AMI – 高度な機械知能 – スケーリングの終焉：ヤン・ルカンがLLMを信じなくなった理由
Xpert プレリリース
言語の選択 📢
公開日: 2025年11月23日 / 更新日: 2025年11月23日 – 著者: Konrad Wolfenstein
AMI – 高度な機械知能 – スケーリングの終焉：ヤン・ルカンがLLMを信じなくなった理由 – 画像：Xpert.Digital
スーパーインテリジェンスではなく行き止まり：メタのチーフビジョナリーがなぜ辞任するのか
誤ったアプローチに6000億ドル？「AIのゴッドファーザー」がLLaMA、ChatGPTなどの企業に賭ける
2025年11月、テクノロジー業界に雷鳴のような衝撃が走りました。ディープラーニングの創始者3人の一人であり、Metaのチーフサイエンティストであるヤン・ルカン氏が、12年間同社に在籍した後、自身のスタートアップを設立することを発表しました。この決断は、単なる一科学者のキャリア選択をはるかに超えるものです。世界の人工知能業界における根本的な転換点となり、短期的な市場利益と長期的な科学的ビジョンの間の乖離が拡大していることを浮き彫りにしています。
2018年にジェフリー・ヒントン氏とヨシュア・ベンジオ氏と共にチューリング賞を受賞したルカン氏は、畳み込みニューラルネットワークの設計者と称されており、このネットワークは現代の画像処理システムの基盤を形成しています。ルカン氏が退任したのは、業界全体が大規模言語モデルに数千億ドルを投資している時期です。ルカン氏は長年、この技術は根本的に行き詰まりだと述べてきました。現在65歳となったルカン氏は、新会社で「高度機械知能」と呼ぶ、世界モデルに基づき、テキストではなく物理的知覚から出発する、根本的に異なるアプローチを追求する予定です。
この進展がもたらす経済的影響は計り知れません。Meta自身も過去3年間でAIインフラに6,000億ドル以上を投資してきました。OpenAIは年間売上高がわずか100億ドルであるにもかかわらず、評価額は5,000億ドルに達しています。業界全体が、その最も重要な先駆者の一人が今や行き詰まりと公言した方向に進んでいます。この変化の経済的影響を理解するには、現在のAI革命の技術的、組織的、そして財務的な構造を深く掘り下げる必要があります。
に適し：
バブルの建築
2017年にGoogleの研究者によって導入されたTransformerアーキテクチャは、AIの世界を前例のない速さで変革しました。このアプローチにより、膨大な量のテキストを効率的に処理し、これまで不可能だった能力を持つ言語モデルを学習することが初めて可能になりました。OpenAIはこの基盤の上にGPTシリーズを構築し、2022年11月にChatGPTを発表することで、これらの技術が何を実現できるかを初めて一般の人々に示しました。反響は爆発的で、数か月のうちに数百億ドルがAI分野に流入しました。
しかし、2024年末以降、この指数関数的な発展が限界に達しつつある兆候が強まっています。OpenAIは、社内ではOrionまたはGPT-5と呼ばれるGPT-4の後継モデルを18ヶ月以上開発してきました。同社は少なくとも2回の大規模な学習実行を実施し、それぞれ約5億ドルの費用がかかっていると報じられています。その結果は厳しいものでした。GPT-4はGPT-3に比べて飛躍的な性能向上を示しましたが、OrionのGPT-4に対する改善は微々たるものでした。特にプログラミングなど、一部の分野では、このモデルは実質的に進歩を示していません。
この展開は、最近まで業界全体を導いてきた経験則であるスケーリング則に根本的に反しています。基本的な考え方は単純でした。モデルを大規模化し、より多くのデータをトレーニングに使用し、より多くの計算能力を投入すれば、パフォーマンスの向上は予測可能なべき乗関数に従う、というものでした。この原則は普遍的に成り立つように思われ、近年の天文学的な投資を正当化していました。しかし今、これらの曲線は平坦化していることが判明しました。投資を次に倍増しても、期待されたパフォーマンスの倍増はもはや得られません。
