私は先週、サンフランシスコから南へ約50キロ、カリフォルニア州マウンテンビューのホテルを訪れ、世界でも屈指の実績を誇るAI研究者たちや、将来を嘱望される若手研究者たちの集まりに参加した。シュミット・サイエンシズ（Schmidt Sciences）の「AI2050プログラム」の会合だ。この会合で私は、円卓インタビューの司会を務め、メディア対応研修で講演をした。このプログラムは、エリック・シュミットとウェンディ・シュミット夫妻が資金を提供し、AI研究に取り組む研究者を支援するイニシアチブだ。フェローにはAI界の著名人が名を連ねており、全員がベイエリアまで足を運んだわけではないものの、角を曲がるたびに、以前インタビューしたことのある研究者や、その研究に敬意を抱いていた科学者と出くわした（情報開示：私は2024年にシュミット・サイエンシズが資金提供するサイエンス・コミュニケーション賞を受賞している）。

AI2050グループの大半を占める大学所属のAI研究者たちにとって、今は奇妙な時代だ。過去4年間で、AI研究は大規模言語モデル（LLM）を軸に再編され、その最前線は学術機関から民間企業へと移行した。大学には、フロンティアモデルの訓練や運用に必要なGPU（画像処理装置）を購入できるほどの資金力がない。たとえ購入できたとしても、アンソロピック（Anthropic）やオープンAI（OpenAI）は、Claude（クロード）やChatGPT（チャットGPT）の内部の詳細を外部に公開していない。

昼食をとりながらの会話の中で、カリフォルニア大学バークレー校のニカ・ハグタラブ准教授（コンピューターサイエンス）は、今の時代に大学でAI研究をすることは、民間企業がゲノム編集ツールのCRISPR（クリスパー）を独占している世界で生物学者をするようなものだと語った。フロンティアAI研究機関の外にいる専門家たちは、ChatGPTやClaudeがどのように振る舞うかを研究することはできる。しかし、そうしたツールの設計や訓練について詳細に研究することも、設計や訓練の方向性を自ら主導することもできない。

AI2050プログラムは、フェローがGPUの購入に充てられる資金も提供しており、私が話を聞いた研究者の何人かは、それがプログラムに参加する大きな利点だと述べていた。しかし、特に米国で連邦政府による科学研究への資金提供が削減されていることを考えると、資金は依然として切実な問題である。自前でローカルモデルを動かさない研究者であっても、オープンAI、アンソロピック、グーグルのモデルを厳密に研究するために繰り返しクエリを送るコストは、時に法外な額になりかねない。

多くのフェローは、AIの能力向上そのものを追求するのではなく、アンソロピックやオープンAIが取り組む可能性の低い問いに目を向けている。「テック企業が解決するだろうと思う問題には、なるべく取り組まないようにしています」と、ジョンズ・ホプキンス大学のアンジャリー・フィールド助教授（コンピューターサイエンス）は話す。企業は利益を上げなければならず、収益につながる見込みの乏しい研究課題には、投資する価値がないかもしれない。特に、その答えが企業にとって不都合なものになりうる場合はなおさらだ。例えばフィールド助教授は最近、言語モデルが、男性より女性に多く見られる言葉遣いで書かれたプロンプトに対して、より洗練度の低い回答を返すことを示す研究を実施した。この種の研究がアンソロピックやオープンAIから発表されるとは想像しにくい。

また、LLMをまったく扱わない大学のAI研究者も大勢いる。その多くは、データを分析したり、有用な予測をしたり、さらには物理システム全体をシミュレーションしたりできる特化型AIモデルを構築する科学者たちだ。こうした研究者は必ずしもフロンティアAI研究機関と競合しているわけではない。例えば、タンパク質の構造を予測し、その開発者にノーベル賞をもたらしたモデルAlphaFold（アルファフォールド）を開発したグーグル・ディープマインド（Google DeepMind）のチームは、先月解体された。しかし、こうした研究者たちも独自の課題を数多く抱えている。今回の会合では、LLM以外のAIに対する理解不足が広く見られることが、自分たちの研究に悪影響を及ぼしているとの懸念が複数の研究者から聞かれた。例えば、気候変動への対処に役立つ特化型AIツールを開発する研究者は、「AI」といえば「大量のエネルギーを消費するLLM」を意味すると思い込む人があまりに多いため、自分たちの研究の重要性を訴えるのに苦労することがある。

こうした課題の数々は、学術界の様相を変えつつある。著名な研究者の何人かは最近、大学を休職してフロンティアAI研究機関に加わっており、多くのAI2050フェローも、大学での職と並行して企業でのポジションを持っている。そしてここ半年で、さらに別の脅威が浮上した。オープンAIのモデルが、数学における実際の研究課題を複数解決するようになり、純粋数学に人間の研究者の未来はないのではないかと懸念する専門家もいる。私が話を聞いたあるフェローは、数学者の同僚たちのメンタルヘルスを心配していると話していた。

しかし、すべてが暗い話というわけではない。まず、実証科学は数学よりも自動化がはるかに難しいかもしれない。データの収集には本質的に時間がかかるからだ。また、AI数学者やAI科学者を脅威ではなく恩恵と捉える研究者もいる。その一人が、AIモデルをより高速かつ低コストで動かす研究に取り組む、カーネギーメロン大学のティム・デットマーズ助教授（コンピューターサイエンス）だ。AI科学者が人間に取って代わることはない、とデットマーズ助教授は言う。むしろ、人間の科学者をはるかに効率的に働けるようにし、彼や同僚たちが、そうでなければ手を付ける機会すらなかったような、大胆でひらめきに満ちたアイデアを追究できるようになるかもしれない。

そして、科学者とは本来、逆境に強い存在だ。フロンティアモデルの学習を妨げるリソースの制約そのものが、モデルをより小型化・効率化する新たな手法の発見や、まったく新しいアーキテクチャの探求へと彼らを駆り立てる。次の大きなAIのブレークスルーが、大手企業ではなく、限られた資金で奮闘する大学の研究室から生まれたとしても、私は驚かないだろう。

• 9

人気の記事ランキング

1. The inside story on why OpenAI agents hacked Hugging Face AIエージェントはなぜハッキングに走ったか？オープンAI報告書の中身
2. Promotion AI White Paper 2026 松尾・岩澤研協力『AI白書2026』発売、サブスク版も開始
3. Is Slate Auto’s new electric truck the EV Americans need? 豪華装備も航続距離も捨てたスレートの格安EV、米国で売れるか
4. Bill Gates says we’ve passed AI’s danger thresholds. Now what? 「人類はもう境界線越えた」 ビル・ゲイツがいま AIに警鐘を鳴らす理由
5. Kids outlearn AI—and we still don’t know why 一滴の水から海を知る—— 子どもはなぜAIより 速く言語を学べるのか？