AGIへの道：LLMは限界か、それとも新たな革命の序章か？二人のAIリーダーが語る未来
導入：人類が直面する「次の革命」の行方
人類はこれまで、農業革命、産業革命といった大規模な変革を経験してきました。そして今、私たちは「情報革命」あるいは「知能革命」とも呼ばれる、新たな、そして未だ名付けようのない歴史的な転換点に立たされています。この変革の中心にあるのが、目覚ましい進化を遂げる人工知能（AI）、特に大規模言語モデル（LLM）です。LLMの登場は、私たちの日々の仕事、経済、さらには社会の構造そのものに、かつてない変化の波をもたらそうとしています。
しかし、この技術の将来性、特に汎用人工知能（AGI）への到達の可能性とその道のりについては、AI分野の最前線で活躍する専門家たちの間でも、意見は大きく分かれています。楽観論者は、AGIがすぐそこにあり、私たちの想像を超える豊かな未来を約束すると語ります。一方で、懐疑論者は、現在のLLMには根本的な限界があり、AGIへの道のりはまだ遠いと警鐘を鳴らします。
本稿では、AI分野における二人の著名なリーダー、QuoraおよびPoのCEOであるアダム・ダンジェロ氏と、ReplitのCEOであるアムジャド・マサド氏の対談から、この複雑な問いに対する彼らの異なる、しかし深い洞察を探ります。彼らの議論は、LLMの現状、AGIの定義、経済への影響、イノベーションの性質、そして人間とAIが共存する未来の姿について、多角的な視点を提供してくれるでしょう。この詳細なレポートブログ記事を通じて、読者の皆様がAIの未来をより深く、より具体的に理解できるよう努めます。
第1章：AGIへの距離とLLMの真価 – 楽観論と懐疑論の交錯
AIの将来、特にAGI（汎用人工知能）への到達時期と、その主要な担い手であるLLMの能力については、業界内で様々な意見が飛び交っています。アダム・ダンジェロ氏とアムジャド・マサド氏は、それぞれの経験と専門知識に基づき、この問題に対して鮮明なコントラストを描く見解を提示しています。
アダム・ダンジェロ氏の楽観的展望：LLMはAGIへの十分な基盤か
アダム・ダンジェロ氏は、LLMの進歩速度に驚くべき加速を見出しており、AGIへの到達を極めて楽観視しています。彼は、最近のLLMの進歩、特に推論モデルの向上、コード生成能力の飛躍的な進化、そして動画生成能力の発展に注目し、これらが「今まで以上に速く」進んでいると指摘します。世間の一部の悲観論に対し、彼は「彼らが何を言っているのか理解できない」とまで述べ、過去1年間の進歩を振り返れば、LLMがAGIへの道を力強く進んでいることは明らかであると主張します。
ダンジェロ氏は、現在のLLMが抱える課題の多くは、「実際の知能の欠如」ではなく、「適切なコンテキストをモデルに与えること」にあると分析します。つまり、モデル自体は高い知能を持っているものの、特定のタスクを遂行するために必要な情報や背景知識を効果的に供給するメカニズムがまだ十分に洗練されていない、という考え方です。さらに、コンピュータ利用能力といった側面はまだ完璧ではないものの、今後1〜2年でほぼ確実に達成されるだろうと予測しています。この能力が実現すれば、人間の行う仕事の大部分を自動化できるようになると彼は見込んでいます。
AGIの定義についても、ダンジェロ氏は実用的な視点を提供します。彼が提唱するのは、「リモートワーカーができるあらゆる仕事をこなせるAI」というものです。この定義には、世界で最も優れた人間よりも優れている必要性や、複数の人間のチームよりも優れている必要性といった、より極端な要件は含まれません。しかし、一般的なリモートワーカーの能力をAIが超えた時点で、私たちは「非常に異なる世界」に生きることになるだろうと彼は強調します。この定義に基づけば、現在LLMに対して向けられている多くの批判は、1〜2年後にはその妥当性を失うだろうと予測しています。
また、ダンジェロ氏は、現在のLLMアーキテクチャでは、メモリや連続学習といった課題が存在することも認めています。しかし、彼はこれらの課題も「ある程度はごまかせる（sort of fake）」か、あるいは「十分うまく機能させる」ことができると考えており、根本的に新しいアーキテクチャが必要であるとは考えていません。推論モデルや事前学習の進歩は依然として目覚ましく、今後数年間でさらなる大きな進歩が期待できると、彼はLLMの継続的な進化に対する強い信頼を示しています。
