AIへの執着が、その存続に不可欠な研究分野を衰えさせるおそれ

私は10年間、人工知能だけを専門に執筆してきました。2022年当時、AIだけを専門に扱うジャーナリストは世界でもほんの一握りでしたが、今では数千人、あるいはそれ以上に増え、資金力のある報道機関では人工知能専門のスタッフを複数人雇うところもあります。

今や人類は、一世紀に一度あるかないかの文化的・技術的現象に、関心も努力も不安も希望も集中させています。実用的な大規模言語モデルや効果的な拡散モデルによる画像・動画生成が登場するまでは、それは「珍奇なもの」の領域にとどまっていました。ディープフェイクは政治的な争点として利用されていたものの、世界経済は脅かされていないように見えていました。

「日常化」したAIの嵐

もちろん、今では状況は一変しました。あらゆるものが脅かされ、あらゆるものが変革を迫られています。そして、おそらく2026年は、翌年についての予測に根拠を示すことが最も難しい年でした*。

新たなクローズドソースモデルやオープンウェイトモデルは毎週、時には週に数回も公開されています。公開頻度は今やあまりに高く、熱心な愛好家や趣味で取り組む人々のコミュニティでさえレビューされないモデルもあります。そうした人々は、この状況に対して懐疑的になりつつあり、絶え間なく続くリリースの中で注目を集めるための基準も、ますます高くなっています。

研究やリリースの動向を熱心に、そして仕事として追ってきた者として言えば、AIの研究開発の各分野における進歩は、大きな間隔を置いて大きな影響をもたらすことはあっても、革命的あるいは進化を画する節目、たとえばTransformerのようなものより、むしろ小刻みな積み重ねとして現れる傾向があります。これは以前から変わりません。最近の衝撃的な話題の多くは、AIの最新機能よりも、AIが経済に与える影響をめぐるものです。

さらに、以前にも指摘したように、2022年以降のAI研究の大ブームでは、研究の量が増えても、そこで示されるアイデアの質が常に伴っているとは限りません。多くは、既存の研究やより新しい研究を「フランケンシュタイン風」に作り直したり、組み合わせたり、再構成したりしたものです。既存研究をつぎはぎしたアーキテクチャーによって、先行研究を見かけ上大幅に上回る成果を生み出そうとしますが、精査すると、脆弱な手法やあまりに法外なVRAMコストに足を引っ張られています。

話題から取り残された分野

何千人ものジャーナリストがAI報道に移ったことで、それまで彼らが扱っていたテーマは、必然的に直接取り上げられる機会が減ったはずです。ある意味、それは大きな問題ではありませんでした。AIの話題や導入が文化やインフラに広く浸透し、たとえばエネルギー担当記者も、今では他のどのテーマよりもAI関連の問題を多く扱うようになったからです。経済、雇用、政治、政策などを担当する記者も同様です。

これらのテーマはすべて、今ではAIという視点を通して捉えられるように思えました。それは、縮小し続ける分野（とはいえ、最近は少し持ち直しています）において、「AI専門」の報道が大幅に増えた理由の一端を説明するのかもしれません。

その結果、「AIへの執着」によって、ほかのテーマが十分に報道されなくなっているのではないか、と考えずにはいられません。いずれ「最重要テーマ」であるAIそのものに影響を及ぼすかもしれない、さまざまな物語や動向、分野を持つテーマが、です。

とはいえ、どうしようもありません。使えるリソースには限りがあり、今のところAIは今世紀最大の話題なのです。

AI分野への大移動

この問題について私の心を大いに揺さぶった新たな論文によると、AIそのものにも同じことが起きている可能性があります。縮小と再投入によって将来のモデルの質が低下するリスクに加え、異なる分野をまたいでアイデアが生まれ、互いに影響し合う、より広範な科学のエコシステムがAI研究に過度に集中しつつあります。その結果、一見無関係なアイデア同士の思いがけない結びつきが分野全体を変えるような「偶然の発見」が、ますます稀になるかもしれません。

要するに、「人工知能の飛躍的進歩は、その枯渇を早める」と題されたこの新たな研究は、AIへの執着が新しい進展の生まれる土壌を奪いつつあり、AIに直接影響する進展もその例外ではないと示唆しています。また、著者たちの言葉を大まかに言い換えれば、関心が集まるようになったこの新たな領域には、望ましい結末につながりそうにない、ある種の「近親交配的な傾向」があります。

