Sam AltmanがStanfordで語ったAIの本質——スケール・AGI・未来の分岐点
OpenAIのCEOサム・アルトマンが、スタンフォード大学のCS183「フロンティアシステム」講義にゲストとして登場した。10年前に同大学で「スタートアップの作り方」を教えた彼が、今度はAGI時代の構造を語った。
この講義は、AIを「電気」のような新しいユーティリティと位置づけ、スケール・教育・富の分配・コンピュートの未来について多角的な洞察を提供するものだった。本記事では、ビジネスマン・投資家にとって特に重要な観点を整理して解説する。
1. スタートアップのルールは根本から変わった
1-1. 「100人チームの仕事が手頃なコストで可能に」
アルトマンは、まず、10年前に教えた「スタートアップの作り方」が現在ではほぼ別物になっていると述べた。「手頃なトークン消費で、100人の優秀なエンジニアチームがやれることができるようになった。これはかつてスタートアップの選択肢の外にあったことだ」と彼は語る。
この変化によって、スタートアップが取れる野心の水準、動きのスピード、同時並行できる仕事量は「まったく別次元になった」という。
1-2. 明白なアイデアに価値はない
一方で、アルトマンは、「課題を割り当てる」教育スタイルには懐疑的だ。「私が明白に思えるアイデアは、多くの人にも明白だろう。OpenAI創業時、世界でAGIを本気で取り組んでいたのは4社程度だった。今もそういうものが存在するはずだが、私には見えていない。あなたたちの方が分かっているだろう」と彼は学生に向けて語った。
2. スケールという概念——説明できないが、機能する
2-1. スケールには「説明できない魔法」がある
アルトマンが強調したのは、スケールに関する経験則だ。「私はなぜそうなのか満足のいく理論を持っていない。それでも経験的にはこれが真実だと思う——最も興味深いことはすべて、スケールによって生まれる創発的な性質、あるいはコンセンサスが限界だと思う水準を超えてスケールし続けることと関係している」と語る。
2-2. YCombinatorの事例
この考え方は、YCombinator時代から始まっていた。「バッチを縮小すべきだという賢い人々の声があった。でも、バッチのネットワーク効果という創発的な性質は、小さなスケールでは存在すらしていなかった。1/10や1/100のスケールでは起きなかったことが、大規模になって初めて現れた」と彼は振り返る。
2-3. 「スケールが壊れるとき」に向き合う技術
スケールを推進する上での障壁として、彼は「拡大するにつれて加速度的かつ予測不可能な形で壊れる」という事実を挙げる。OpenAIがAIモデルをスケールしようとしたとき、「天才と言われる人たちのほとんどが、もうこれで十分だ、スケールしても意味がないと言っていた」と彼は語る。それでも少数の人間がグラフを見て「続けよう」と言い続けた。
組織的な観点からは「明確な目標、そこへの道筋、判断の基準」を示すことが、人間をスケールに巻き込む上で不可欠だと指摘する。
3. ChatGPTとCodexの誕生——偶然と観察の産物
3-1. ChatGPTは「リサーチデモ」のつもりだった
アルトマンは、ChatGPTの誕生について率直に語った。GPT-3のAPIは、当初ほぼ無反応だったが、ある日突然Twitterでバイラルした。しかし、実際にAPIでビジネスとして成立したのは「コピーライティングだけで、月10〜20万ドル規模の地味なものだった」という。
ところが多くのユーザーがAPIを通じてただチャットしているという現象を観察し、「では良いチャットボットを作ればいい」と判断。GPT-3.5と新しいポストトレーニング手法を用いてリリースしたのがChatGPTで、「研究デモとして出した。他の人がチャット系プロダクトを作ってAPIを使ってくれればいいと思っていた」と振り返る。
しかし、その反応は予想外だった。「5日間、トラフィックが急増しては落ちるを繰り返した。4日目か5日目、私は確信した——これはヒットする」と語る。その後チームは「良い意味での緊急事態だ。会社とプロダクトを同時に構築しなければならない」と号令をかけた。
3-2. Codexの戦略的意図