アムジャド・マサド氏の現実的見解：LLMは「機能的AGI」か、真の知能はまだ遠いか
一方、アムジャド・マサド氏は、AIの進歩に対する興奮を共有しつつも、AGIのタイムラインやLLMの能力については、より現実的で批判的な視点を持っています。彼は、2022年から2023年にかけて高まったAI安全性の議論、特に「AGIが2027年に到来する」といった過剰な予測や「hype papers」に対して、公の場で懐疑的な立場を取ってきました。その理由は、非現実的な期待が政治家や一般市民を不必要に怖がらせ、結果として不適切な政策や規制につながることを懸念しているためです。
マサド氏は、LLMが「素晴らしい機械」であることは認めつつも、「正確に人間と同等の知能ではない」と強調します。彼の見方では、LLMは依然として「イチゴの問題」（動画内では言及されなかった具体的な例だが、LLMが単純な常識や推論で誤答する事例を指す）や「この文章にはRがいくつありますか」といった単文の質問で簡単に騙されてしまうことがあります。彼は、GPT-4が同様の質問に15秒もの「思考時間」を要した例を挙げ、LLMの知能が人間とは異なる種類のものであることを示唆します。
マサド氏は、LLMが持つ「明確な限界」を指摘し、現在の進歩はこれらの限界を「ごまかし（papering over）」、あるいは「回避（working around）」することによって達成されていると分析します。これは、LLM自体の学習データやインフラの改善、そして「人為的に作られた（contrived）強化学習環境」を通じて、モデルを特定のタスク（例えばコーディングエージェントとして）に特化させる努力を指します。彼が提唱する「機能的AGI (Functional AGI)」とは、まさにこのアプローチによって、大量のデータ、途方もない労力と費用、そして人間による専門知識の投入によって、特定の仕事の多くの側面を自動化できる概念です。
しかし、マサド氏は、このような「ブルートフォース（力任せ）」なアプローチが「真の知能」を解き明かしたことにはならないと考えています。真の知能が解き明かされれば、よりスケーラブルで自然な形で能力が向上すると彼は予測します。現在のLLMの進歩は、GPT-2からGPT-4初期のような「ただ大量のインターネットデータを投入すれば良くなる」時代とは異なり、大量のラベリング作業や契約作業、そして特定のRL環境の構築といった「手作業」に大きく依存していると彼は見ています。
マサド氏のAGIの定義は、ダンジェロ氏とは対照的に、より「オールドスクールな強化学習の定義」に根ざしています。「どんな環境にも適応し、人間と同じように効率的に学習できる機械」こそがAGIであると彼は主張します。例えば、人間がビリヤード台に立って2時間で基本的なプレイを習得できるのに対し、現在の機械は、大量のデータ、計算資源、時間、労力、そして何よりも「人間専門知識（non bitter lesson idea）」がなければ、そのようなスキルをその場で学ぶことはできません。この「人間専門知識」はスケーラブルではないため、現在のAIが「人間専門知識レジーム」にある限り、真のAGIは遠いという彼の見解は一貫しています。
最終的に、マサド氏は、LLMがAGIへの道にあるとは考えていません。もちろん、Claude 4.5のようなモデルの驚くべき進歩は認めつつも、それは「機能的AGI」の領域での進歩であり、「真の知能」の解明とは別物であるという彼の主張は揺るぎません。現在のLLMは「ブルートフォース」的であるという点でダンジェロ氏と合意しつつも、それが「真の文明の次のレベル」や「シンギュラリティ」に到達するためには不十分であり、根本的に異なる「知能の真の性質」を解明する必要があると彼は考えています。そして、現在のAIブームが、その「真の性質」に関する基礎研究から才能を吸い上げてしまっていることへの懸念も示しています。
第2章：AIが変える経済と仕事の未来 – 繁栄と課題
AIの進化は、私たちの経済活動や仕事のあり方に根本的な変革をもたらすことが予想されています。アダム・ダンジェロ氏とアムジャド・マサド氏は、この変革がもたらすGDP成長の可能性、雇用の未来、そして人間知識の新たな価値について、それぞれ異なる角度から考察を深めています。
GDP成長と生産性の爆発：AGIが拓く未曾有の経済拡大
