思考する機械：OpenAIの元CTOが提唱する「インタラクションモデル」が人間とAIのコラボレーションの未来を拓く

AIの進化がかつてない速度で加速する現代において、人間とAIの関係性は常に変革の途上にあります。特に、大規模言語モデル（LLM）の登場以来、AIが私たちの日常生活やビジネスに深く浸透する中で、その可能性と課題が浮き彫りになってきました。こうした状況下で、OpenAIの元最高技術責任者（CTO）であるミラ・ムラティ氏が立ち上げた「Thinking Machines Lab（TML）」が発表した「インタラクションモデル」は、人間とAIの協調を次のレベルへと引き上げる画期的なアプローチとして注目を集めています。

本記事では、この革新的なインタラクションモデルの核心に迫り、その具体的な機能、従来のAIとの違い、ビジネスへの影響、そしてそれがAIの未来にどのようなパラダイムシフトをもたらすのかを深く掘り下げていきます。同時に、AI業界を取り巻く現在のダイナミクス、大手企業による新たな戦略、そして技術革新の裏側に潜む市場の動きや規制の議論といった、多角的な視点からこの技術の重要性を考察します。

AI業界を揺るがす最新の動き：OpenAI、Anthropic、そして激化する競争

AI技術の急速な発展は、業界全体に大きな影響を与えています。最近のヘッドラインは、このダイナミックな変化を如実に示しています。

OpenAIが140億ドル規模のAIコンサルティング部門を立ち上げ

まず注目すべきは、OpenAIが「OpenAI Deployment Company」（DeployCo）という名の新たなAIコンサルティング部門を正式に発足させたことです。これは、AI開発における単なる技術提供にとどまらず、企業がAIを実際に導入し、その価値を最大限に引き出すための包括的なサポートを提供することを目的としています。

OpenAIは、TomoroというAIコンサルティング・エンジニアリング会社を買収することで、約150人の経験豊富なデプロイエンジニアとデプロイメントスペシャリストを一挙に獲得しました。このDeployCoは、TPG、Advent、Bain Capital、Brookfieldなど、19の主要なグローバル投資会社、コンサルティングファーム、システムインテグレーターとのジョイントベンチャーとして運営されます。初期投資は40億ドル、評価額は100億ドルという巨額に上り、その市場からの期待の高さがうかがえます。

この大規模な投資の背景には、企業がAI技術を導入する際の共通の課題があります。AIモデルがいくら強力であっても、それを既存のワークフローやビジネスプロセスに統合し、組織全体を変革するためには、高度な専門知識と綿密なサポートが不可欠です。投資家がDeployCoに資金を投じる主な動機は、彼らのポートフォリオ企業がOpenAIの専門エンジニアに早期にアクセスできる「バイインコスト」として機能することにあります。これにより、AIトランスフォーメーションを加速させ、競争優位を確立しようとする狙いが見て取れます。

興味深いことに、投資銀行のGoldman Sachsは、OpenAIのDeployCoとAnthropicの両方に投資している唯一の企業です。これは、主要なAI開発者間の競争が激化する中で、両陣営へのアクセスを確保しようとする戦略的な動きと言えるでしょう。

Anthropicの評価額の急騰と二次市場の複雑な現実

一方で、OpenAIの競合であるAnthropicも、市場で大きな注目を集めています。最近のSNSの投稿では、Anthropicの未公開株市場での評価額が、2025年10月以来1,067%増の1.4兆ドルに達し、24日間で24%増加したという情報が共有されました。また、Anthropicの年間収益が2023年の1億ドルから45億ドルに急増したという報道もあります。

しかし、これらの「市場暗示された」評価額は、実際の資金調達ラウンドでの評価額とは異なる複雑な現実を伴っています。多くの場合、これらの取引はブロックチェーンなどを介した「グレーな二次市場」で、SPV（特別目的事業体）を通じて行われています。SPVは、Anthropic株を裏付けると主張するトークン化された証券を発行しますが、これは必ずしも公式な株主権を意味しません。

AnthropicとOpenAIは共に、これらの無許可の二次市場取引に対する警告を発しています。Anthropicは、サポートドキュメントを更新し、許可されていない株の譲渡は無効であり、公式記録には認識されないと明記しました。特に、SPVによる株の取得は許可されておらず、SPVへの譲渡も無効とされています。一般市民へのAnthropic株の販売を主張する第三者は、詐欺に関与しているか、あるいは価値のない投資を提供している可能性が高いと警告されています。OpenAIも同様に、無許可の株式取引は法的に無効であるという立場を表明しています。