理由は数多くあり、技術的にも複雑です。重要な問題はデータの壁です。GPT-4は約13兆トークン、つまり公開されているインターネット全体に匹敵するトークンを用いて学習されました。GPT-5には、新しく高品質なデータが不足しています。OpenAIは、ソフトウェア開発者、数学者、理論物理学者を雇用し、コードを記述して数学の問題を解くことで新しいデータを生成しています。しかし、たとえ1,000人が1日に5,000語を生成したとしても、10億トークンを生成するだけでも数ヶ月かかります。人間が生成したデータを用いたスケーリングは、単純に機能しません。
代替手段として、企業は合成データ、つまり他のAIモデルによって生成されたデータへの依存度を高めています。しかし、ここに新たな危険が潜んでいます。それは、モデル崩壊です。モデルが他のモデルによって生成されたデータで再帰的に学習されると、小さな誤差が世代を重ねるごとに増幅していきます。その結果、モデルは現実からますます乖離し、データ内の少数派グループが不均衡に消失するようになります。2024年にNature誌に掲載された研究では、このプロセスが驚くほど急速に進行することが示されました。したがって、合成データは万能薬ではなく、むしろ重大なリスクを伴います。
エネルギー転換と成長の限界
データの壁に加えて、さらに根本的な第二の障壁、つまりエネルギーの壁があります。GPT-3の学習には約1,300メガワット時の電力が消費されました。これはアメリカの130世帯の年間消費電力に相当します。GPT-4では、その50倍にあたる65,000メガワット時が必要と推定されています。大規模なAIモデルの学習に必要な計算能力は、約100日ごとに倍増します。この指数関数的な曲線は、すぐに物理的な限界につながります。
これらのモデルを学習・運用するデータセンターは、既に小さな町に匹敵するほどの電力を消費しています。国際エネルギー機関（IEA）は、データセンターの電力消費量が2022年の20テラワット時から2026年には36テラワット時へと、2026年までに80%増加すると予測しています。この成長の主な原動力はAIです。ちなみに、ChatGPTクエリ1回あたりの消費電力は、Google検索の約10倍です。1日に数十億件ものクエリが発生するため、これは膨大な量となります。
この状況は、テクノロジー企業に抜本的な対策を迫っています。マイクロソフトはすでに原子力発電事業者と契約を締結しています。Meta、Amazon、Googleは、今後数年間で必要なインフラ構築に合計1兆3000億ドル以上を投資する予定です。しかし、これらの投資は物理的にも政治的にも限界に達しています。米国には、計画中のAIデータセンターに電力を供給するのに十分なエネルギーインフラが不足しています。アナリストは、エネルギーインフラのボトルネックにより、2030年までに7500億ドル規模のプロジェクトが遅延する可能性があると推定しています。
これに加えて、地政学的な側面も存在します。AI業界のエネルギー需要は、資源をめぐる競争を激化させ、化石燃料への依存を高めています。政策立案者は気候中立を要求していますが、AI業界はエネルギー消費を増大させています。この緊張は今後数年間でさらに悪化し、業界の成長を制限する規制介入につながる可能性があります。
建築壁とルカンの代替案
3つ目の障壁は、おそらく最も根本的なものと言えるでしょう。それは、アーキテクチャの壁です。ヤン・ルカン氏は長年、Transformerアーキテクチャには、単純なスケーリングでは克服できない固有の限界があると主張してきました。彼の批判は、大規模言語モデルの基本的な動作方法に焦点を当てています。これらのシステムは、単語列内の次の単語を予測するように訓練されます。膨大なテキストコーパスから統計パターンを学習しますが、因果関係、物理法則、あるいは長期計画について真の理解を育むことはありません。
ルカン氏は、この問題を次のような比較で説明するのが好きです。4歳児は、最も優れた言語モデルがテキストを通して吸収するよりも多くの情報を視覚を通して世界について吸収しています。子どもは、物が簡単に消えることはないこと、重いものは落ちること、行動には結果があることを直感的に理解しています。彼らは世界モデル、つまり物理的現実の内部表現を発達させ、それを用いて予測を行い、行動を計画します。一方、LLMにはこの基本的な能力が欠けています。LLMは驚くほど一貫性のあるテキストを生成することはできますが、世界を理解しているわけではないのです。