アダム・ダンジェロ氏は、AGIの実現がもたらす経済成長について、極めて楽観的な見通しを示しています。もし、1時間あたり1ドルといった極めて低コストで、人間のあらゆる仕事をこなせるLLMが登場すれば、GDP成長率は現在の年間4〜5%を「はるかに超える」ものになるだろうと彼は予測します。彼の描く未来では、AIは単なる補助ツールではなく、人間の労働力を完全に代替し、経済活動の効率を指数関数的に高める存在となります。このシナリオでは、生産性のボトルネックが解消され、未曾有の経済的繁栄が訪れると考えられます。
しかし、ダンジェロ氏は同時に、AGIへの到達が直線的ではない可能性も指摘しています。LLMが人間のあらゆる仕事をこなせるようになるコストが人間よりも高かったり、あるいは人間の能力の80%程度しかこなせなかったりする可能性も考慮に入れています。その場合、AIがまだできない部分や、必要なエネルギー供給（例えば大規模な発電所の建設）といったサプライチェーンのボトルネックによって、経済成長が阻害される可能性もあると述べています。それでも、長期的には（5年、10年、15年といった期間で）、私たちは最終的にAGIに到達するだろうという彼の確信は揺るぎません。
雇用の変革と新たな機会：ソロプレナーの時代から専門家枯渇問題まで
AIによる雇用の未来については、ダンジェロ氏とマサド氏の間で、共通の期待と独自の懸念が入り混じっています。
「ソロプレナーの時代」の到来
両者が共通して強く期待しているのは、AIが「ソロプレナー（単独の起業家）」を飛躍的に増加させる点です。アダム・ダンジェロ氏は、AIが「一人の人間ができることを大幅に増やした」と述べ、これまでチームを組んで資金を調達し、多様なスキルを持つ人材を集める必要があったアイデアが、一人で実現できるようになると指摘します。これにより、「これまで探求されることのなかった多くのアイデア」が日の目を見るようになり、本当に素晴らしいものが生まれるだろうと期待を寄せています。
アムジャド・マサド氏もこれに同意し、自身が運営するReplitのようなツールを活用して、個人が短期間で多くの収益を上げ、仕事を辞めて起業するケースが増えていることを例に挙げます。彼は、今回のテクノロジーの最もエキサイティングな点として、「初めて、機会がすべての人に大規模に利用可能になった」ことを挙げています。これは、経済的な生産活動への参入障壁が劇的に低下し、多様な才能が花開く可能性を示唆しています。
初級職の自動化とエキスパートの枯渇問題
しかし、アムジャド・マサド氏は、雇用の変化に関して懸念すべきシナリオも提示しています。それは、AI、特にLLMが「エントリーレベルの仕事」を効率的に自動化する一方で、「エキスパートの仕事」は自動化しないという状況です。彼は、品質保証（QA）の仕事を例に挙げ、AIエージェントが多くの基本的なQAタスクをこなすことで、少数の優秀なQA担当者が何百ものエージェントを管理し、生産性が大幅に向上する状況を説明します。
この結果、企業は新規の人員を雇う必要がなくなり、AIエージェントが新人よりも優れているため、人材育成の機会も失われます。マサド氏はこの状況を「奇妙な均衡」と呼び、将来的な社会問題になる可能性を指摘します。CS専攻の大学卒業生の就職が難しくなっている現状も、この初期の兆候であると考えています。
さらに深刻な問題として、マサド氏は「専門家データの枯渇」を挙げています。もしLLMの訓練が専門家のデータに依存しているとすれば、AIがその専門家を代替して職を失わせた場合、将来のLLMを改善するための「エキスパートRL環境」や「ラベリングデータ」が供給されなくなる可能性があります。彼はこれを「経済学者が真剣に考えるべき問題」とし、自動化の「最初のティック」の後に、どうやって次のレベルに進むのかという問いを投げかけています。
AIを活用する能力の重要性
アダム・ダンジェロ氏は、こうした雇用の変化の中で、今後需要が爆発的に高まる仕事のカテゴリーについて、「AIを本当に活用できる仕事」と予測します。特に、AI単独ではできなかったことを、人間がAIを巧みに使って実現する能力を持つ人材には、「とてつもない需要」が生まれるだろうと語ります。
アムジャド・マサド氏は、現在のパラダイムではすべての仕事が自動化されることはないと見ています。彼の主な論拠は、「多くの仕事は他の人間へのサービス」であり、「人間のニーズを理解するためには根本的に人間である必要がある」というものです。AIが真に「人間体験」を内包しない限り、人間は常に経済におけるアイデアの生成者であり続けると彼は主張します。