専門家は、もしAnthropicがこれらの二次市場取引を無効にしようとすれば、多数の訴訟につながる可能性があると指摘しており、急速な成長の裏にある法的な複雑性と市場の不安定性を浮き彫りにしています。これは、グローバル金融危機以降、プライベート企業がIPOを避けて無制限のプライベート資本に依存する傾向が強まった結果、二次市場が肥大化し、一般投資家が企業成長の恩恵にあずかる機会を制限しているという、より大きな金融市場のダイナミクスの一部でもあります。

AI製品の規制に関する議論と政府のスタンス

AI技術の倫理的側面や安全性への懸念が高まる中、AI製品の規制に関する政府の議論も活発化しています。米国政府はAIモデルの監視計画を進めているものの、新たな大規模な規制機関を設立する予定はないと発表しました。

かつては、ケビン・ハセット国家経済会議議長が、AIモデルをFDA（アメリカ食品医薬品局）の薬剤承認プロセスのように、安全性が証明されるまでプロセスにかけるという考えを述べていました。しかし、この提案は業界から「イノベーションを阻害する」という大きな反発を招き、その後、ハセット氏自身もFDAのような組織は考えていないと確認しました。

現在の政府のアプローチは、政府全体と民間部門全体が連携し、モデルが一般公開される前に、モデルが極端な損害を引き起こさないことを確認することに重点を置いています。元AI開発者のDavid Sacks氏は、FDAのような規制ではサイバー脅威を止められず、米国のAI企業がサイバー防御のためにAIを使用できることこそが解決策であると主張し、このアプローチを支持しています。

NVIDIAのCEOが中国訪問団から外れる：米中テック戦争の影

米中間のテクノロジー覇権争いが激化する中、ドナルド・トランプ大統領が中国での習近平サミットに率いるテクノロジー企業の代表団から、NVIDIAのCEOであるジェンスン・フアン氏が欠席したことは、大きな憶測を呼んでいます。イーロン・マスク氏（テスラ）、ティム・クック氏（Apple）、ディーナ・パウエル・マコーミック氏（Meta）といった中国に大きな事業を展開する企業の幹部が参加する一方で、AIチップ市場のリーダーであるNVIDIAのトップの不在は異例です。

これは、ホワイトハウスがNVIDIAのAIチップを貿易交渉の議題から外すというシグナルを送っている可能性を示唆しています。以前は、高性能なH200 GPUの対中輸出が承認される予定でしたが、これらの計画は停滞しており、商務省による輸出ライセンスの承認はこれまでゼロです。フアン氏の欠席は、米中間のデカップリングの動きが、半導体およびAI産業に与える深刻な影響を浮き彫りにしています。

Thinking Machines Labが発表する「インタラクションモデル」：AI協調の新時代

このような激動のAI業界の中で、OpenAIの元CTOであるミラ・ムラティ氏が立ち上げたThinking Machines Lab（TML）が発表した「インタラクションモデル」は、人間とAIの協調のあり方を根本から再定義する可能性を秘めています。この新しいアプローチは、OpenAIやAnthropicといった既存の大手とは異なる、独自の哲学と技術を提示しています。

TMLの創設背景とこれまでの歩み

Thinking Machines Labは、元OpenAIのCTOであるミラ・ムラティ氏が、AIとのより深いコラボレーションを実現するために設立しました。以前TMLは、企業がオープンソースモデルをファインチューニングできる強化学習プラットフォーム「Tinker」をリリースしましたが、当時は業界で大きな注目を集めるには至りませんでした。

昨年後半には、より積極的な資金調達の噂や、自社モデルのリリースに関する話も出ていましたが、今年に入ってからTMLの共同創設者の一部がOpenAIに復帰するなど、ラボの行方について様々な憶測が飛び交いました。これは、AI開発における資源がトッププレイヤーに集中し、「現実主義」の時代に入ったことを示唆しているとも言えるでしょう。しかし、TMLの最新の発表は、こうした状況を打破し、再び業界の注目をTMLに集めるものとなりました。

従来のAIが抱える「コラボレーションのボトルネック」

TMLが「インタラクションモデル」を提唱する背景には、既存のAIシステムが抱える根本的な課題、すなわち「コラボレーションのボトルネック」があります。ミラ・ムラティ氏は、「現在のAI体験は、対話が終わった後にようやく始まる会話のように感じられる」と指摘します。従来のAIモデルやインターフェースは、自律的なタスクの実行には優れているものの、人間が常にループの中にいる協調的な作業には最適化されていません。