この限界は、実際の応用において幾度となく明らかになります。GPT-4に回転する立方体を視覚化させると、子供なら誰でも簡単に達成できるタスクでさえ失敗します。複数段階の計画を必要とする複雑なタスクでは、モデルは頻繁に失敗します。トークン予測のあらゆるエラーが連鎖的に増幅する可能性があるため、エラーから確実に学習することができません。自己回帰モデルには根本的な脆弱性があり、シーケンスの早い段階でエラーが発生すると、結果全体が台無しになる可能性があります。
LeCun氏の代替案は、Joint Embedding Predictive Architectureに基づく世界モデルです。基本的な考え方は、AIシステムはテキスト予測ではなく、未来の状態の抽象的な表現を予測することで学習するべきであるというものです。システムはピクセル単位またはトークン単位で生成するのではなく、圧縮され構造化された世界の表現を学習し、これを用いて行動を起こす前に様々なシナリオを頭の中でシミュレートすることができます。
LeCun氏のリーダーシップの下、Meta社は既にこのアプローチの実装をいくつか開発しています。画像用のI-JEPAと動画用のV-JEPAは有望な結果を示しています。これらのモデルは、集中的なデータ取得に頼ることなく、高レベルの物体構成要素とその空間関係を学習します。また、従来のモデルと比較して、学習にかかるエネルギー効率が大幅に向上しています。これらのアプローチを階層型システムに統合し、異なる抽象度と時間スケールで動作させることがビジョンです。
決定的な違いは学習プロセスの性質にあります。LLMは本質的に強化されたパターンマッチングを行うのに対し、世界モデルは現実の構造と因果関係を把握することを目指します。堅牢な世界モデルを持つシステムは、実際に行動を実行することなく、その行動の結果を予測することができます。表面的な相関関係だけでなく、根底にある原理を理解しているため、少数の例から学習することが可能です。
組織の機能不全とメタの存在の危機
しかし、ルカン氏の退任は、単なる科学的な判断ではなく、Metaにおける組織的な機能不全の結果でもある。2025年6月、CEOのマーク・ザッカーバーグ氏はAI部門の大規模な再編を発表した。同氏は、汎用人工知能（AGI）の開発を明確な目標とする新部門、Meta Superintelligence Labsを設立した。同部門を率いるのは、データ準備企業Scale AIの元CEOである28歳のアレクサンダー・ワン氏だ。MetaはScale AIに143億ドルを投資し、競合他社から50人以上のエンジニアと研究者を採用した。
この決定は既存の組織構造を一変させた。PyTorchと最初のLlamaモデルの開発に長年を費やしてきたLeCunの基礎AI研究チームは、周縁化されてしまった。FAIRは5年から10年を視野に入れた基礎研究に特化し、一方で新しいスーパーインテリジェンス研究室は短期的な製品開発に注力した。情報筋によると、MetaのAI部門では混乱が拡大しているという。新たに採用された優秀な人材は大企業の官僚主義に不満を表明し、既存のチームは影響力の低下を目の当たりにしていた。
わずか6ヶ月の間に行われた複数回のリストラにより、状況は悪化しました。2025年8月、スーパーインテリジェンス・ラボは再び再編され、今度は4つのサブユニットに分割されました。新モデルを扱う謎めいたTBDラボ、製品チーム、インフラチーム、そしてFAIRです。10月には再び大規模なレイオフが行われ、約600人の従業員が退職金を受け取りました。理由は、組織の複雑さを軽減し、AI開発を加速させるためとされていました。