究極の未来：アートと詩？
アダム・ダンジェロ氏は、さらに遠い未来を見据え、すべての仕事が自動化された世界では、人間は「アートや詩」を追求するようになるかもしれないと示唆します。チェスがコンピュータによって人間より強くなった後も、チェスをプレイする人の数は増えたというデータ点を例に挙げ、「人々が趣味を追求するために自由になる世界が悪いとは思わない」と述べます。ただし、そのためには「富を分配する何らかの方法」が必要であり、人々が生活する余裕を持つことが前提となります。これは、ベーシックインカムのような社会保障制度の必要性を示唆しているとも受け取れます。
人間知識とタシット・ナレッジの新たな価値
AIが発達するにつれて、人間が持つ知識の価値もまた、新たな形で認識されつつあります。アダム・ダンジェロ氏は、人間が持つ「集合的な知識」、特に「書かれていない多くのこと（暗黙知、tacet knowledge）」の重要性を強調します。専門家が長年の経験を通じて得た知識は、LLMのトレーニングセットには含まれていないことが多く、そのような知識を共有する人々は依然として重要な役割を担うと彼は見ています。
実際、彼は「人間の知識をAIが利用可能な形式で取り込むための大規模な産業」が発展していることを指摘します。Scale AI、Surge AI、Merkleといった企業がその先駆けであり、知的生産活動のボトルネックがますます「データ」に移っていく中で、AIをトレーニングすることでより多くの収入を得られる人々が増えるだろうと予測しています。つまり、AIができないこと、すなわち「トレーニングセットにない情報」こそが、人間の価値の源泉となり、経済的に評価されるようになると考えているのです。
一方で、マサド氏は、人間が人間のニーズを理解するために「人間である必要がある」という主張を展開します。これに対し、ダンジェロ氏は、レコメンデーションシステムを例に挙げ、それらが既に「人間より優れて」ユーザーの興味を予測できることを指摘します。人間がどれだけ相手を知っていても、AIが持つ膨大なデータ（クリック履歴、他ユーザーとの類似性など）には及ばないため、AIは人間が求めるものを人間以上に正確に予測できる可能性があると主張します。
しかし、マサド氏は、レコメンデーションシステムは「多次元的な嗜好ベクトル空間」における集約であり、それがすべての領域に当てはまるわけではないと反論します。シェフやアーティストが作品を制作する際に、自身が「味見」や「体験」を通じてフィードバックを得ることが不可欠であるように、人間特有の経験が不可欠な領域は依然として存在すると主張しています。
「ソブリン・インディビジュアル」の時代：政治と文化の変革
アムジャド・マサド氏は、AIがもたらす未来の社会構造について、経済学者による著書「ソブリン・インディビジュアル（Sovereign Individual）」を引用して考察を深めています。この本は、1980年代後半から90年代初頭に、コンピュータ技術の成熟が社会に与える影響を予測しようとしたものです。著者らは、農業革命、産業革命に続く「情報革命（あるいは知能革命）」が、最終的に現在の国家システムや政治構造を変化させると論じています。
その予測の中核は、大多数の人々が経済的に貢献できなくなる一方で、少数の「アントレプレナー・キャピタリスト」がAIエージェントを駆使して極めて高いレバレッジを得るというものです。彼らは「人間」であり、他の人間が何を求めているかについて興味深いアイデアを持ち、これらのアイデアを基にAIエージェントを使って迅速に企業や製品・サービスを立ち上げ、経済を組織化します。
この変化は、政治構造にも影響を及ぼします。今日の政治は「すべての人間が経済的に生産的である」という前提に基づいているため、少数の高度に生産的な起業家と、大多数の非生産的な人々という構図になった場合、政治体制も変化せざるを得ません。この本は、最終的に「国民国家」が衰退し、代わりに「富裕層（ソブリン・インディビジュアル）」を誘致するために国家が競争する時代が到来すると予測しています。富裕な個人は、自分が住む国との間で税率を交渉できるようになる、といったSFのような未来像が描かれています。
マサド氏自身は、これが「価値判断や願望ではない」としつつも、人々が「経済的生産性の単位」でなくなった時、文化や政治を含むあらゆるものが変化しなければならないというこの考えは、一考に値すると述べています。