多くの場合、私たちはAIに何かを尋ね、AIからの応答を待ってから次の行動を決めます。これは、まるでメールでのやり取りのように非効率的です。ユーザーは思考をまとめ、質問を明確にし、AIがそれに応答するまで待機する必要があります。この「ターンベース」のインタラクションは、AIがユーザーの知識、意図、判断をリアルタイムで十分に把握することを妨げ、相互理解の「狭いチャネル」を生み出してしまいます。結果として、人間がAIのインターフェースに適応しなければならず、AIが真に人間のコンパニオンとなることを阻害しています。

インタラクションモデルの革新的なアプローチ

TMLが提案する「インタラクションモデル」は、このコラボレーションのボトルネックを解消するために、根本的に異なるアプローチを採用しています。

リアルタイムな双方向性: 従来のターンベースのシステムとは異なり、TMLのモデルはリアルタイムのインタラクションをネイティブに処理するためにゼロから訓練されています。これは、人間とAIが同時に知覚し、応答し、継続的に双方向にコミュニケーションできるシステムを意味します。物理世界でロボットや自動運転車がリアルタイムで動作する必要があるように、一部のドメインでは「インタラクティブ性」が必須となります。
マイクロターンと並列処理: モデルは、連続的な入力と出力を200ミリ秒という非常に短い「マイクロターン」のストリームに分割して処理します。これにより、会話の沈黙、オーバーラップ、中断といった人間の対話の自然な側面が、モデルのコンテキストの一部として認識されます。人間が発話を終えるのを待つのではなく、常に対話の流れを捉え続けます。
二層構造のアーキテクチャ: インタラクションモデルは、以下の2つの主要な部分から構成されるアーキテクチャを採用しています。
- リアルタイムインタラクションモデル: ユーザーと常に対話し、聞き、見て、考え、話す役割を担います。これは、ユーザーとの即時的な関係性を維持し、会話の流れをスムーズに進めるための「ユーザーフェイシングレイヤー」として機能します。
- バックグラウンドモデル: リアルタイムインタラクションモデルでは即座に答えられない、より深い推論、情報検索（ブラウジング）、ツール利用、エージェントタスクといった時間のかかる作業を非同期的に実行します。

この二層構造により、インタラクションモデルはユーザーとの対話を中断することなく、バックグラウンドで複雑なタスクを処理し、その結果を会話に適切に織り込むことができます。これにより、AIは常にユーザーの状況を把握し、より有益でタイムリーなサポートを提供することが可能になります。

具体的な機能とデモンストレーションの例

TMLのデモンストレーション動画は、このインタラクションモデルがもたらす具体的な能力の片鱗を示しています。

視覚認識とコンテキスト理解: モデルは、ビデオ画面に新しい人物が加わったことをリアルタイムで認識し、会話でそれに言及することができます。これは、AIが単に音声だけでなく、視覚的なコンテキストも理解し、対話に組み込む能力を示しています。
同時翻訳の進化: 従来の翻訳ツールのように話者が話し終えるのを待つのではなく、モデルは話者が話し続けている間に同時翻訳を開始します。これは、イベントでの同時通訳者のように、数秒遅れで翻訳を開始することで、より流暢で自然なコミュニケーションを可能にします。
適応的なダイアログ管理: モデルは、話者が思考している、譲歩している、自己修正している、あるいは会話への参加を促しているといった状態を追跡し、これに応じて応答を調整することができます。特定の組み込みのダイアログ管理システムに依存せず、コンテキストに適応する能力は、AIがより人間らしい対話を行う上で不可欠です。
視覚的介入によるヘルスケア応用: デモでは、ユーザーの姿勢の悪化をモデルがリアルタイムで検知し、「背筋を伸ばして」とリマインドする様子が示されました。これは、ヘルスケアやウェルネスの分野で、AIがユーザーの行動をプロアクティブに監視し、介入する新たな可能性を提示します。
言語の「専門的な軟化」: ある研究者が、遅刻癖のある同僚に言いたい言葉（直接的で批判的な内容）をモデルに伝えると、モデルはそれをより社会的に受け入れられる、丁寧な表現にリアルタイムで修正しました。これは、AIがコミュニケーションのニュアンスを理解し、人間関係を円滑にするための「プロフェッショナルな軟化」を可能にすることを示唆しています。
マルチタスクによる知能の向上: ユーザーがAIと会話しながらスマートフォンを操作している際、モデルはバックグラウンドで検索を実行し、その結果を会話にシームレスに統合します。ユーザーはAIが裏で何かをしていることに気づかず、ただAIがより賢く、有能であると感じるだけです。これは、AIが複数のタスクを並行してこなし、より高いレベルの知能を発揮する可能性を示しています。