こうした絶え間ない再編は、OpenAI、Google、Anthropicといった競合他社の相対的な安定性とは対照的です。Metaが正しい戦略的方向性に関して根本的な不確実性を抱えていることを示唆しています。ザッカーバーグ氏は、MetaがAIの覇権争いで遅れをとっていることを認識しています。2025年4月にリリースされたLlama 4は期待外れでした。Maverickモデルは優れた効率性を示しましたが、より長いコンテキストでは劇的な失敗に終わりました。Metaはベンチマーク向けに最適化するために、一般的なテスト問題でモデルを訓練し、パフォーマンスを人為的に膨らませていたという疑惑が浮上しました。
ルカンにとって、状況は耐え難いものとなった。長期的な基礎研究という彼のビジョンは、短期的な製品成功というプレッシャーと衝突した。彼が事実上、はるかに若いワンに従属していたという事実も、彼の決断に影響を与えた可能性が高い。ルカンは辞任の覚書の中で、メタが新会社のパートナーであり続けることを強調しているが、そのメッセージは明確だ。彼が不可欠と考える独立した研究は、もはや企業構造の中では不可能なのだ。
「マネージドAI」（人工知能）によるデジタル変革の新たな次元 - プラットフォーム＆B2Bソリューション | Xpert Consulting
「マネージドAI」（人工知能）によるデジタル変革の新たな次元 – プラットフォーム＆B2Bソリューション | Xpert Consulting - 画像：Xpert.Digital
ここでは、企業がカスタマイズされた AI ソリューションを迅速かつ安全に、高い参入障壁なしに実装する方法を学びます。
マネージドAIプラットフォームは、人工知能（AI）のための包括的な安心パッケージです。複雑なテクノロジー、高価なインフラストラクチャ、長期にわたる開発プロセスに煩わされることなく、専門パートナーからお客様のニーズに合わせたターンキーソリューションを、多くの場合数日以内にご提供いたします。
主なメリットを一目で:
⚡ 迅速な実装：アイデアから運用開始まで、数ヶ月ではなく数日で完了します。私たちは、すぐに価値を生み出す実用的なソリューションを提供します。
🔒 最大限のデータセキュリティ：お客様の機密データはお客様のもとで厳重に管理されます。当社は、第三者とデータを共有することなく、安全かつコンプライアンスに準拠した処理を保証します。
💸 金銭的なリスクなし：成果に対してのみお支払いいただきます。ハードウェア、ソフトウェア、人員への高額な初期投資は一切不要です。
🎯 コアビジネスに集中：得意分野に集中できます。AIソリューションの技術的な実装、運用、保守はすべて当社が担当します。
📈 将来性＆拡張性：AIはお客様と共に成長します。継続的な最適化と拡張性を確保し、モデルを新たな要件に柔軟に適応させます。
詳細については、こちらをご覧ください:
誇大宣伝から現実へ：AI業界の迫りくる再評価
水疱形成の経済的解剖
Metaの発展は、AI業界におけるより広範な経済的ダイナミクスの兆候です。2022年後半のChatGPTの躍進以来、前例のない投資ブームが繰り広げられています。2025年第1四半期だけでも、AIスタートアップに731億ドルが流入し、これはベンチャーキャピタル投資全体の58%を占めています。OpenAIは評価額5,000億ドルに達し、黒字化を達成することなくこの水準を超えた初の民間企業となりました。
評価額は実際の収益とは大きく乖離しています。OpenAIは2025年に年間売上高100億ドル、評価額5,000億ドルを達成し、株価売上高倍率（PER）は50倍となりました。比較対象として、ドットコムバブルの絶頂期でさえ、これほどの倍率を達成した企業はほとんどありませんでした。Anthropicは評価額1,700億ドル、売上高22億ドル、PERは約77倍です。これらの数字は、過大評価されていることを示しています。
特に問題なのは、循環的な資金調達構造が生まれていることです。NvidiaはOpenAIに1,000億ドルを投資しており、OpenAIは数百億ドル相当のNvidia製チップを購入する義務を負っています。OpenAIはAMDとも数百億ドル規模の同様の契約を結んでいます。MicrosoftはOpenAIに130億ドル以上を投資し、そのインフラをAzure上にホストしています。AmazonはAnthropicに80億ドルを投資しており、AnthropicはAWSを主要クラウドプラットフォームとして利用し、Amazon独自のAIチップを採用しています。