論文には次のように記されています^†。

「支配的なパラダイムは、その競合相手だけでなく、後継となるパラダイムが再構成されるための多様性まで取り除いてしまう。

「2017年以降の関心の狭まり、分野を移った著者の半数を超える人々がAIに移ったこと、新しいアイデアの活力の低下、そして相次ぐサイクルを経るごとに、活動中のアイデア群が急激に衰退していること。これらを合わせると、自ら生み出した支配的なパラダイムの成功によって、創造力が損なわれつつあるシステムの姿が浮かび上がる。」

これまでの研究では、AIが研究を画一化させつつある可能性が指摘されてきたが、新たな研究の著者らは、AIの影響力が拡大することで、AI自身が進歩を続けるために必要な新しい発想が不足しかねないとも考えている。著者らはAI研究を生物科学になぞらえており、生物科学ではクライオ電子顕微鏡やAlphaFoldといった画期的な成果が、同様のイノベーションと衰退のサイクルを引き起こしてきた。

自説を裏付ける実証的な証拠を得るため、著者らは1990年から2025年に発表されたOpenAlex収録のコンピューターサイエンス論文718万本を分析し、研究テーマと引用の変化、370万人の研究者の分野間の移動、さらにAIの影響力拡大が科学の多様性に及ぼした影響を調べるための査読7万3,089件を追跡した。

データから明らかになった最も興味深い知見の一つは、近年、研究者がそれまで取り組んでいた分野を離れ、AIへ移っていることに関するものだ。

「移っていくのはキャリアの中盤にある、ある程度の実績を築いた研究者たちだ。彼らは、自らの地位を築いた研究を離れ、分野の引力に引き寄せられていく。その代償として、方向転換による不利益を被ることになっても」

調査によると、コンピューターサイエンスの分野間で確認された91万8,862件の移動のうち、半数以上がAIへの移行だった。一方、特にシステム分野や理論研究などの領域では、研究者が着実に減少していた。

新しい論文に基づき、1990年から2025年までのコンピューターサイエンス論文に占めるAI、システム、理論分野の割合の推移を示す。各マスは1年を表し、青は割合が高く、赤は低いことを示す。AIの割合は2017年以降に急増した一方、他の分野では低下した。 出典

分野を移る可能性が最も高かったのは、経験を積み、確固たるキャリアを築いた研究者だった。その一方で、コンピューターサイエンス論文全体に占めるAI論文の割合は、2017年の40%から2025年には55%超へと増加した。

Arxivブログより、2024～26年の2年間におけるコンピューターサイエンス分野の投稿数の増加。 出典

3つの兆候

この論文は、2017年以降のコンピューターサイエンスを特徴づけるようになったと著者らが論じる、3つの「収束する兆候」を特定している。

1つ目は、トランスフォーマー・アーキテクチャが登場した2017年以降に、研究上の関心が急速に狭まったことだ。著者らは718万本のコンピューターサイエンス論文から、それぞれの論文で最も目立つキーワードを10個抽出し、研究がどれほど同じテーマに集中しているかを追跡した。

2017年以降、コンピューターサイエンス研究への集中が強まっている様子を示すグラフ。左：研究者が扱うテーマの幅が狭まっている。右：引用が、より少数の論文に集中する割合が高まっている。どちらの傾向も、トランスフォーマーの登場前後に加速した。

数十年にわたり、インターネットやスマートフォン、ディープラーニングが台頭した時期にも、この集中度は比較的安定していた。しかし2017年から2025年にかけて、研究上の関心に関するジニ係数^††（上の画像を参照）は0.26から0.33へ上昇し、27%増加した。引用もさらに集中し、ジニ係数は0.60から最高0.69まで上昇した。

Tsinghua University、University of Chicago、Santa Fe Instituteに所属する研究者らは、次のように述べている。

「トランスフォーマーは、それ以前の技術とは異なる規模でこの分野に変革をもたらした。この傾向は分析上の産物ではない。[keyword count]の違いを考慮しても確認できる」

さらに、次のように続けている。

「コンピューターサイエンスの出版物に占めるAIの割合は、2017年から2025年にかけて40%から55%超へと上昇する一方、システム研究は長きにわたる黄金期から後退し、理論研究はさらに縮小している」