これらのデモは、インタラクションモデルが単なる機能の集合体ではなく、人間とAIがより自然で、効果的で、そして知的な方法で協力し合うための基盤を築くものであることを示唆しています。ミラ・ムラティ氏が言うように、「AIとの連携の仕方は、AIがどれほどスマートであるかと同じくらい重要」であり、AIが「状況に応じた賢さ」を発揮するための設定を人間が作り出す必要があるのです。

TMLの哲学と「Thinky's secret plan」

TMLの共同創設者であるSoumith Chintala氏は、ラボの「秘密の計画」として以下の3つの目標を掲げています。

人間とAIの帯域幅を増やす (Increase Human -> AI bandwidth): 人間とAIがより多くの情報を、より迅速かつ効率的に交換できるようにすることを目指します。インタラクションモデルのリアルタイム性と双方向性は、この帯域幅を劇的に拡大するための鍵となります。
人間 + AIの知能の上限を高める (Raise ceiling of Human + AI intelligence): AIが単独で賢くなるだけでなく、人間とAIが協力することで、個々の能力の総和をはるかに超える新たな知能レベルに到達することを目指します。AIが人間の知識や意図を理解し、人間の判断を補完することで、より複雑な問題解決や創造性を促進します。
新しい世界で人間がメインキャラクターであり続けるのを助ける (Help humans continue as main-characters in the new world): AIの進化が人間を脇役にするのではなく、むしろ人間がその能力を最大限に発揮し、新たな役割や可能性を見出すための支援をすることを目指します。AIは人間のツールであり、コンパニオンであり、人間の中心性を高める存在であるべきだという哲学が根底にあります。

この哲学は、AIが人間の生活を向上させ、人間がより多くのことを達成できるようにするという、TMLのミッションを明確に示しています。

インタラクション能力を測る新しいベンチマーク

TMLは、インタラクションモデルがもたらす「質的な飛躍」を、既存のベンチマークが十分に捉えきれていないと主張しています。そのため、彼らは「プロアクティブな音声能力」を測定するために2つの新しい内部ベンチマークを開発しました。

TimeSpeak: このベンチマークは、モデルがユーザー指定のタイミングで発話を「開始」できるか、そしてその際に適切な内容を生成できるかをテストします。例えば、「4秒ごとに息をするように促してほしい」といった指示に対して、モデルが適切なタイミングで介入できるかを評価します。
CueSpeak: CueSpeakは、モデルが適切なタイミングで発話し、期待される意味的に正しい応答ができるかをテストします。例えば、「コードスイッチして別の言語を使うたびに、元の言語で正しい単語を教えてください」といった複雑な指示に対して、モデルがコンテキストを理解し、正確な応答を生成できるかを評価します。

TMLの評価によれば、既存のどのモデルもこれらのタスクを意味のある形で実行することはできません。これは、インタラクションモデルがAIの能力において、質的に新しい領域を切り開いていることを強く示唆しています。新しいベンチマークの必要性は、まさにTMLの技術が「カテゴリーチェンジ」をもたらすものであるという彼らの主張を裏付けるものです。

インタラクションモデルが拓くビジネスと社会の未来

TMLのインタラクションモデルは、AIの能力の限界を押し広げるだけでなく、ビジネスと社会に計り知れない影響を与える可能性を秘めています。

ビジネスへの影響と新たなユースケース

生産性の飛躍的向上: 会議、カスタマーサポート、教育、トレーニング、創造的コラボレーションなど、人間がAIと密接に連携するあらゆる分野で、インタラクションモデルは劇的な生産性向上をもたらすでしょう。例えば、AIが会議中にリアルタイムで議事録を作成し、関連情報を検索し、さらには議論のポイントを要約して提示することで、人間の参加者はより深い議論に集中できます。
パーソナライズされたAIコンパニオン: 視覚認識、音声認識、対話管理の組み合わせにより、ユーザーの状況や意図を深く理解する、高度にパーソナライズされたAIコンパニオンが実現します。これは、個人のヘルスコーチ、学習チューター、クリエイティブアシスタントなど、多岐にわたる形態を取り得ます。
産業分野での応用: ロボティクスや自動運転といった分野では、リアルタイムでの環境認識と適応的な応答が不可欠です。インタラクションモデルの連続的な時間認識の能力は、これらの分野におけるAIの安全性と効率性を大幅に向上させる可能性があります。例えば、製造現場での人間とロボットの協調作業において、ロボットが人間の意図をリアルタイムで把握し、よりスムーズかつ安全に協働できるようになります。