これらの仕組みは、1990年代後半の循環型資金調達を不気味に彷彿とさせます。当時、テクノロジー企業は互いに機器を売買し、実質的な経済価値を生み出すことなく取引を収益として計上していました。アナリストたちは、1兆ドル規模のブームを牽引しているのは、ますます複雑で不透明なビジネス関係の網だと指摘しています。ドットコムバブルと2008年の金融危機との類似点は明白です。投資家にとって理解と評価が困難な、不透明で型破りな資金調達メカニズムです。
これに加えて、資本の集中も問題となっています。米国のテクノロジー企業上位7社（マグニフィセント・セブン）は、2023年にエネルギー消費量を19%増加させましたが、S&P 500企業のエネルギー消費量の中央値は停滞しました。2025年の米国株式市場の上昇分の約80%は、AI関連企業によるものでした。Nvidiaは単独で個人投資家による最も購入された銘柄となり、2024年には約300億ドルをこのチップメーカーに投資しました。
この極端な集中はシステミックリスクを伴います。期待リターンが非現実的であれば、市場の暴落は広範囲にわたる影響を及ぼす可能性があります。JPモルガンは、AI関連の投資適格債の発行額だけでも2030年までに1.5兆ドルに達する可能性があると推定しています。この債務の多くは、AIシステムが生産性の大幅な向上をもたらすという仮定に基づいています。この期待が実現しない場合、信用危機が迫ります。
に適し：
人材争奪戦と社会の激変
経済の緊張は労働市場にも現れています。AI関連の求人と適格な応募者の比率は3.2対1です。160万の求人があるのに対し、適格な応募者はわずか51万8000人です。この深刻な人材不足により、給与は天文学的な水準にまで上昇しています。AIスペシャリストは、Python、TensorFlow、あるいは専門的なAIフレームワークのスキルを習得することで、年収を数万ドル増やすことができます。
競争は熾烈です。大手テクノロジー企業、資金力のあるスタートアップ企業、そして政府機関までもが、同じ少数の専門家集団をめぐって争っています。OpenAIはここ数ヶ月、共同創業者のイリヤ・スツケヴァー氏や最高技術責任者のミラ・ムラティ氏を含む幹部の流出を経験しています。これらの優秀な人材の多くは、独自のスタートアップを立ち上げたり、競合他社に移ったりしています。MetaはOpenAI、Anthropic、Googleから積極的に採用活動を行っています。AnthropicはMetaとOpenAIから採用活動を行っています。
この力学にはいくつかの結果が伴います。第一に、研究環境が分断されます。共通の目標に向かって取り組むのではなく、異なる組織の小規模なチームが同じブレークスルーを目指して競い合うことになります。第二に、コストの上昇です。AIスペシャリストの莫大な給与は、潤沢な資金を持つ企業でしか維持できず、小規模な企業は市場から排除されてしまいます。第三に、プロジェクトの遅延です。企業からは、空席が何ヶ月も埋まらないままで、開発スケジュールに支障をきたしているとの報告があります。
社会的な影響はテクノロジー分野をはるかに超えています。AIが真に次なる産業革命を象徴するものであるならば、労働市場には大きな変革が差し迫っていると言えるでしょう。主に肉体労働に影響を与えた第一次産業革命とは異なり、AIは認知的なタスクをターゲットとしています。単純なデータ入力や顧客サービスだけでなく、プログラマー、デザイナー、弁護士、ジャーナリストといった高度なスキルを必要とする専門職にも脅威が及ぶ可能性があります。
投資運用業界に関する調査では、AIとビッグデータの影響で労働所得のシェアが5%低下すると予測されています。これは、産業革命時の5～15%の低下に匹敵する規模です。しかし、決定的な違いは、現在の変革は数十年ではなく数年かけて進行しているということです。社会には適応する時間がほとんど残されていないのです。
テストタイムコンピューティングとパラダイムシフト