アダム・ダンジェロ氏もこの議論に対し、テクノロジーが「守る側（既存の権力）」と「破壊する側（新規参入者）」のどちらに利益をもたらすか、あるいは「分散化」と「集中化」のどちらを促進するかという問いを投げかけます。彼は、ピーター・ティールがかつて「クリプトはリバタリアンで分散化、AIは共産主義で集中化」と述べたことを引用しつつ、それが必ずしも正確ではない可能性を指摘します。AIも多くの個人をエンパワーする一方、クリプトも最終的には国家に利用される可能性があることを鑑みれば、テクノロジーの方向性は単純ではないと見ています。ダンジェロ氏は、「バーベル構造」のように、巨大な既存企業がさらに大きくなると同時に、多数の「エッジ」の企業も成長するという未来を予想しています。
第3章：イノベーションの潮流 – 破壊と共存、そして新たな研究の探求
AI技術の急速な発展は、イノベーションの性質そのものにも影響を与えています。既存の巨大企業と新規スタートアップの力学、製品開発の最前線、そして今後の研究が目指すべき方向性について、両CEOは独自の視点から考察を展開しています。
持続的イノベーション vs 破壊的イノベーション：AI時代の新たな共存
AIがもたらすイノベーションの性質について、対談ではクレイトン・クリステンセンの「イノベーションのジレンマ」の概念が引き合いに出されます。この理論は、新技術が最初は「おもちゃ」のように見え、市場の下位層から浸透し、最終的に既存の有力企業を破壊する可能性があると説きます（破壊的イノベーション）。一方、既存技術を改良し続けるイノベーションは「持続的イノベーション」と呼ばれます。
アムジャド・マサド氏は、PCの登場がメインフレームメーカーにとって破壊的であったように、歴史上多くの技術が破壊的であったことを指摘します。しかし、AIに関しては、アダム・ダンジェロ氏が指摘するように、「両方の側面を持つ」という点で同意しています。
AIが持つ「両面性」:
- 既存企業への恩恵（持続的イノベーション）： AIは、Googleのようなハイパースケーラーや大規模インターネット企業にとって「明白なスーパーチャージ」となります。Google検索の概要機能やワークスペーススイート、モバイルデバイスなど、既存のあらゆる製品がAIによって強化されます。これは、現在の市場のリーダーが、AIを自社のサービスに統合することで、さらなる成長を遂げることを意味します。
- 新規ビジネスモデルの創出（破壊的イノベーション）： 同時に、AIは既存企業に対抗するような、全く新しいビジネスモデルを持つスタートアップを可能にします。ChatGPTがGoogle検索に「カウンターポジション」を確立した例が挙げられます。Googleはハルシネーション（誤情報生成）のリスクを恐れて独自のチャットボット（Gemini）のリリースを遅らせましたが、OpenAIはチャットベースのインターフェースでブランド認知度を確立し、市場に破壊的な影響を与えました。
しかし、マサド氏は、「誰もが『イノベーションのジレンマ』を読んで、どうすれば破壊されないかを学んだ」と指摘し、現代の企業は過去の教訓を活かしていると述べます。アダム・ダンジェロ氏もこれに同意し、「すべての公開市場の投資家がその本を読み、適応しない企業を罰し、長期的な投資を行う企業を評価する」ようになっていると説明します。現代の企業リーダーはより「賢く」、創業者が経営を掌握しているケースが多いため、短期的な損害を覚悟してでも長期的な投資を行い、適応することが容易になっていると見ています。もし1990年代のような環境であれば、現在のAIはもっと破壊的になっていただろうとダンジェロ氏は分析します。
ネットワーク効果の減少と多様な勝者
Web2時代とのもう一つの大きな違いとして、アダム・ダンジェロ氏は「ネットワーク効果がはるかに小さい役割しか果たしていない」点を挙げます。Web2時代には、ユーザー数の多さがそのままプラットフォームの優位性につながり、勝者総取りの傾向が強かったため、マーケットリーダーやカテゴリウィナーへの投資が不可欠でした。しかしAI時代では、スケールによる優位性（より多くのユーザーからデータを得られる、より多くの資本を調達できる）は依然として存在するものの、それが「競合他社にとって絶対に不可能にする」ほどのものではないとダンジェロ氏は考えています。
