2030年AGI実現論争：ハサビス×ブリンが語る汎用AIへの道
本記事では、DeepMind CEOのデミス・ハサビス氏とGoogle共同創業者のセルゲイ・ブリン氏がBig Technologyポッドキャストで繰り広げた「2030年までにAGI（汎用人工知能）を実現できるか？」という議論を、専門的内容をわかりやすく解説します。各章では、最先端モデルの現状から推論パラダイム、新たな自己改善システム、スマートグラスやシミュレーション仮説にいたるまで、具体例や引用を交えつつ考察します。
1. フロンティアモデルの現状と展望
1-1. 規模とアルゴリズムの相互作用
ハサビス氏は、既存の技術を「データ規模や計算リソースで“限界までスケール”させる」ことと、並行して「新たなアルゴリズム的突破を追求」する必要性を強調しました。
「スケールは主役でもあり助演でもある。今ある手法を最大限に活用しつつ、半年から1年先に10倍の飛躍をもたらすイノベーションを準備すべきです」
一方、ブリン氏は、「歴史的に見ると、計算性能（ムーアの法則）よりもアルゴリズムの進歩が勝ってきた」と指摘し、
「これからもアルゴリズム革新のほうが計算リソースの向上より大きなインパクトを与えるでしょう」と展望しました。
1-2. 新たな突破口の必要性
ハサビス氏によれば、現行手法の延長だけではAGI到達に至らず、
「あと1～2回の大きなブレークスルーが必要」との見解です。
その候補として、「強化学習×進化的プログラミング」などの組み合わせ的アプローチや、新たな世界モデルの精度向上が挙げられました。
2. 推論パラダイム“DeepThink”のインパクト
2-1. ゲーム領域における評価
DeepMindが提唱する「推論（思考）パラダイム」は、モデル推論に探索的な計算を付与する手法です。ハサビス氏はチェスや囲碁の例を挙げ、
「思考オフのモデルは、マスター級、思考オンで世界チャンピオン級。ELOで600ポイント以上の差がある」と定量的に示しました。
2-2. 実世界応用への期待
実世界はゲーム以上に複雑で誤りが累積しやすいものの、同氏は
「ビジネスや科学の課題では、思考パラダイムによる性能向上はさらに大きいはず」とし、今後の産業応用に大きな期待を寄せています。
3. AGIの定義と到達タイムライン
3-1. “典型的な人間知能”から“真のAGI”へ
ハサビス氏は、「90％の人間ができること」をAGIと呼ぶ動きに言及しつつ、
「私は、人類史上の天才たち（アインシュタインやモーツァルトら）が同一の脳構造で達成した能力を再現できて初めて“真のAGI”と呼びたい」と定義の厳格化を提案しました。
3-2. 到達年次の論争（2030年前？後？）
ポッドキャスト最後のライトニングラウンドでは、
ブリン氏：「2030年前に到達する」
ハサビス氏：「2030年少し過ぎに到達」
と、両氏で微妙に異なる予測タイムラインが示されました。
4. 自己改善システムとAlpha Evolve
セルフリプレッシングループを作る「Alpha Evolve」について、
「アルゴリズム設計をAIが自動で改善し、基礎モデルの学習プロセスまで向上させる」と説明され、「自己改善が制御不能にならなければ、次の加速要因になりうる」との期待が語られました。
5. Googleに戻ったBrin氏のモチベーション
ブリン氏は、「コンピュータサイエンス史上最もエキサイティングな時期」と表現し、
「誰であれこの波に乗るべきで、私は技術革新の最前線を深く経験したいからGoogleに戻った」と語りました。
6. ビジュアルエージェントとスマートグラス
6-1. カメラベースのエージェント
DeepMind／Googleは、「画面越しでなく、カメラで世界を“見る”アシスタント」を重視。ハサビス氏は、
「ロボティクスの本質的ボトルネックはハードでなくソフト。マルチモーダルを最初から組み込んだ設計判断が今ついに実を結ぶ」と語りました。
6-2. Google Glassの教訓
ブリン氏は初代Glassの失敗から、
「消費者向けサプライチェーン管理の難しさと、適切なパートナー選定の重要性を痛感した」と振り返りました。
7. 合成データとモデル品質
生成メディアの増加による「モデル劣化（モデルコラプス）」懸念について、ハサビス氏は
「自社モデルはAI透かしを埋め込み、合成データを検出・除外できる。将来的には合成×実データ混合で品質をさらに高める研究も進行中」と解説しました。
8. 未来展望：Webの10年後とシミュレーション仮説
ラストでは、「10年後のWeb像」や「我々はシミュレーション世界に生きるか？」を議論。
ブリン氏は、「アルゴリズム進化の速度から予測困難」とし、ハサビス氏は、物理を情報理論とみなし、
「宇宙は計算的存在だが、“意識を持つ上位シミュレータ”という単純な仮説は難しい」とコメントしました。
本対談からは、「スケールとアルゴリズム革新の両輪」「推論パラダイムの実力」「AGIの定義の厳密化」「自己改善システムの可能性」など、AGI実現に向けた多面的アプローチの重要性が浮き彫りになりました。2030年というタイムラインは議論の余地がありますが、両氏が共通して示す「科学的突破口への投資」「安全性・一貫性の確保」は、今後のAI研究開発に欠かせない指針と言えます。
関連記事
