持できるようになりました。「モデル圧縮」技術が進歩し、巨大なモデルを10分の1のサイズに縮小しても、性能がほとんど落ちません。
長期メモリ技術も進歩しています。すべての情報を常に保持する代わりに、重要なものだけを要点として保存し、必要なときに素早く取り出す方式が開発されています。
オンデバイスAIチップも急速に進歩しています。AppleのNeural Engine、QualcommのAIプロセッサ。これらのチップがますます強力になることで、スマートフォンでも複雑なAIモデルを動かせるようになりました。
未来の姿
サム・アルトマンは10年後をこのように思い描いています。
「2035年ごろには、ほとんどの人が自分だけのパーソナルAIを持つようになるでしょう。そのAIは生まれたときから一緒に育ち、あなたのあらゆる瞬間を記憶し、生涯を通じてあなたを助け続けます。」
「それは単なる秘書ではありません。あなたの外付け脳であり、最も親しい友人であり、最も賢明な助言者になるでしょう。」
「そして何より大切なのは、そのAIが完全にあなたのものだということです。誰もアクセスできず、あなただけが制御できます。」
これこそが、サム・アルトマンが夢見るAIの未来です。
巨大なスーパーAIが世界を支配する未来ではなく、すべての人が自分だけの完璧なAIパートナーを持つ未来。彼はそれこそが、より美しく、より人間的で、より安全な未来だと信じています。
「AIは人間に取って代わるものではありません。一人ひとりの人間をより強力にするものです。」
これが、1兆トークンのコンテキストを持つ小さな推論モデルの真の意味です。