実際、ファウンデーションモデルの分野でもアプリケーションの分野でも、「複数の勝者」が市場の様々な部分を細分化して獲得しており、それぞれがベンチャースケールの成長を遂げています。これは、より多くの企業が成功する余地があることを意味します。また、Web2企業が初期の収益化に苦労したのに対し、AI時代の企業は、サブスクリプションモデルやStripeのような決済サービスの普及により、「最初から収益化」できる点も、新規参入者にとって有利な要素となっています。
さらに、マサド氏は「地政学」の要素も指摘します。グローバル化が後退し、各国が独自のAI基盤を持つ必要性が高まる中で、「欧州のOpenAI」や「中国のOpenAI」のような地域ごとのファウンデーションモデル企業が生まれる可能性があり、これにより多様な勝者が生まれる余地がさらに広がると見ています。
PoとReplitの戦略 – 新しい価値の創造
アダム・ダンジェロ氏とアムジャド・マサド氏は、自身の企業であるPoとReplitの戦略を通じて、AI時代における新たな価値創造の具体的なアプローチを示しています。
Po：多様なAIモデルを統合するインターフェース
アダム・ダンジェロ氏にとって、Poの立ち上げは、既存のQ&AプラットフォームであるQuoraを「破壊する」というよりも、AIがもたらす「追加の機会」として捉えられました。2022年初頭、QuoraはGPT-3を使って回答を生成する実験を開始しましたが、人間の回答には及ばないものの、どんな質問にも瞬時に回答が得られるというユニークな価値を発見しました。そして、このチャット機能が、公開された場ではなく、プライベートな環境でこそユーザーに求められることを認識し、Poを立ち上げました。
Poの核心にあるのは、「モデル企業の多様性」への賭けです。当初はモデルの選択肢が限られていましたが、画像、動画、音声モデル、推論研究モデル、そしてエージェントなど、様々なモダリティや種類のAIモデルが急速に多様化しています。ダンジェロ氏は、この多様化が進む世界において、複数のAIを統合する「汎用インターフェースアグリゲーター」としてのPoの価値が高まると見ています。
実際に、消費者は既に複数のAIを使い分けています。一般的なユーザーでも、「普段はChatGPTを使うけど、特定の質問ではGeminiの方が優れている」といった発言をするようになり、AIに対する消費者の洗練度が高まっているとマサド氏は指摘します。Poは、このようなユーザーのニーズに応え、最適なAIモデルへのアクセスを提供するプラットフォームとして進化を続けています。
また、Quora自体もAIの恩恵を受けています。AIを活用することで、モデレーションの品質向上、回答のランキング改善、全体的な製品体験の向上に成功しており、Quoraはエコシステムにおいて「人間知識の源泉」としての役割を今後も担っていくとダンジェロ氏は語ります。
Replit：エージェントの時代を牽引する開発環境
アムジャド・マサド氏は、AIの次のフェーズを「エージェントの時代」と呼び、Replitがこの分野を牽引していると強く主張します。これまでのAIによるコーディングは、Copilotのようなオートコンプリートや、ChatGPTのようなチャットベースの対話、あるいはCursorのような大規模ファイル編集といったモダリティが主流でした。しかし、Replitがイノベーションを起こしたのは、コードの編集だけでなく、インフラのプロビジョニング、データベースの移行、クラウドへの接続、デプロイ、そしてデバッグループ全体（コード実行、テスト実行、エラーログ解析、コード修正）を「エージェント内部で完結させる」というアイデアです。
ReplitのAgentは、2024年9月にベータ版として登場し、コードとインフラの両方を扱う初の存在として注目されましたが、当初は「ぎこちない」ものでした。しかし、Claude 3.7のような「仮想マシンを効果的に使用できる」新しい世代のモデルが登場したことで、Agent v1（2024年12月頃）ではその能力が大幅に向上しました。Agent v2では自律性が向上し、連続実行時間が2分から20分に延長。Agent v3では200分と宣伝されましたが、実際にはユーザーが28時間以上実行しているケースもあり、「ほぼ無期限」に実行可能となっています。
