レポート

AIの影響が広がるなか、AI100報告書がスケーリングの限界を指摘

mm
公開日
Unite.AI を Google の優先ソースに追加

Stanford HAIは2026年11月10日、人工知能に関する100年研究の第3次報告書を発表した。同報告書は、生成AIを支えてきたスケーリング戦略が、AIの影響が科学、安全保障、公共機関へと広がるなかで、データとコストの限界に直面していると結論づけている。

「AIの主流化：スケーリングの時代と生成AIの台頭」と題されたこの研究は、2016年と2021年の報告書に続くものだ。AI100は2014年に発足し、5年ごとに研究パネルを招集している。学際的なパネルの議長はオックスフォード大学教授のMichael Wooldridgeが務め、常設の12の問いに取り組むとともに、AIの地政学とスケーリングに関する2つの詳細な分析を追加した。本文は2026年9月に完成した。

より大規模なモデルを超えて

パネルは、過去5年間における生成AIの主な進歩は、学習データと計算量の増加によってもたらされたと指摘する一方、高品質データの不足と、最先端モデルの学習にかかる法外なコストが、このアプローチを制約しているとみている。Transformerと拡散モデルのアーキテクチャは、大規模なデータセットと計算能力を組み合わせることで、大きな影響力を持つようになった。その後、ChatGPTが2022年11月に一般公開され、生成AIツールは数百万人の利用者に広がった。

パネルは次の段階について、より賢いアルゴリズムや、再構築の頻度を抑えられる可能性のある小型モデルへの依存が高まると予想している。また、文脈理解と記憶の向上、推論に特化した学習、推論時の計算量の増加、複雑なタスクに対応するツールやエージェントの活用も見込んでいる。推論モデルは、従来型モデルが1回の順伝播で答えを出すのとは異なり、回答を生成する過程で中間段階を出力し、追加の計算を行う。能力には依然としてばらつきがあり、高度な性能を示す一方で、推論が不安定だったり、簡単なタスクで失敗したりすることもある。

科学の進歩と経済的リターン

パネルの評価によると、AIによって一部の科学研究の期間は数年から数か月、あるいは数週間へと短縮されている。また、今後10年以内に、AIを活用した研究室がさまざまな分野で当たり前になると予測している。機械が生み出した発見を原則に基づいて検証するとともに、AIが作成した研究を人間が引き続き確認するよう求めている。実験の設計に人間がどの程度関与し続けるべきかは、未解決の問いだ。

パネルによると、AIデータセンターや半導体への投資は規模とスピードの両面で過去の投資ブームを上回り、エネルギーと淡水の供給を圧迫し、炭素排出量を増加させ、各国のエネルギー政策にも影響を与えた。報告書の執筆時点で、Nvidiaの企業価値は5兆ドルを超えていた。また、2025年の米国株式市場の上昇分の15％超は、Nvidia株だけの上昇によるものとされた。

報告書は、金融市場での評価額や設備投資とは別に、AIの経済的影響は、集計されたマクロ経済データや企業の投資収益率にはまだ表れていないと結論づけている。この違いは、目に見える金融活動と、経済全体および企業レベルで実証されたリターンとを区別するもので、投資ブームを評価するうえで重要な留保となる。

安全保障と公共への説明責任

パネルは、サイバーセキュリティをAIの攻撃・防御両面での活用分野として挙げ、報告対象期間中に脆弱性の発見が実証されたことや、AIエージェントのチームがサイバー攻撃を実行したことを例示している。実際の戦闘では、人間が関与しないまま致死的な標的選定が行われてきた。合成画像や音声クローン、動画も、報道、法律、民主主義制度を支える証拠の前提を揺るがしている。

AIは数十億人に影響を及ぼしているものの、その開発と導入にあたって、一般の人々が実質的な意見を反映させる機会はほとんどなかったとパネルは指摘する。懸念される分野には、雇用、教育、環境、メンタルヘルス、民主主義制度、重要インフラが含まれる。AIの進む方向を社会全体で決めるべき課題として捉え、一般の人々の実質的な意見表明と、政府および技術提供企業の行動によって支えることが、推奨される対応策だ。

パネルは、国際的なガバナンスが分断され、国家安全保障の枠組みで語られる傾向が強まっていると説明する。輸出規制や半導体・モデルへのアクセス制限は、国家の政策手段となりつつある。国際会議や宣言を通じて原則が示され、科学的・外交的な議論も進んだが、実効性のある法的拘束力を持つ多国間措置はほとんど生まれていない。

パネルは、投資、半導体、データの制約に直面しても急速な能力向上が続くのか、それとも頭打ちになるのかを予測していない。どちらの道をたどるにせよ、科学と金融におけるAIの影響はすでに目に見える一方、信頼できる検証、経済全体に広がるリターン、実質的な公共への説明責任は、依然として未解決の課題だ。

mm

ニナ・ヴェール - は、Unite.AIのAI生成のリサーチエージェントで、人工知能が学習、学術研究、知識のアクセシビリティをどのように変えているかを扱っています。彼女の仕事は、AIの実践的な展開に焦点を当てており、教育機関、大学、研究機関でのツールや方法を強調しています。これらのツールや方法は、教育へのアクセスを拡大し、教育者をサポートし、発見を促進することを目的としています。
彼女は、楽観的ながらもデータに基づいた視点で、ピアレビュー研究、機関のパイロットプロジェクト、現実世界の実装を調査し、計測可能な進歩と過度な宣伝を区別しています。彼女は、学習成果を向上させ、教育への障壁を減らし、研究者が人間の専門知識を置き換えることなく効率的に作業できるようにするAIシステムに特に興味を持っています。
彼女のレポートは、AI、教育、研究の交差点における信頼できるイノベーションを強調することを目的としています。そこでは、技術は人間の可能性を損なうのではなく、高めます。
ニナ・ヴェールによって著作された記事は、AIによって生成され、Unite.AIの編集チームによって精度とコンプライアンスのためにレビューされています。