Codexは、ある意味でChatGPT以前の「本命」だった。「コーディングは、AIがコンピューター上のものを制御する手段になると考えていた。ロボットが物理世界での制御手段だとすれば、コードはデジタル世界での手段だ」というのが当時の考え方だ。GPT-5.5で本格的な変曲点を迎え、現在では企業のエンタープライズ領域での「キラーアプリ」となっている。
4. AIは「電気」になる——ユーティリティとしての知性
4-1. 電気との類比が示すもの
アルトマンは、AIが電気や水道、インターネットと同様の「ユーティリティ（基盤インフラ）」になると見ている。歴史的に電気が普及した際、電力会社は「電力を売る」のではなく「夜の灯りを売る」というアプローチで普及を進めたことを引用し、「私たちもまだ、インテリジェンスを売ることへの最適なたとえを見つけていない」と述べた。
「OpenAIのトークンサブスクリプションをあらゆるものに差し込んで使う——そういう世界を目指しているが、今は人々に『インテリジェンスを売っている』と言ってもうまく伝わらない」とアルトマンは語る。
4-2. 消費者はチップではなくトークンで考える
「消費者や企業として、あなたはどのチップが使われているかより、使いやすいか、安いか、良い仕事をしてくれるかを気にする。今はトークンで考えるが、将来的に常時稼働のエージェントが当たり前になれば、もう一段抽象化されるだろう」と彼は予測する。
5. AGIへのロードマップと2つの分岐点
5-1. 2025年9月と2028年のマイルストーン
アルトマンは、AGIに向けた具体的な目標を示した。「2025年9月までに、50万A100相当のGPUをAI研究インターンとして使う。2028年3月までに、完全に自律した優秀な研究者として、まったく新しいアーキテクチャを発見できる状態を目指す」と述べた。
現在のパイプライン（事前学習・中間学習・後学習・RLフィードバックループ）について、「これが現在の姿だが、最適解ではない。将来的にはAI自身がその問いを解くだろう」と述べた。
5-2. 民主化か集中か——80:20の分岐
アルトマンが示した最も重要な分岐点は、「AIが少数の企業に集中するか、世界全体に民主化されるか」という問いだ。「いくつかの企業が地球上の富のかなりの割合を持つ世界は明らかに問題がある。そうならないよう強く取り組んでいるが、強い引力がそちらに向かっている」と率直に述べた。
確率的には「80%は民主化の道に進むと思うが、権力を集中させようとする動きは強い」と見立てを示した。
5-3. コンピュートの「市民基金」構想
富の分配について、アルトマンは、UBIよりも「所有」を選好する立場を示した。「労働から資本へのレバレッジシフトが進む中、市民一人一人が資本の一切れを持つような『市民富裕基金』の構想が重要になる。固定の月次キャッシュより、スタートアップへの投資のように所有を持つ形が人間の心理には合っている」と語った。
また将来的にコンピュートが最重要ユーティリティになった場合、「コンピュートをどう公平に分配するか」が大きな政策課題になると予測した。
6. 教育・LLM論争・個人へのアドバイス
6-1. 教育システムはまだ変わっていない
「ChatGPT登場後1年で教育システムは変わると思っていたが、3年半経った今、系統的な変化をほとんど見ていない。これは予測ミスだった」とアルトマンは認める。「プレAGI時代のように教え、評価し続ければ、批判的思考力が萎縮する」と警鐘を鳴らした。
一方で、「思考するために書く」という自分自身の習慣を例に挙げ、「機械ができることを人間に教えることにも意味がある。それがメタスキルを育てるから」と述べた。
6-2. ヤン・ルクンのLLM批判への反論
「LLMは、すでに一部の知性では人間を超えており、昨日我々のモデルがエルデシュ問題の一つを解いた。多くの数学者が不可能と言っていた問題だ。LLMのスケールに反対賭けするのは、今や相当ミスガイドだと思う」と彼は述べた。
6-3. 学生への個人的なアドバイス
一人で研究室を運営するプロジェクトに取り組む学生たちへ、アルトマンは「推論インフラ」の分野を推奨した。「優れたモデルはどんな場合でも登場する。私が投資不足だと思うのは、それを大規模・低コストで届けるインフラ側だ」と述べた。