この自律性の飛躍的な向上を支えたのは、「検証ループ（verifier on the loop）」の導入です。NVIDIAのDeepSeekがCUDAカーネルの生成で検証プロセスを組み込むことで実行時間を20分に延ばしたという論文に触発され、Replitは独自のコンピュータ利用テストフレームワークを開発しました。これにより、Agentはコードを書き、アプリケーションをテストし、バグがあればエラーログを読み取ってコードを修正するというサイクルを、人間の介入なしに何時間も継続できるようになりました。ユーザーは「自律性レベル」を調整でき、これによって驚くべきものを構築しているとマサド氏は語ります。
Replit Agentの将来のロードマップ:
- 並列エージェント（Parallel Agents）： 一つの機能のリクエストを待つのではなく、同時に複数の機能（ログインページ、決済機能、管理ダッシュボードなど）を要求し、AIがタスクを並列化し、コードのマージも行うことで、開発者の生産性を大幅に向上させる。
- マルチモーダルUI/UX： 現在のテキストベースのプロダクト要件記述（PRD）は言語の曖昧さから整合が難しい。将来はホワイトボード上でAIと図を描いたり、ダイアグラムを作成したりするなど、人間とAIがよりマルチモーダルに協業できるインターフェースを目指す。
- 強化されたメモリと専門エージェント： プロジェクト内だけでなく、複数のプロジェクトや時間、対話を通じて記憶を保持する。例えば、Pythonデータサイエンスに特化した「データ分析Replit Agent」や、フロントエンド開発に特化した「フロントエンドReplit Agent」が、企業の過去のプロジェクト情報やスキルを記憶し、Slackなどの環境で人間のように振る舞う未来を構想しています。
マサド氏は、この「エージェントフェーズ」には「やるべきことが山積している」と語り、今後3〜5年間のロードマップを語り続けることができると興奮を隠しません。彼は、現在の開発現場では、多くのR&Dリーダーが人間と話す時間よりも、AIエージェントを使って開発する時間の方が長くなっているという現状を例に挙げ、「未来は既に現在にある」と語ります。
しかし、同時にマサド氏は、AIの普及による「セカンドオーダーエフェクト」への懸念も表明します。特に、企業内で人間同士の知識共有やコミュニケーションが減少することで、新卒社員が「助けを求めるのが文化的に難しい」と感じるような、文化的な変化が起こりうると警鐘を鳴らしています。
基礎研究への呼びかけとシリコンバレーの文化
AIの未来を議論する中で、アムジャド・マサド氏は、現在のAI研究の方向性に対する深い懸念を表明します。彼は、現在のシリコンバレーの文化が「非常にゲットリッチ志向（getrich driven）」になっていると感じており、この傾向が「少し悲しい」と語ります。彼自身がReplitをサンフランシスコから移転させた理由の一つも、この文化への疑問から来ています。彼は、Web 2.0時代にはJavaScriptやWeb Workersに関する奇妙だが興味深い実験が数多く行われ、ReplitのルーツもC言語からJavaScriptへのコンパイルという「汚いハック」から生まれたことを回顧します。
マサド氏は、現在のAI研究が、既存のモデル（OpenAIなど）と競合するような、根本的に新しいモデルを開発することに集中しすぎていると感じています。その結果、「真の知能」や「意識の性質」といった基礎的な問いに対する研究が軽視されていると彼は憂慮します。彼は、ロジャー・ペンローズの著書「皇帝の新しい心（The Emperor's New Mind）」を引用し、脳がコンピュータとは根本的に異なるという哲学的な議論の重要性を強調します。ペンローズは、人間の脳がチューリングマシンでは解決できないような基本的な論理パズル（例：「この文は偽である」）を解くことができると主張し、脳の機能は単なる計算を超えている可能性を示唆しています。
マサド氏は、このような「心の理論」における核心的な議論が、現在のAIブームの影に隠れて十分に探求されていないことを嘆きます。彼は、現在のAI研究が、知能の「真の性質」を理解するための基礎研究から才能とエネルギーを吸い上げてしまっている状態にあると見ています。
代わりに、彼は「ティンカリング（試行錯誤）」の文化を奨励し、異なるAIコンポーネント（事前学習モデル、RL推論モデル、エンコーダー・デコーダーモデル、拡散モデルなど）を新しい方法で組み合わせるような、より独創的な研究を望んでいます。彼は、そのような「少し変わった」研究や、根本的に新しいモデルを目指すのではなく、既存の構成要素から新しい「フレーバー」を生み出すような企業が、もっと資金提供されるべきだと考えています。