AI開発のパラダイムシフト

TMLは、AI開発における既存の「プロンプトエンジニアリング」の限界を指摘しています。ユーザーが正確な命令を「入力」し、AIからの「出力」を期待するCLI（コマンドラインインターフェース）のようなアプローチは、AIとの真のコラボレーションには不十分です。

TMLのインタラクションモデルは、AIシステムが「アウターユーザーフェイシングレイヤー」として機能し、ユーザーの情報を継続的に学習し、ユーザーが実際に何を求めているのかを理解することを目指します。これは、AI開発がツールとしてのAIから、コンパニオンとしてのAIへと移行する、根本的なパラダイムシフトを意味します。AIは、ユーザーがタスクに集中できるよう、より流暢で自然な形でユーザーをサポートするようになるでしょう。

業界の反応と今後の展望

TMLの「インタラクションモデル」の発表は、AI業界で大きな反響を呼びました。 Latent SpaceのSwyx氏は、「リアルタイム」の定義が「Thinking Machinesによってブルータリーにフレームモグされ、大規模にアップグレードされた」と表現し、その革新性を高く評価しました。Chris氏も、この技術は従来のAVM（Automatic Voice Models）から真のインタラクションモデルへのシフトであり、AIがより人間レベルのコンパニオンに近づいていると指摘しています。

OpenAIの開発者アカウントも、TMLの発表とほぼ同時期に、彼らのリアルタイム音声モデルであるGPT-Realtime-2の新しい機能を紹介するデモを公開しました。これは、チームがスタンドアップミーティングで更新を行い、AIエージェントがバックグラウンドでカンバンボードを更新するといった、リアルタイムコラボレーションのユースケースを示しています。このOpenAIの動きは、TMLが提唱するインタラクションモデルの概念が、業界の主要プレイヤーの間でも重要視され、追随の動きが始まっていることを示唆しています。

TMLは、モデルの性能を評価する新しい指標として、「Unlock Index」の概念を提唱しています。これは、従来のベンチマークスコアだけでなく、新しいモデルがどれだけの、そしてどのような種類の新しいユースケースを「アンロック」できるかという観点から、その価値を測るべきだという考え方です。この視点は、技術の進歩がもたらす実用的な価値と、それが社会にもたらす可能性に焦点を当てています。

結論：人間とAIの真の共創へ

Thinking Machines Labが発表した「インタラクションモデル」は、AI技術の歴史において重要な転換点となる可能性を秘めています。これは単に性能を向上させたAIモデルではなく、人間とAIがより自然で、直感的で、そして効果的な方法で協力し合うための、新しい基盤を築くものです。

従来のAIが抱える「コラボレーションのボトルネック」を解消し、リアルタイムでの双方向性、マイクロターンによる連続的な対話、そしてリアルタイムとバックグラウンドのモデルが連携する二層構造のアーキテクチャは、これまでのAIの課題を克服します。視覚認識、同時翻訳、適応的ダイアログ管理、プロアクティブな介入、そしてマルチタスクといった具体的な機能は、ビジネスにおける生産性向上、新たなユースケースの創出、そしてAI開発のパラダイムシフトを促進するでしょう。

OpenAIやAnthropicといった大手企業が市場で激しい競争を繰り広げ、規制の議論が進む中で、TMLのインタラクションモデルは、AIが人間の生活を豊かにし、人間が新しい世界で「メインキャラクター」であり続けるための真のコンパニオンとなる道を示しています。これは、AIが「どれだけスマートか」だけでなく、「人間とAIがどう連携するか」が重要であるという哲学に基づいています。

この革新的なアプローチが、今後どのような形で発展し、私たちの社会にどのような影響を与えていくのか、その動向から目が離せません。人間とAIが真に協力し合う、より調和のとれた未来への大きな一歩が、今、踏み出されようとしているのです。