2026年のAI最前線：スケーリング則の行方、ポスト学習の新潮流、AGIへの道筋

2025年1月のDeepSeek R1リリースをきっかけに、中国と米国のAI競争の現状が検証される。DeepSeekは少ない計算資源で最先端性能を実現したとされ、これが業界全体に与えた影響は大きい。この部分では、計算量とコスト効率の観点からどちらが優位にあるのか、オープンウェイト vs クローズドソースの戦略的違い、そして規制や地政学的要因までを含めた総合的な競争構図が論じられている。両者の専門知見から、短期的には米国企業の優位が続くものの、中国企業の急速な進化を見過ごせないという現実的な評価が示される。

複数の主流LLMが並立する時代に、それぞれの強みと弱みをどう評価するか。表面的なベンチマーク値ではなく、実装の質、ユーザー体験、エコシステムなど、複合的な競争軸が存在することが説明される。特にコーディング用途、推論品質、安全性や透明性の面での違いが掘り下げられ、単一の『最強モデル』は存在せず、用途や価値観によって選択が変わることが明確にされる。セバスチャンとネイサンの現場経験に基づいた、ベンチマークスコアでは見えない実装レベルの評価が興味深い。

LLM時代を通じて『スケーリング則』は改善の源泉とされてきたが、計算資源の限界やコスト増加のなか、この仮説はなお有効か。エピソード内では、ただ単純にパラメータと学習データを増やすだけでなく、ポスト学習（post-training）、推論時スケーリング（test-time scaling）、合成データなど、多次元的なスケーリング戦略が並行して進化していることが指摘される。従来の『スケーリング則』の枠組みはやや狭く、より広義の『効率的改善』の方法が組み合わされている現在地が描かれる。

ネイサンが執筆した本の重要テーマとして、ポスト学習の本質、特に『評好度（preference）の圧縮』が論じられる。RLHF（強化学習からの人間フィードバック）は複雑な人間の好みを単一の報酬値に落とし込む工程だが、この過程で失われる情報や、社会選択理論との接続など、経済学や哲学の視点が導入される。また、モデルの『キャラクター』設定をいかに一貫性を保ちながら調整するかは、未だ体系的な方法論が確立されていない領域であり、OpenAIのモデル仕様書（model spec）のような透明性ある記述の重要性も述べられている。

テスト時（推論時）にモデルがより多くの計算資源を使うことで性能を向上させる『推論時スケーリング』は、学習段階でのスケーリングの限界を補う有力な方向性として注目されている。加えて、一度学習が終わったモデルが継続的に新しい知識を取り込む『継続学習（continual learning）』や、テキスト拡散モデルなどの新しいアーキテクチャも研究されている。これらの方向性は、単一の大規模学習一度きりという既成概念を打ち破り、より柔軟で持続的な学習メカニズムへの転換を示唆している。

コーディングタスクの自動化とAIの進化により、プログラマー職の将来が問われる。議論では、単純な自動化ではなく、人間の創造性や問題設定の能力がより価値を増すシナリオが描かれる。一方で、業界への進入障壁が低くなり、キャリアパス全体が不確実になる側面も言及される。重要なのは、AIツールをどう使いこなすかが競争優位の源になり、従来の訓練も新しい適応スキルも両方必要になるというメッセージ。

AGI（汎用人工知能）達成までの期間や可能性については、技術的確実性と不確実性の両方が語られる。完全な確信ではなく、慎重さと楽観の間で揺らぐ現在の業界心理が透ける。特に重要なのは、AIが『指示された通りに動く道具』である限り、人間の選択や価値判断が入力側に残る、という哲学的主張。つまり、単なる技術的問題ではなく、人間がAIをどう使う社会を選ぶかが本質だということが強調される。

エピソード終盤では、意識とエージェンシー（決定権）を中心に、人間とAIの本質的な違いについて哲学的な議論が交わされる。セバスチャンはAIが意識を持たない限り人間が支配的である、という立場を示し、同時に人間の共同性と問題解決能力への信頼を表明する。社会全体がAIの恩恵を享受するには、単なる技術開発だけでなく、政治的・社会的な合意形成と透明性が不可欠だという、技術者らしからぬ広視点も登場する。最後は、人間とAIの未来は人間の選択に委ねられているというメッセージで締めくくられる。