AI時代の教育とキャリアの選択
AIが多くの仕事を自動化する未来において、若者がどのような教育を受け、どのようなキャリアを選択すべきかという問いは非常に現実的です。アダム・ダンジェロ氏は、自身が大学に入学した2002年がドットコムバブル崩壊直後で悲観論が漂っていた時代であったことを回顧しつつも、コンピュータサイエンスを専攻した理由が「好きだったから」だと語ります。
彼は、現在の雇用市場が数年前よりも悪化していることを認めつつも、コンピュータサイエンスの基礎知識（アルゴリズムやデータ構造）を学ぶことは、AIエージェントを管理する上で「本当に役立つ」と考えています。AIが進化しても、その基盤となる原理を理解することは、将来にわたって価値のあるスキルであり続けると予測しています。
さらに、彼は「他に何を学ぶのか？」という問いを投げかけます。あらゆる分野でAIによる自動化の可能性が議論されている現状では、「自分が楽しめることを学ぶ」のが最善であり、コンピュータサイエンスはその選択肢として依然として「他の何にも劣らず良い」と結論付けています。つまり、AIが進化する時代においても、専門的な知識と根本的な理解は、人間がその能力を最大限に活用し、新たな価値を創造するための基盤となると考えられるのです。
結論：AGIの地平線と人間の役割 – 進化する共存の未来
アダム・ダンジェロ氏とアムジャド・マサド氏、二人のAI分野のリーダーが示した対談は、AI、特にLLMの未来とAGIへの道のりに関する多角的かつ深く掘り下げた洞察を提供してくれました。彼らの議論は、現在のAI技術がもたらす計り知れない可能性と、同時に存在する根本的な課題や未解決の問いを浮き彫りにしています。
アダム・ダンジェロ氏は、LLMの驚異的な進歩速度と、既存アーキテクチャ内でのさらなる革新によって、AGIが比較的近い将来に実現する可能性に強い楽観論を抱いています。彼が定義する「リモートワーカーの仕事をこなせるAI」が実現すれば、経済成長は劇的に加速し、一人ひとりの人間ができることの範囲が飛躍的に拡大する「ソロプレナーの時代」が到来すると予測します。AIが人間以上に人間のニーズを予測する能力を持つ可能性にも言及し、人間知識の価値が「AIが利用可能なデータ形式」へと変換されることに新たなビジネス機会を見出しています。
一方で、アムジャド・マサド氏は、LLMの進歩を「機能的AGI」と位置づけ、大量のデータと手作業によるチューニングで特定のタスクをこなす能力を認めつつも、それが「真の知能」とは異なるという現実的な見方を示します。彼が提唱するAGIの定義は、人間のように「新しい環境で効率的に学習できる機械」であり、現在のLLMにはこの能力が欠如していると指摘します。また、AIが初級職を自動化し、エキスパートの枯渇を招くことや、基礎研究への才能の偏り、そして「ゲットリッチ志向」のシリコンバレー文化が真の知能探求を阻害していることへの懸念を表明しています。彼のReplitは、コードとインフラを自律的に扱うAgentを通じて、開発者の生産性を次のレベルへと引き上げようとしていますが、そこには依然として多くの未解決の課題が存在します。
二人の議論は、AIの未来が単純な一本道ではないことを示唆しています。LLMは確かに革命的なツールであり、経済と社会に多大な影響を与えるでしょう。しかし、その知能の性質、人間との根本的な違い、そしてそれがもたらす倫理的・社会的な「セカンドオーダーエフェクト」については、継続的な対話と深い探求が必要です。
AIが進化する中で、人間の役割は変化し続けるでしょう。AIの能力を最大限に引き出し、新たな機会を創出する「AIを活用できる人間」の重要性は増す一方で、AIが代替できない人間固有の経験、創造性、そして他者への共感といった要素の価値も再認識されます。また、知能や意識の「真の性質」を探求する基礎研究は、短絡的な利益追求の潮流に抗し、長期的な視点から支援されるべきです。
私たちは今、歴史の転換点にいます。AGIの地平線が近づいているのか、それともまだ遠いのかは、今後の技術革新だけでなく、私たち人間がAIとどのように向き合い、どのような未来を共創していくかにかかっています。AIの能力を理解し、その限界を認識し、倫理的な枠組みを構築しながら、人間とAIが協力し、新たな文明を築くための探求と適応の旅は、まさに今、始まったばかりなのです。