ネイサン・ランバート (Nathan Lambert) 氏は10月9日(現地時間)、AIの急速な進展はインフラとエンジニアリング能力の加速によるものであり、汎用超知能 (AGI) には向かわないとの見解を示した。テック系ニュースレター「インターコネクツ (Interconnects)」で同氏が執筆した記事によると、AIモデルは数年以内に人間以上の分散型GPUエンジニアになると予測する一方、モデルの性質自体が劇的に変化するわけではないという。
インターコネクツ (Interconnects) の執筆者であるランバート氏は、業界のトップ研究者が数年内にAIが自身の仕事よりも優れると考えることに対し、当初は疑問を抱いていたと明かした。しかし、その後の進展を分析し、モデルのインフラストラクチャとエンジニアリング機能が大規模に加速している点がこの予測の根拠であると結論付けている。この技術的進展により、AIモデルの実験や調整は大幅に容易になるものの、モデルの根本的な性質に大きな変化はもたらされないという見方を示した。
現在のAI分野では、研究者はアイデアの実装能力と複雑なインフラにおけるスケール能力で評価される傾向が強い。しかし、ランバート氏は今後数年間でエンジニアリングがボトルネックとなる状況は減少すると予測する。AIエージェントの活用が研究プロセスを格段に容易にすると考えられており、同氏はこれを並列化されたAI支援言語モデリングと表現している。この技術効率化は、AI技術の経済全体への普及を大きく促進すると見込まれる。
特に、AIトレーニングと推論のスタックは高度に最適化可能であることが指摘されている。AIエージェントが数年以内にプロセスをエンドツーエンドで最適化することで、推論能力はグラフィックスプロセッシングユニット (GPU) などのアクセラレータの最大計算能力に近づくと予測されている。これにより、AIモデルのインテリジェンスを生成するための実質的なコストは、今後数年間で指数関数的に減少する可能性があるという。さらに、2年から3年以内には、現在のモデルクラスのためのアーキテクチャとデータ選択における事前学習研究が自動化されると見られている。
このような効率化の進展は、エージェントモデルにおけるジェボンズのパラドックス (Jevons paradox) を引き起こす可能性があるとランバート氏は指摘する。これは、効率性の向上によって需要が増加し、消費量が増える現象を指す。MetaのMuseエージェントが初期の指標であり、今後様々な用途向けの同様の体験が増加すると予想されている。この傾向は、性能のフロンティアを押し広げることよりも、エージェントの動作を深く理解することによる価値創出が重要になる時代を示唆している。
加えて、科学文献の分野においても、AIモデルが文献を広範囲に探索し、これまでつながりの薄かった分野間の関連性を見つける能力は人間を凌駕すると述べた。また、強化学習 (RL) 環境の一般的な品質改善も未開拓の産業規模の機会であるとしている。現在、多くのRLデータは低品質であるものの、主要な研究機関はこれらデータから明確な投資収益を得ていると報告されている。
参考: Interconnects (Nathan Lambert) — 2026年10月10日 06:33 (JST)
原文ハイライト"I expect rapid progress but not towards general superintelligence"