事前学習におけるスケーリング則が限界に達しつつある中、新たなパラダイムが登場しました。それは、テスト時の計算スケーリングです。OpenAIのo1モデルは、推論中により多くの計算能力を投入することで、大幅なパフォーマンス向上が可能であることを実証しました。これらのシステムは、単にモデルサイズを増やすのではなく、モデルがクエリをより長く考え、複数のアプローチで解決し、答えを自己検証することを可能にします。
しかし、研究によると、このパラダイムにも限界があることが示されています。モデルが同じ問題を複数回反復するシーケンシャルスケーリングは、継続的な改善にはつながりません。Deepseeks R1やQwQなどのモデルに関する研究では、思考プロセスを長くしても必ずしも良い結果が得られるわけではないことが示されています。多くの場合、モデルは間違った答えを正しい答えに修正する傾向があり、その逆は起こりません。効果的なシーケンシャルスケーリングに必要な自己修正能力は十分に発達していないのです。
複数の解を同時に生成し、その中から最適な解を選択する並列スケーリングは、より良い結果をもたらします。しかし、ここでも、投入される計算能力が倍増するごとに限界利益は減少します。コスト効率は急速に低下します。1日に数百万件ものクエリに応答する必要がある商用アプリケーションにとって、コストは法外なものとなります。
真のブレークスルーは、異なるアプローチを組み合わせることにあるかもしれません。Transformerと状態空間モデルを組み合わせたハイブリッドアーキテクチャは、両者の長所を融合させることを約束します。Mambaのような状態空間モデルは推論において線形スケーリング動作を提供し、Transformerは長距離依存関係の捕捉に優れています。このようなハイブリッドシステムは、コストと品質のバランスを再調整する可能性があります。
トランスフォーマー後の代替建築と未来
世界モデルに加え、Transformerの優位性に挑戦する可能性のある代替アーキテクチャが数多く登場しています。状態空間モデルは近年大きな進歩を遂げています。S4、Mamba、Hyenaは、線形複雑度を持つ効率的なロングコンテキスト推論が可能であることを示しています。Transformerはシーケンス長に対して2乗的にスケーリングしますが、SSMは学習と推論の両方で線形スケーリングを実現します。
これらの効率性の向上は、AIシステムを本番環境に導入する際に極めて重要になる可能性があります。推論コストはしばしば過小評価されてきました。トレーニングは一度きりの投資ですが、推論は継続的に実行されます。ChatGPTは決してオフラインになりません。毎日数十億件ものクエリを処理するため、わずかな効率性の向上でも大きなコスト削減につながります。同じ品質で半分の計算能力しか必要としないモデルは、大きな競争優位性をもたらします。
課題は、これらの技術の成熟度にあります。トランスフォーマーは8年近くも先行しており、ツール、ライブラリ、専門知識からなる広大なエコシステムを有しています。代替アーキテクチャは、技術的に優れているだけでなく、実用性も備えていなければなりません。テクノロジーの歴史には、技術的に優れていたにもかかわらず、エコシステムの欠如のために市場で失敗したソリューションが数多くあります。
興味深いことに、中国の競合企業も代替アプローチを採用しています。6,710億のパラメータを持つオープンソースモデルであるDeepSeek V3は、トークンごとに370億のパラメータのみをアクティブ化するMixture of Expertsアーキテクチャを採用しています。このモデルはベンチマークにおいて欧米の競合企業と同等の性能を達成しながらも、トレーニングコストは大幅に削減されています。トレーニング時間はH800 GPUでわずか278万8,000時間と、同等のモデルよりも大幅に短縮されています。
この発展は、技術的リーダーシップが必ずしも最も資金力のあるプレーヤーにのみ与えられるわけではないことを示しています。巧みなアーキテクチャ上の決定と最適化によって、リソースの優位性を補うことができます。世界のAI環境において、これは多極化の進展を意味します。中国、ヨーロッパ、その他の地域は、西洋のモデルを単純に模倣するのではなく、独自のアプローチを開発しています。
