デミス・ハサビス：エージェント、AGI、そして次の大きな科学的ブレークスルー

デミス・ハサビスがAlphaFoldを世界中の科学者に提供したとき、彼はそれを特許登録しませんでした。AI分野の大手企業にとって、これはほぼ不可解な行動です。しかし今日、新薬はすべて AlphaFold を経由しています。また、その自由な普及により、1,000 件以上の学術論文が生まれ、科学の進歩が加速しています。ここでの真の革命は、単にAIの力ではなく、AIがどのように普及され、活用されるかということです。誰もが、人工知能は誰が最も大きな脳を作れるかの競争だと考えています。しかし、ハッサビス氏の考え方はその逆です。課題は、単により大きなモデルを作ることではなく、それを本当に有用で、アクセスしやすく、人間と同じように、つまり毎回ゼロから始めることなく、継続的に学習できるものにすることです。今日、ほとんどのモデルは「ステートレス」で動作します。つまり、セッション間ですべてを忘れてしまうのです。各プロンプトは、過去から何も学んだことがないかのように、新たな始まりとなるのです。しかし、人間の脳は違います。睡眠中に、重要な経験を再処理し、定着させるのです。これは、ハサビスが海馬の機能に関する博士号取得中に研究した詳細な点です。2013年に DeepMind が Atari のビデオゲームを打ち負かした最初のプログラムを設計したとき、真の転機となったのは、まさにこの生物学的な考え方から着想を得たことでした。このモデルは、内部で最高のゲームを「再プレイ」し、勝利のシーケンスから学習するというものでした。しかし今日、巨大なメモリウィンドウ（数百万のトークン）を備えていても、ほとんどのAIシステムは、本当に重要なものと背景雑音を区別せずに、大雑把な方法でデータを蓄積しています。そして、モデルが意思決定のために適切な情報を探す必要がある場合には、必ず具体的なコストがかかります。ここでハッサビス氏は、驚くべき比較をします。現在のモデルは、巨大な「記憶」を持っているにもかかわらず、実際には、限定的ながらもよく整理された記憶を持つ人間よりも効率性が低く、選択性が低いのです。そして、ここで大きな転換点が訪れます。処理能力やデータ量を増やすだけでは不十分なのです。学習における新たな質が必要なのです。つまり、状況に適応し、長期的に推論し、個人的で選択的な記憶を構築する能力が必要なのです。具体的な例を挙げると、進歩はあったものの、世界ランキングを制覇できるゲームを作成したAIエージェントはまだありません。17歳のハッサビス氏が6か月かけて作成したものを、今日では誰でも30分でプロトタイプ化できるにもかかわらずです。作品に意味と価値を与える「魂」と深い創造性、つまり道具を傑作に変える人間の推進力が、まだ不足しているのです。それでも、境界線は薄れつつあります。ハッサビス氏は、完全な自律性が実際に実現する前に、今後6～12か月以内に、AIエージェントを使用して生産性を1,000倍に増やすことができるチームが登場すると予測しています。そして、次のような疑問が生じます。これらの能力が少数の研究所に集中するのではなく、スマートフォン上で動作するのに十分な小ささで、かつ実際の問題を解決するのに十分なパワーを備えたオープンソースモデルとして普及した場合、何が起こるのでしょうか？ここでは、2週間で4,000万回オープンされ、ダウンロードされたGemmaモデルは、ほんの始まりに過ぎません。次の科学的ブレークスルーを生み出したい人には、ハッサビス氏は2つのルールを提示します。1つ目は、膨大な研究領域を持つ問題を探すことです。たとえば、蛋白質の配列や囲碁の手筆など、膨大な計算量を必要とする問題です。2つ目は、明確な目標、つまり登っていくことができる「目標関数」を定義することです。その後、大量の実際の実験、または探求したい領域をシミュレートするのに十分なデータが必要です。このような状況下では、新しいAIは単なる「問題解決者」ではなく、共同研究者となる可能性があります。つまり、答えを見つけるだけでなく、根本的に新しい質問を提案し、解決する価値のある次の千年問題を「発明」することができるのです。ハサビス氏はさらに、1901年以前のデータでAIを訓練し、1905年のアインシュタインのように、AIが特殊相対性理論を独力で「発見」できるかどうかを確認するというテストまで提案しています。最終的な目標は、難しい問題を解決することだけでなく、知識の新たな境地を生み出すことです。そして、このアプローチには驚くべき点があります。ハッサビス氏は、すべてを包含する「単一の超脳」を信じていないのです。代わりに、専門的なツールを使用する一般的なシステム、つまり各モデルが1つのことをうまくこなしながら他のモデルと協力する、一種のAIオーケストラを想定しています。未来に必要なアイデアは、単により多くの能力ではなく、ツールの使用におけるより多くの調整とより多くの「手作業」です。AI を使って真の科学を行うスタートアップと、単に API をパッケージ化するスタートアップとの違いを疑問に思う方へ、答えはここにあります。真の影響力は、情報工学だけでなく、物理学、生物学、材料学など、複数の分野にわたる深い専門知識を組み合わせる企業から生まれるのです。ハッサビス氏は、挑戦のように聞こえるアドバイスで締めくくります。「難しい問題は、簡単な問題よりも複雑なわけではありません。単に難しさの形が異なるだけです。人生は一度きり。自分がいなくなった後に世界を変えるようなことに費やそう。」 一般人工知能は、おそらく私たちがまだ旅を続けている間に到来するでしょう。しかし、本当の質問は次のとおりです。明日、あなたのツールがまだゲームをプレイしている間にゲームのルールを変える可能性があることを知っていたとしたら、今日何を構築しますか？真のイノベーションは、モデルの規模ではなく、モデルが可能にする質問の質にあります。このビジョンが AI と科学に関する新たな視点をあなたにもたらした場合、Lara Notes で [I'm In] を押すことができます。これは、このアイデアが今やあなたのものであることを表明する方法です。そして、明日、誰かとAlphaFoldや質問を生み出すモデルについて話し合うことになったら、その会話にShared Offlineのタグを付けてください。本当に素晴らしいアイデアは、必ず最初に実際の会話から生まれるからです。このNotaは、Y Combinatorによるデミス・ハサビスへのインタビューに基づいており、あなたの37分を節約しました。