AIが自己進化を始めるとき：6.5億ドルの賭け

人工知能の究極の形態とは何か？より強力な言語モデルか、それとも次世代を自律的に設計できる自己進化システムか？元Salesforceの主任科学者であり、NLP分野の著名な学者であるリチャード・ソーチャー氏は、驚異の6.5億ドルという資金調達によって、その答えを示そうとしている。

AI科学者から自己進化エンジンへ

TechCrunchの独占報道によると、ソーチャー氏の新会社（社名未公表）はシードラウンドで6.5億ドルの資金を獲得し、AI分野におけるアーリーステージ調達の記録を打ち立てた。同社の中核的なミッションは、「自ら研究し、自ら進化する」AIシステムを構築することにある。これは人間の研究者のように論文を読み、実験を設計し、自らのアーキテクチャを修正し、人間の介入なしに継続的に性能を向上させることができる。ソーチャー氏はインタビューで、これは長期的な研究プロジェクトではなく、間もなく製品を出荷する商業エンティティであると強調した。「私たちはすでにAI支援プログラミング、AI生成コードの大きな可能性を目にしてきました。次のステップは、AIが自らのアルゴリズムを最適化できるようにすることです」と彼は語る。

「私たちが取り組んでいるのはAGI（汎用人工知能）ではなく、自律的に機械学習研究を行えるエンジニアリングシステムです。それは人間の研究者のように探索、試行錯誤、反復を行いますが、そのスピードは人間の千倍です。」——リチャード・ソーチャー

技術的アプローチと業界の背景

自己改善型AIは新しい概念ではない。GoogleのAutoMLやMetaのニューラルアーキテクチャサーチ（NAS）はすでにモデルの自動設計を実現しているが、通常は特定のタスクに限定され、大量の計算リソースを必要とする。ソーチャー氏の目標は、領域横断的かつ継続的に進化するフレームワークを構築することだ：このシステムは任意の機械学習問題（視覚認識から自然言語理解まで）に対して最適な構造を自動探索し、学習した手法を新たな問題に転用できる。さらに過激なのは、自らの計算上のボトルネックを発見し、基盤となるコードを再構築できる点である——このプロセスは理論上、ハードウェアの限界に近づくまで無限に循環できる。

しかし、業界の専門家はこれに慎重な見方を示している。カーネギーメロン大学のザカリー・リプトン教授は次のように指摘する：「自律的に研究するAIは根本的なパラドックスに直面します。システムが十分に賢ければ、現在より効率的なトレーニング手法を発見するかもしれませんが、それらの手法は人間の理解を超え、解釈可能性の災害を引き起こす可能性があります」。安全性の面では、自己進化するAIが制御不能な報酬追求行動を生み出した場合、壊滅的な結果を招きかねない。

商業的なコミットメントと市場の期待

多くの課題があるにもかかわらず、ソーチャー氏の調達額は投資家の信頼を十分に証明している。関係者によると、資金は主に3つの分野に充てられる予定だ：大規模な自己トレーニングを支えるための万枚規模のGPUクラスター構築、500名以上のAI研究者・エンジニアの採用、そして最初の商用製品「AI研究アシスタント」の開発であり、18か月以内のリリースを目指している。このアシスタントは企業顧客向けに自動チューニング、アーキテクチャ探索、実験最適化などのサービスを提供し、モデル開発サイクルを90％短縮することを目標としている。

編集者注：ソーチャー氏の野望は「スケーリング則」の天井を打ち破ることにある。現在の大規模モデルはデータ、計算リソース、パラメータ数の線形成長に依存しているが、自己改善型AIは指数関数的な進化の道を切り開く可能性がある。リスクは、システムが自己修正を始めた途端、規制とアラインメントの問題が極めて厄介になることだ。GPTがAIの「手」であるならば、自己構築するAIは「脳の脳」である。この6.5億ドルの賭けは、今後10年間のAIの進化モデルを決定づけるかもしれない。

OpenAI、DeepMindといった巨頭も類似の方向性を模索する中、ソーチャー氏はリソース競争において独自の路線を走り抜けることができるのか？答えはまだ時間が必要だ。しかしいずれにせよ、「AIの自己構築」はSFの概念からシリコンバレーのトップレベルの競争へと変貌を遂げた。

本記事はTechCrunchを翻訳・編集したものである。