再評価と避けられない二日酔い
これらすべての要因が重なり合うことは、AI業界の再評価が迫っていることを示唆しています。現在の評価は、モデル性能と商用導入の両方において、継続的な指数関数的成長を前提としています。しかし、どちらの前提もますます疑問視されるようになっています。モデル性能は停滞し、コストは高騰し続けています。商用導入は拡大しているものの、収益化は依然として課題となっています。
評価額が5,000億ドルのOpenAIが、その評価額に見合うためには、年間売上高を少なくとも1,000億ドルに成長させ、今後数年間で黒字化を達成する必要がある。これは、わずか数年で10倍の増加を意味する。比較対象として、Googleは売上高を100億ドルから1,000億ドルに成長させるのに10年以上を要した。AI企業への期待は非現実的と言えるほど高い。
アナリストたちはAIバブルの崩壊の可能性を警告している。ドットコムバブルとの類似点は明らかだ。当時も今も、莫大な可能性を秘めた革新的な技術が登場している。当時も今も、不合理に過大評価された企業価値と循環的な資金調達構造が存在する。投資家は当時も今も、AI技術がすべてを変え、従来の評価基準はもはや通用しないと主張し、不合理な企業価値を正当化している。
決定的な違いは、多くのドットコム企業とは異なり、今日のAI企業は実際に機能し、真の価値を持つ製品を持っていることです。ChatGPTはベイパーウェアではなく、何百万人もの人々が日々利用するテクノロジーです。問題はAIに価値があるかどうかではなく、現在の評価額を正当化するほどの価値があるかどうかです。答えはおそらくノーでしょう。
再評価が下されれば、それは痛みを伴うことになるだろう。ベンチャーキャピタルは資本の70%をAIに投資している。年金基金や機関投資家は甚大な影響を受けている。AIの評価額が大幅に下落すれば、広範囲にわたる経済的影響が生じるだろう。安価な資金調達に依存している企業は、突如として資金調達に苦戦するだろう。プロジェクトは中断され、従業員は解雇されるだろう。
長期的な視点と今後の方向性
こうした短期的な見通しの暗さにもかかわらず、人工知能の長期的な可能性は依然として計り知れない。現在の誇大宣伝は、この技術の根本的な重要性を変えるものではない。問題は、AIがその可能性を実現するかどうかではなく、どのように、そしていつ実現するかである。ルカン氏が短期的な製品開発から長期的な基礎研究へと転換したことは、その方向性を示している。
次世代のAIシステムは、今日のLLMとは異なるものになる可能性が高い。世界モデル、代替アーキテクチャ、そして新たな学習パラダイムといった要素を組み合わせるだろう。力ずくのスケーリングではなく、効率的で構造化された表現に頼るようになるだろう。テキストだけでなく、物理世界からも学習するようになるだろう。そして、相関関係だけでなく因果関係も理解するようになるだろう。
しかし、このビジョンを実現するには、時間と忍耐、そして基礎研究を行う自由が必要です。現在の市場環境では、まさにこうした条件を見つけるのは困難です。迅速な商業的成功へのプレッシャーは計り知れません。四半期ごとの報告書作成と評価ラウンドが議題の中心を占めています。成果が出るまでに何年もかかる可能性のある長期的な研究プログラムは、正当化するのが困難です。
65歳でスタートアップを設立するというルカン氏の決断は、まさに異例と言えるだろう。彼はあらゆる栄誉と歴史に名を残すという確約を得て引退することもできたはずだ。しかし、業界の主流に拒絶されたビジョンを追求するという困難な道を選んだ。メタ氏は引き続きパートナーとして残るため、少なくとも当初はリソースを確保できる。しかし、真の成功は、今後数年間で高度機械知能（AIM）が真に優れていることを実証できるかどうかにかかっている。
変革には何年もかかるでしょう。たとえLeCun氏の言う通り、世界モデルが根本的に優れているとしても、開発、最適化、そして産業化はまだ必要です。エコシステムの構築も必要です。開発者は新しいツールの使い方を学ぶ必要があります。企業はLLMから新しいシステムに移行する必要があります。こうした移行段階は歴史的に見て常に苦痛を伴ってきました。
