AlphaGoの開発者：AIは誤った道を進んでいる

2016年、AlphaGoが囲碁世界チャンピオンの李世石を破り、人工知能史上のマイルストーンとなりました。現在、AlphaGoの創造者の一人であるデビッド・シルバー（David Silver）は、現在のAIの発展路線が誤った方向に進んでいる可能性があると公に表明しました。

AlphaGoから「スーパーラーナー」へ

シルバーはDeepMindの初期の核心メンバーであり、強化学習分野のトップエキスパートです。彼が主導して開発したAlphaGoは、自ら対局し、人間の棋譜に依存することなく超人的なレベルに達しました。現在、彼は「Synthesis AI」という新会社を設立し、その評価額はすでに10億ドルを超え、「スーパーラーナー（Superlearners）」を目指しています。

「我々が構築したいのは、AlphaGoが囲碁を自学したように、自主的にあらゆるスキルを習得するAIシステムです。」——デビッド・シルバー

シルバーは、現在の主流AI、特に大規模言語モデル（LLMs）には根本的な欠陥があると考えています。それらは膨大な人間のアノテーションデータと計算リソースに過度に依存しており、本質的には「高度なパターンマッチャー」に過ぎず、真の知的エージェントではないと指摘しています。

「データ飢餓」の罠

彼は、GPT-4などのモデルが数万人分の人間の寿命に相当するテキストデータを消費して訓練されることが、その学習効率の低さを露呈していると指摘しています。対照的に、人間の子供はわずかな経験で言語や推論能力を習得できます。シルバーのチームは、強化学習とメタラーニングを組み合わせ、AIが未知の環境で少量の試行錯誤を通じて迅速に適応できるようにすることを探求しています。

この見解はAIコミュニティで激しい議論を引き起こしました。支持者は、シルバーが指摘した現在のAIの「データボトルネック」を認めており、高品質なデータが徐々に枯渇するに従って、モデルの性能向上が限界に達することを懸念しています。一方、批判者は、大規模言語モデルが推論やコード生成などのタスクで驚異的な能力を示しており、その学習効率は人間には及ばないが、規模の効果で不足を補えると反論しています。

業界の反応と未来の道筋

GoogleやOpenAIなどの大手企業は、より大規模なモデルの構築に数十億ドルを投入しており、シルバーの「反潮流」路線は特に異彩を放っています。彼は「知能の核心はデータ量ではなく、探索とフィードバックの循環にあります」と強調しています。Synthesis AIは現在、ロボット制御や科学シミュレーション分野に焦点を当て、その方法の汎用性を証明しようとしています。

編集者注：シルバーの批判はAI発展の核心的矛盾に触れています——算力とデータの積み重ねを続けるべきか、それとも知能の根底に立ち返るべきか？AlphaGoの成功は「無監督の自己進化」の可能性を証明しましたが、それを一般的な分野に拡張するには依然として大きな課題があります。おそらく、真の突破には両方の道筋を融合する必要があるでしょう。

この記事はWIREDからの翻訳です。