したがって、この知見は、コンピューターサイエンスが拡大する一方で、研究者たちはますます同じアイデアを追い求め、より限られた範囲の研究を引用するようになっていたことを示唆している。

2つ目の「兆候」は、専門分野を離れてAIに取り組む研究者の増加に関するものだ。著者らは370万人の研究者を追跡し、コンピューターサイエンスの分野間で約91万9,000件の移動を確認した。そのうち53.81%はAIへの移行だった。AIは毎年研究者を獲得する一方、システム分野と理論分野では着実に研究者が減っていた。

AI分野への研究者の移動。左のグラフは、AIが他のコンピューターサイエンス分野から研究者をますます多く引きつける一方で、システムと理論の分野が後退していることを示す。右側の2つのグラフは、どのような研究者が移る可能性が最も高いかを示している。出版活動を始めてから約32年が経ち、論文業績が同分野の研究者の約82％を上回る研究者だ。研究者が論文の大半を別の分野で発表するようになった時点で、分野を移ったと数える。

分野を移ったのは、新人やベテランではなく、キャリアを積んだ中堅の研究者である傾向があった。AI分野へ移る可能性は、学術キャリア年数が31.8年の研究者で最も高く、論文業績では上位82パーセンタイルに位置する研究者でも最も高かった。

論文が指摘する3つの傾向のうち3つ目は、査読への負担が増していることだ。査読とは、科学論文の質と信頼性を、出版前に他の研究者が評価するプロセスである。

2017年から2025年にかけて、45の学会やその他の発表先に投稿された26,731本の論文に対する73,089件の査読を調べた結果、論文を評価する自分の能力に対する査読者の自信は、5段階評価で3.9から2.9に低下していた。

2017年から2025年にかけての科学分野の査読の変化を示すグラフ。左のグラフは、投稿論文を評価する能力に対する査読者の自信が薄れ、評価が5点満点中3.9から2.9に下がったことを示す。右のグラフは、攻撃的な査読コメントの推移を示している。こうしたコメントは、NeurIPSがより透明性の高いOpenReviewプラットフォームに移行した2021年に一時的に減少した後、再び増加した。どちらの線も3年間の移動平均を示している。

著者らは、この低下はAIの急速な拡大を反映している可能性があると示唆している。その結果、論文に適した専門知識を持つ査読者を見つけることが難しくなっている。

「査読者の層には、AIの引力に引き寄せられた新人が大量に流入している。査読者には、自身の専門分野から外れたAI手法を盛り込んだ論文がますます多く割り当てられている。投稿論文を真に専門性のある査読者に割り当てることは、構造的に困難になっている。」

「この状況では、論文が採択されるかどうかは、ますますコイン投げのようなものになっている。」

ゴールドラッシュの後に

論文はまた、AIにおける最大のブレークスルーが、最終的には自らの消耗を早める可能性も示唆している。大きな進歩のたびに新しいアイデアが一気に増えるものの、研究がブレークスルーそのものにますます集中するにつれ、こうした初期のイノベーションの高まりは、やがて勢いを失って単調な反復へと落ち着いていくためだ^†。

「現代AIにおける連続したサイクルは、以前より早く飽和し、より急激に消耗する。そのサイクルは短縮している。

「AlexNet、Transformer、大規模言語モデルという3つの主要な技術進歩にわたる、コンピューターサイエンスの36年間の発展を通じて、私たちは同じスパイラルを繰り返し観察している[pattern]。

「特筆すべきは、このパターンがコンピューターサイエンスに限られないことだ。生物学でも、計算を伴わない進歩（例：クライオ電子顕微鏡）と計算を伴う進歩（例：AlphaFold）のいずれに続いても、同じ消耗のサイクルが見られる。」 

この「消耗」は、オートエンコーダーや敵対的生成ネットワーク（GAN）、そしてオートエンコーダーを用いたディープフェイクのような手法でも確かに見られた。これらはいずれも、その可能性が明らかに尽きた後も何年にもわたり、研究者たちに容赦なく酷使され、新たな枠組みや手法がついに登場して、それらにかかる負担を軽減するまで続いた。

いずれにせよ、こうしたサイクルを追跡するため、著者らは科学論文の要旨から特徴的な名詞や句を探し、それらが研究アイデアの変化を示す指標となるよう、出現、消失、そして時折の再登場を追跡した。