誇大宣伝から現実へ：AIにおける長期的な行動方針
ヤン・ルカン氏のMetaからの退任は、単なる人事異動にとどまらない。科学的ビジョンと商業的実用主義、長期的なイノベーションと短期的な市場ニーズの間に存在する根本的な緊張関係を象徴している。現在のAI革命は転換期にある。スケールアップによる容易な成功は既に尽きており、次のステップはより困難で、費用がかさみ、不確実なものとなるだろう。
投資家にとって、これは現在のAIリーダー企業の法外な評価額を批判的に検証する必要があることを意味します。企業にとって、AIによる生産性の急速な向上への期待が裏切られる可能性があることを意味します。社会にとって、変革は誇大宣伝の波が示唆するよりも遅く、不均一になることを意味します。
同時に、基盤は依然として強固です。AIは一時的な流行ではなく、長期的には経済のほぼすべての分野を変革する基盤技術です。産業革命との類似点はまさにそれです。当時と同様に、勝者と敗者、過剰と修正、激動と調整が生じるでしょう。問題は、変革アーキテクチャが限界に達したかどうかではなく、次の段階がどのようなものになるのか、そして誰がそれを形作るのかということです。
ルカン氏の高度な機械知能と世界モデルへの賭けは大胆だが、先見の明があると言えるかもしれない。5年後には、主流から離脱することが正しい決断だったのか、それとも業界が現状維持を貫いたのかが明らかになるだろう。今後数年間は、人工知能の長期的な発展、ひいては経済と社会の未来にとって極めて重要な時期となるだろう。
米国における事業開発、販売、マーケティングの専門知識
米国における事業開発、営業、マーケティングの専門知識 - 画像: Xpert.Digital
業界重点分野: B2B、デジタル化（AIからXRまで）、機械工学、物流、再生可能エネルギー、産業
詳細については、こちらをご覧ください:
洞察力と専門知識を備えたトピックハブ:
- 世界および地域の経済、イノベーション、業界特有のトレンドに関する知識プラットフォーム
- 重点分野からの分析、インパルス、背景情報の収集
- ビジネスとテクノロジーの最新動向に関する専門知識と情報を提供する場所
- 市場、デジタル化、業界のイノベーションについて学びたい企業のためのトピックハブ
あなたのグローバルマーケティングおよびビジネス開発パートナー
☑️ 私たちのビジネス言語は英語またはドイツ語です
☑️ NEW: 母国語での通信!
Konrad Wolfenstein
喜んで個人アドバイザーとしてあなたと私のチームにお役に立ちたいと思っています。
お問い合わせフォームにご記入 +49 89 89 674 804 (ミュンヘン)までお電話ください。私のメールアドレスは: wolfenstein ∂ xpert.digital
私たちの共同プロジェクトを楽しみにしています。
☑️ 戦略、コンサルティング、計画、実行における中小企業のサポート
☑️ デジタル戦略の策定または再調整とデジタル化
☑️ 海外販売プロセスの拡大と最適化
☑️ グローバルおよびデジタル B2B 取引プラットフォーム
☑️ パイオニア事業開発 / マーケティング / PR / 見本市
🎯🎯🎯 Xpert.Digitalの5つの専門知識を包括的サービスパッケージで活用 | BD、R&D、XR、PR、デジタル可視性の最適化
Xpert.Digitalの5つの専門知識を包括的サービスパッケージで活用 | R&D、XR、PR、デジタル可視性の最適化 - 画像: Xpert.Digital
Xpert.Digital は、さまざまな業界について深い知識を持っています。 これにより、お客様の特定の市場セグメントの要件と課題に正確に合わせたオーダーメイドの戦略を開発することが可能になります。 継続的に市場動向を分析し、業界の発展をフォローすることで、当社は先見性を持って行動し、革新的なソリューションを提供することができます。 経験と知識を組み合わせることで付加価値を生み出し、お客様に決定的な競争上の優位性を提供します。
詳細については、こちらをご覧ください:
