『The Scaling Era』から読み解く、AI・知性・人類のこれから

近年、AI とりわけ大規模言語モデル（LLM）分野の急速な進展により、私たちの社会はかつてない変化とチャンスに直面しています。大規模モデルの「推論力」や「総合的な知識量」は飛躍的に高まり、今までにない新しい形の知的生産やビジネスが台頭しています。このような潮流の中、「AGI（汎用人工知能）の可能性」から「キャリア選択」「学習方法の変化」、あるいは「経済・社会構造の大きな転換」まで、私たちが考えるべきテーマは膨大です。

本稿では、AI 研究者である Sholto 氏と Trenton 氏との AMA（Ask Me Anything）形式の議論、およびポッドキャスト・著書『The Scaling Era』を手がけた著者（以下、本稿では「ホスト」と呼称）の発言を中心に、「AGI 時代に必要なキャリアアドバイス」、「さまざまな分野を横断する知的アプローチ」、「高速に変化する社会でどう学び、どう発信していくか」といった論点をわかりやすく解説していきます。

1. AMA と新刊『The Scaling Era』

1-1. AMA とは何か

AMA（Ask Me Anything） とは「何でも質問していいよ」という形式のイベントやコンテンツを指します。元来はインターネット掲示板サイト Reddit などで盛んでしたが、近年はポッドキャストや YouTube ライブなどさまざまな場面で取り入れられています。本稿で紹介する AMA は、ホストが AI 研究者である Sholto 氏と Trenton 氏を迎えて行われたトークセッションです。

この AMA では、最前線の研究者たちが語る「最新の AI 技術の課題」や「AGI に関する見解」「研究や仕事に取り組むうえでの考え方」が議題に上がりました。ホスト自身も含め、彼らがどういう視点で未来を展望しているのかが本トークの見どころです。

1-2. 新刊『The Scaling Era』の概要

AMA の冒頭で大きく取り上げられたのが、ホストの新著『The Scaling Era』の出版告知でした。本書はこれまでホストが行ってきた数多くのインタビュー—AI 研究者、ラボ CEO、経済学者、哲学者など—のエッセンスを厳選し、テーマ別に整理したものです。Stripe Press と協力し、以下のような構成を持っていると紹介されました。

• 大規模モデルはなぜ効果的か
  例として、Anthropic の Dario 氏や DeepMind の Demis 氏が語るスケーリングにおける知見が集約されている。

• 多様な分野の視点
  経済学者 Tyler Cowen 氏の「ボトルネックがあるため、急激な経済成長は限定的ではないか」という視点や、脳の進化を専門にする学者の議論など、分野横断的な洞察が盛り込まれている。

• 読者の理解を助けるサイドノート
  「パラメータとはなにか」「RL（強化学習）とは」など、初心者でも学べる用語解説や図版が章ごとに挿入され、専門的な内容を補足している。

本書は既存のインタビュー音源だけでなく、未公開のテキストや新たなトピックへの解説も収録しており、「次世代の AI 社会を広く考えるための一冊」になっていると著者は語ります。

2. AGI 時代における学習・知識の統合

2-1. 「なぜ AI は分野横断的な発見をしないのか？」

AMA では、ホストがかねてより抱えていた疑問として「大規模言語モデルはほとんど全人類の文書を学習しているのに、なぜ画期的な学際的発見（たとえば脳科学とミネラル欠乏症の関連を結びつけて新たな治療法を創出するようなもの）が生まれにくいのか？」という話題が取り上げられました。

人間にも「すべての知識を連携させられるわけではない」という限界があり、LLM も似たような「注意の分散」、「目的の欠如」が問題になるのではないか、と Scott Alexander 氏の議論などが引用されます。また、Sholto 氏と Trenton 氏は「現状のモデルはインターネットの文章をただ予測するだけで、自主的に研究計画を立てるようには設計されていない。RL（強化学習）などを本格的に組み合わせる必要がある」と指摘。今後はモデルが実際に研究を行う枠組みが整えば、思いもよらぬ学際的発見が生まれる可能性もあると期待を示しました。

2-2. 記憶と学習をめぐる人間との比較

さらに、「LLM は膨大な量を丸暗記しているのに、そこから抽象的な洞察が足りないのはなぜか？」という問いも出ました。エピソード内では「完璧な暗記能力を持った人間が逆に抽象化に苦戦し、社会適応に難があるケース」に触れ、「暗記と抽象思考はトレードオフになりうるのではないか」という話がなされました。

また、Anki を使った「人間の学習管理」の重要性も話題に。ホストは大量のインタビューやリサーチで得た知見を Anki で整理していると述べ、「瞬間的な理解と長期の記憶定着は別物。短期的にも情報を構造化するツールが必要だ」と強調します。

3. キャリアアドバイス：AGI がもたらす未来

3-1. 「AGI 時代に学ぶべきこと」とは？

AMA では「17 歳の若者が大学に進学するなら、いったい何を学べばいいのか」という問いが投げかけられました。ホストや研究者たちは、総じて以下のようなポイントを挙げています。

• 最先端の現場に近づく
  新技術は進歩が早いため、現場レベルで起きている変化を知るのが一番の近道。研究室やスタートアップでインターンをするなど、環境を「体験」するのが有効。

• 基本的な理論や思考力は依然として価値が高い
  「プログラミング＝すぐに自動化」と軽視されがちだが、深い技術理解や抽象化力は将来的に巨大なレバレッジを得られる。物理、数学、コンピューターサイエンスの基礎が強い人ほど、大人数の AI チームを効果的に“マネジメント”できる可能性が高い。