2012年のAlexNetと2017年のTransformerは、それぞれ新たなアイデアの波を引き起こし、やがてその波は収束した。ブレークスルーのたびにAIはさらに優位に立つ一方、他のコンピューターサイエンス分野は後れを取り、最終的には2012年以前よりも新しいアイデアを生み出すペースが落ちた。

AI（青）、AI以外のコンピューターサイエンス（赤）、および両者を合わせた分野（紫の破線）における新たな研究アイデアの割合を比較したもの。2012年のAlexNetと2017年のTransformerの登場後、新たなアイデアは急増したが、その後減少した。2度目の画期的な成果の後、AIの優位性はさらに広がった。線は3年間の移動平均を示す。

この傾向は、使われなくなるアイデアにも当てはまる。新たな画期的な成果が、登場から何年もたって旧来のアプローチを一掃することもある。とはいえ、画期的な成果そのものも同じサイクルにとらわれている。それぞれが研究の注目を集めて急増させるものの、やがてその勢いは衰え、分野は再び活気づける新たな発見を待つことになる（Gaussian Splattingで起きたように、31年の間隔を経て）。

2012年から2025年までの、AlexNetとTransformerの原論文への引用数を比較したもの（AlexNetは赤、Transformerは青）。どちらも引用に占める割合が伸びた後、急激に低下しており、画期的な成果への注目がやがて薄れることを示している。線は3年間の移動平均を示す。

著者らによると、AIの成功によって研究者やアイデアが少数の有力なアプローチに集中する一方、それらに取って代わるものを生み出す助けとなりうる周辺分野は、勢いを失い続けている。また、これが将来の画期的な成果を完全に妨げるとまでは予測していないものの、AIが次の飛躍を支えるかもしれない多様性を徐々に失わせている可能性を指摘している。

現に使われているアイデアの数も追跡したところ、AI開発の波が次々と訪れるにつれて、その数は予測を下回る幅が拡大した。Transformerの登場後の不足幅は、AlexNetの後よりも大きかった。

AIの相次ぐ画期的な成果を通じて、現在も使われている研究アイデアの数を示すグラフ。実線はモデルによる成長を示し、破線部分は実際の数が予測値を下回ったことを示す。不足幅はAlexNetの後よりTransformerの後のほうが大きく、大規模言語モデル（LLM）の時代にも早い段階で減少が見られる。

要するに著者らは、AIに関わる課題の範囲がますます狭まるなか、そこに研究努力と人材が集中することで、かつては自然にAI分野へアイデアをもたらしていた周辺分野、さらには多様な他分野までが衰退するおそれがあると結論づけている。

2025年のノーベル経済学賞の授与に関するJohn Hasslerのコメントに言及し、著者らは次のように結論づけている。

「ノーベル委員会は、停滞を避けるには創造的破壊の仕組みを維持しなければならないと警告した。私たちの研究は、その仕組みの一つである知的多様性を明らかにし、現在の制度がそれを損なっていることを示している。

「審査制度、投稿料や規則、報酬体系、採用、昇進、退職に関する慣行12など、注目の配分を左右する制度はすべて、次のパラダイムが生まれる余地を持てるかどうかを形づくる。

「制度を適切に設計するには、現在優勢なパラダイムに一層力を注ぐ衝動を抑え、探究ではなく集中に負担を課し、評価の権限を多作な人々から新規性のあるものへと移す必要がある。

「創造的破壊が成長を支えられるのは、再結合できる何かを残す限りにおいてのみだ。特異点に後継者はいない。」

「これを表す言葉があってもよさそうだ。『forecast-resistant（予測に抗う）』はどうだろう。まあ、これは一語ではなく表現だし、2026年から見た2027年ではなく、2026年そのものを指すようにも聞こえる。『unfuturable（未来化できない）』はどうだろう。スペルチェックで赤い波線が出たので、これに決めよう。

^† 著者の文中引用をハイパーリンクに置き換えたのは私です。

^†† ジニ係数は、あるものの分布の偏りを0（完全な平等）から1（最大の集中）までの尺度で示す。ここでは、数値が高いほど、研究者が取り組むテーマが少数に集中していることを意味する。

初出：2026年10月21日（水）