まず、ここだけ

  • パテル氏は最良の人間並みのAI研究システムまで数年、早ければ数カ月と見た。
  • 全分野の専門家級は2030年、場合によっては来年にも達しうると述べている。
  • 根拠は数学での急進展と、Anthropic・OpenAIで既に見える研究開発の加速だ。

年初の十年から、2030年へ縮んだ時間軸

The avalanche that hit math is coming for AI development.

Dwarkesh Podcast司会のドワルケシュ・パテル氏(@dwarkesh_sp)は11月13日、同題の長文を公開し、Xでもこの一文を掲げた。投稿は閲覧約136万、いいね5014、ブックマーク4294、リポスト449を集め、予測の前倒しそのものが話題の中心になった。

年初に聞かれれば、超知能までは少なくとも十年の大半と答えていただろう、と本人は書く。議論と、検証可能な領域でのAIの進みを見て、ここ三カ月で大きく更新した。AI研究で最良の人間に並ぶシステムは数年、場合により数カ月。研究の自動化がその後の一年に進歩を圧縮し、2030年、妥当なら来年にも、あらゆる分野で最良の専門家以上のAIが現れる、という見立てだ。数カ月前の自分さえ信じなかった、と断っている。

フロンティアでは、AIが次のAIを押し上げ始めている

推測に入る前に、パテル氏は先端ですでにAIが次の進歩を大きく速めている証拠を並べる。独立評価のMETRはAnthropicに三カ月入り、範囲の明確なタスクの進捗速度が一年前の2倍で、加速の大半は研究開発へのAI活用によると結論した、と紹介している。

出所パテル氏が引く数字
METR(Anthropic埋め込み)明確なタスクの進捗は一年前の2倍。加速の多数はAIによる研究開発が原因とみられる
OpenAI(9月のブログ)研究者のうち利用上位10%の社内コーディングエージェントが、夏初めの1日約1000ドルから8月末には7000ドル超へ
Anthropic(9月)8月時点でClaudeが自社AI研究開発の26%超を主導。2月は1%未満だった

数学は予告編、本体は研究そのものの自動化

本文は、数学能力がどれほど速く伸びたかを、AI研究に同じことが起きたときの予告編として置く。執筆にはMax Farrens、Gabe Fried、Thomas Larsenが伴走し、約44分の朗読がYouTube、Spotify、Apple Podcastsにある。

構成は速度・賢さ・量、特異点か火花か、超知能は優れたメタ学習者になるか、と進む。付録ではAI研究開発の多くが検証可能であること、サンプル効率とオンライン学習、事前学習・事後学習・推論効率を扱い、反論として継続学習と、適切な検証可能な代理指標を見つけられるか、を掲げている。

https://www.dwarkesh.com/p/rsi

  • 主張の核は、AI研究の自動化が一年に進歩を押し込み、全分野の専門家級へつながるという点
  • 時期の幅は、研究で人間最高水準まで数年か数カ月、その先の超知能は2030年か来年
  • 反論の置き場は継続学習のボトルネックと、検証可能な代理指標を正しく選べるか
数学の雪崩とAI開発の公開ページ元のページを別タブで開いて確認できます
『数学の雪崩とAI開発』公式ページ・関連リンクを開く ↗

話題の元投稿

作者の投稿や紹介を、X で確認できます。

参考リンク

  1. 数学の雪崩とAI開発 関連ソース (1)x.com
  2. 数学の雪崩とAI開発 公式・公開ページwww.dwarkesh.com