• ツールを使いこなしながら、自分の「味」を持つ
  LLM や各種自動化ツールと協働するのが当たり前になる時代だからこそ、AI が苦手とするロングタームのビジョン設計や、新たな価値観の提示ができる人材は重宝される。

3-2. 「自分だけのメディアを持つ」意義

この AMA では、ホスト自身も「キャリアを築くうえで自前のポッドキャストやブログを運営することの強さ」を強調していました。実際、彼が AI 分野のトップ研究者たちとネットワークを築けたのは「ポッドキャスト番組」という“場”を作ったからです。

• ブログやポッドキャストは飛び道具になる
  スキルや知見をアウトプットするのに最適な土台となり、十分に質が高ければ多くの人々に共有され、専門家からのフィードバックも得やすくなる。

• 読むだけでなく「発信」することで学びが深まる
  ブログや動画では、「誰かに伝わるかたち」に情報を整理・再構成する必要がある。これが学習の定着とネットワーキングに直結する。

一方で、ホスト自身「いわゆる有名人をゲストに招けば一気に伸びるというわけでもない。あくまで内容とネットワークが大事」と強調。「興味が続かない領域で無理やり大物を狙っても成果は限定的」という経験談を語っています。

4. 大規模メディア時代の「コンテンツ分配（ディストリビューション）戦略」

4-1. なぜ「YouTube Shorts」が効いたのか

ホストはポッドキャストの成長を振り返り、「特に YouTube Shorts が飛躍的な拡散をもたらした」と語りました。これは、長尺動画とは異なるアルゴリズムの特徴と、ショート動画ならではのフックの強さによるものだという指摘です。近年、TikTok が世界的に人気ですが、ホスト曰く「TikTok ではうまくいかなかったのに、YouTube Shorts では効果が大きかった」という事例は興味深いポイントです。

4-2. 良質な編集者・チームの見つけ方

またホストは「複数の編集者との協働」が極めて重要だったとも言及しました。驚くべきことに、アルゼンチンの元農家やスリランカの大学一年生、元 Mr Beast チャンネル編集者など、世界中から才能を発掘してチームを結成しているそうです。共通点としては「自主的にデータを取り、改善に努力し続ける姿勢」。大企業のように大量採用をするのは難しい一方、「ピンポイントで最高の人材を見つける」ことが鍵になるといいます。

5. 急速な AI 進化に備える：行動と心構え

5-1. 短期・中期で起こりうること

研究コミュニティ内では「6 か月～数年以内に非常に重大な転換点が来るかもしれない」という見方も存在します。ホストいわく「実際にそのとき世界で最も重要な判断が下される場面に立ち会う可能性があるなら、自分が“AI を理解している人間”である意義は高い」と語ります。

• 前提知識をアップデートし続ける
  AGI や強力な AI システムが登場するスピードは読みにくいものの、変化の兆候にアンテナを張り、常に勉強や議論を重ねるのが得策。

• 自分の専門分野と AI をどう結びつけるかを考える
  AI はあらゆる領域に影響を与えるため、自分の専門と AI の交点を探し、新しいプロジェクトを主導できる立場を作ることが重要になる。

5-2. 「大きな決断」はどうなされるか

AI 企業のトップや研究リーダーたちが関与する「社会的・倫理的な決断」が今後ますます重要になっていきます。ホストは歴史に名高い政治家 LBJ（リンドン・ジョンソン）や都市計画家ロバート・モーゼスのような「巨大プロジェクトをまとめ上げるタイプ」のリーダーシップが必要だが、同時に「人類の倫理や安全に配慮できる人物像」が望ましいと述べています。

「国家による一括管理」「公共機関と民間ラボの連携」などシステム面の再設計案も議論されますが、最終的には「誰がどうリードするか」という人的要素が大きく左右すると指摘されています。

AGI が現実味を帯びるにつれ、あらゆる領域・産業が複雑に変化していくのはもはや疑いようがありません。しかし、「複雑すぎてわからない」ではなく、「複雑だからこそ学ぶ意味がある」 のがこの時代の特徴でもあります。研究者や実務家が AI について語る言葉の裏には、「ロングタームの視点」「既存の常識への懐疑」「ツールを使いこなしつつ人間らしい発想力を発揮するための工夫」が詰まっています。

• 専門知識と大局観を組み合わせる

• 発信とネットワーキングを通して学びを加速させる

• 自分の未来に対する仮説を常にアップデートする

これらはすでに実践されている人たちからの、いわば“現場知”です。新刊『The Scaling Era』がまとめているように、AI 研究の最先端には多くの領域横断的知見が眠っています。「大規模モデルはなぜスケールが有効なのか」「AGI 社会はどう変化するのか」という観点から、人文社会学や脳科学、経済学、進化生物学まで。今後の社会を形づくるあらゆるテーマに取り組むヒントが、本 AMA で議論された内容にも凝縮されています。

高速進化する世界において最も大切なのは「学び続ける姿勢」と「行動で示す勇気」です。この先、ほんの数年で仕事やキャリア選択に根本的な変化が訪れるかもしれませんが、私たちは逆にそのスピード感を追い風として、新たな価値を創造するチャンスを得られるのではないでしょうか。

この言葉のとおり、やるべきことを徹底的にこなし、発信し、人に会い、知識を吸収する。AI 時代ではその先に、かつて見たことのないスケールでのコラボレーションとイノベーションが広がっていくはずです。

関連記事