Mooreの法則から「OpenAIの法則」へ：AI開発の指数的軌跡
人工知能は理解しがたい速度で進化している。この現象を説明するため、関係者は一部で 「OpenAIの法則」 と呼ばれるものに言及し始めている—Mooreの法則に現代的に並行するが、はるかに急峻なものだ。この用語は、OpenAIの台頭と人工汎用知能（AGI）へのレースの展開を記録した書籍 Empire of AI で広く注目を集めた。本書では、過去10年間にわたり計算資源の要件—すなわちAI能力—がどれほど急速に拡大したかを示すために「OpenAIの法則」が用いられている。正式な科学的法則ではないが、OpenAIの法則は実測可能なトレンドを指す。すなわち、最先端AIモデルの訓練に使用される計算力が、Mooreの法則よりはるかに速いペースで急速に倍増していることだ。実際、AI計算は約3〜4か月ごとに倍増しており、Mooreの18〜24か月に比べて格段に速い。この指数曲線が現代のAIブームを支え、ほとんどの予想を超える速さで到来する未来の舞台を整えている。Mooreの法則：デジタル時代を駆動したエンジンMooreの法則 は、パーソナルコンピュータ、スマートフォン、そして クラウドコンピューティング の台頭を支えた原動力だった。チップ上のトランジスタ数が約2年ごとに倍増すると予測し、計算性能、エネルギー効率、コスト削減の指数的向上をもたらした。何十年にもわたり、この単純なパターンは成立し続け、各世代のハードウェアは前世代に比べて指数的に強力になった。しかし、2010年代に物理的・経済的限界に達したことで、Mooreの法則は鈍化し始めた。エンジニアはコア数の増加、3Dチップスタッキング、専用プロセッサの導入で性能を伸ばそうとしたが、容易な伸びは失われていた。この頃、ディープラーニング の突破口に支えられたAI研究が、Mooreの法則の従来の軌道から逸脱し始めた。OpenAIの法則の誕生：AIの爆発的計算曲線2010年代初頭、研究者は大規模ニューラルネットワークにより多くの計算資源を投入すれば、AIの能力が飛躍的に向上することを発見した。2012年頃から、最大規模のAI訓練に使用される計算量は約3〜4か月ごとに倍増し始めた。これは驚異的な加速で、Mooreの法則よりはるかに速い。6年間で、最先端AIモデルに使用された計算量は300,000倍以上に増大した。 同期間にMooreの法則がもたらす増加はわずか7倍にとどまるはずだったが、AI計算は積極的なスケーリングにより急上昇した。この現象は非公式に OpenAIの法則 と呼ばれるようになった—OpenAIなどの組織が、モデル規模と計算資源のスケーリングが 人工汎用知能（AGI） への最速の道であると信じた自己課した軌道である。書籍 Empire of AI はこの転換を詳細に描き、OpenAIとそのリーダーシップがコスト上昇にもかかわらずこの戦略にコミットした理由を示している。彼らはそれが変革的能力を解き放つ最も直接的なルートだと考えていたからだ。重要なのは、OpenAIの法則が物理的必然性ではなく、戦略的決定であるという点だ。「計算資源が増えればAIは良くなる」という信念が指針となり、巨額の投資、インフラ構築、クラウドプロバイダーとの提携によって支えられた。スケーリング仮説と新たな軍拡競争OpenAIの法則を支えるのは スケーリング仮説 である。モデルを単に大きくし、より多くのデータと計算で訓練すれば、質的に優れた結果が得られるという考えだ。この仮説は、GPT-2、GPT-3、GPT-4 といった各世代のモデルが流暢さ、推論力、マルチモーダル理解において飛躍的な向上を示すにつれ、勢いを増した。この潮流の中心には、AIの最前線を支配しようとするテック企業間の激しい競争がある。その結果、各新たなマイルストーンが前回の何倍もの計算資源を必要とする 軍拡競争 のような状況が生まれた。大規模モデルの訓練には、数万台のハイエンドGPUを並列に稼働させる必要がある。将来のモデルでは、計算予算が1,000億ドルに迫る、あるいはそれを超える規模になると予測され、膨大な電力とインフラが求められる。この傾向は、トランジスタ数ではなく、あらゆるコストを犠牲にしてでも計算を拡大する意欲と能力によって定義される新たな指数曲線を生み出した。比較対象：Huangの法則、そして クルツワイルの加速的リターンの法則OpenAIの法則の重要性を十分に理解するには、Mooreの法則を超えて技術進歩を捉えてきた他の基礎的枠組みを検討することが有益である。Huangの法則、...
