もっと知りたいことへ
仕組みや性能、研究の条件、社会の未来。気になる問いから、さらに詳しく。
分からない言葉だけ開けば十分です。本文の最初に出てくる場所からも説明を開けます。
深掘り 1 / 7 / モデルとエージェント
GPT-6 Astraは、OpenAIが2026年9月3日に発表したモデルです。文書・表・スライドの制作や、道具を使う複数工程の作業を紹介しています。ChatGPTやCodexは、このようなモデルを利用する製品です。
モデルの名前に加え、使える道具と完成させたいものを比べてみましょう。
発表時の提供予定を、全員が今日使えるという意味には広げません。
Anthropicの2026年9月の説明では、Fable 5.1とMythos 5.1は同じモデルに異なる安全策を組み合わせています。Fableは一般提供、Mythosは信頼された利用者向けのアクセス制度で提供されます。
用途と提供条件まで見ると、名前だけの比較より選びやすくなります。
同じモデルでも、利用できる機能や制限が同じとは限りません。
Codexは、モデルにファイルやコマンドなどを扱う道具と作業環境を組み合わせ、開発作業を進める製品です。2026年2月のアプリ発表では、複数のエージェントによる作業と、人が変更を確認する使い方が紹介されました。
仕事が終わるまで常に正しく動き続けるという意味ではありません。
触れてよいファイルと完成条件を伝え、実行結果と変更内容を確かめる必要があります。
Claude Codeの公式文書は、情報を集め、操作し、結果を確認する循環を説明しています。ファイルの検索、編集、コマンドの実行などを通じて、次に必要な作業を選びます。この循環を支えるモデルと、操作を実行する環境は別の役割を持ちます。
また、チャット製品にも操作機能が備わる場合があります。
「会話なら回答だけ、エージェントなら全自動」と名前で決めず、実際に何を操作できるかで見分けます。
深掘り 2 / 7 / 性能の測り方
AIの能力を一つの数字だけで表そうとすると、文章、数学、画像、道具の操作といった違いが見えなくなります。人間向けの心理検査をAIに当てた結果も、その数字をそのまま人間の能力と同じ意味で読めるとは限りません。
これはIQ試験そのものの研究ではありません。
性能のニュースでは、試験名、対象モデル、道具、制限時間、再試行、採点方法を確かめ、測っていない能力を残して読む姿勢が大切です。
東進は2026年3月3日、同年2月25・26日の東京大学二次試験を3モデルで検証した結果を公表しました。対象はClaude Opus 4.6、Gemini 3.1 Pro、GPT-5.2で、文系・理系とも8割を超え、文系数学は3モデルとも満点でした。
大学による合格認定や、人間の受験全体を同じ条件で再現した試験ではありません。
入試問題を解いた結果は注目に値しますが、資料の収集や関係者との調整を含む仕事全体の成功率には置き換えられません。
Google DeepMindは2025年7月21日、高度版Gemini Deep Thinkが国際数学オリンピックで35点／42点を得たと発表しました。6問中5問を解き、IMO側が通常の採点基準で評価した金メダル水準の結果です。
一方、数学向けの追加訓練を施した高度版による結果で、当時の一般利用者向け製品と同じ条件とはみなせません。
難しい数学の到達点を示しますが、文章作成、対人調整、現場作業などに同じ成功率を期待する根拠にはなりません。
METRのTH1.1（2026年1月29日）は、主にソフトウェア開発・機械学習・サイバーセキュリティの228課題を用います。50%の成功率に対応する「人間相当の課題時間」を推定する指標で、AI自身の稼働時間や一般業務を連続で任せられる長さではありません。
8時間を超える31課題のうち、人間が実際に完了する時間を測ったものは5課題で、残りは推定時間を含みます。
課題構成、人間の時間推定、成功条件に依存するため、特定の仕事で必要な成功率や、自社の作業時間と直接同一視しないでください。
OpenAIは2026年8月、内部モデルによる数学・理論計算機科学の10件の解決または大きな進展を報告しました。
採点できる試験と、研究者が検討する新しい成果では、確かめ方も変わります。
提供元の研究発表であり、一般製品の再現試験ではありません。
深掘り 3 / 7 / 仕組み
Attentionを使って入力の関係を扱う構造。多くのLLMで使われ、文章以外にも応用されています。は、入力のどの部分をどの程度参照するかを計算するAttentionを使う構造です。文章を扱うLLMでは、文脈をもとに次の文章を処理するために区切った単位。文字、単語の一部、記号などに対応し、1トークンが常に1文字や1語とは限りません。の候補を計算し、生成した内容を踏まえて続きを作ります。トークンは、文字や単語の一部などをまとめた処理単位です。
画像にはノイズを段階的に整える拡散モデルなどがあり、音声にも異なる方式があります。
Transformerも文章専用ではありませんが、「次の言葉を選ぶ」だけで画像や音声を含むすべての生成AIを説明することはできません。
脳から着想を得た数理モデル。生物の脳と同じ構造ではない。は、人工的な「ニューロン」をつなぎ、入力を数値として処理する数理モデルです。学習では、例から望ましい出力に近づくよう、つながりの重みなどを調整します。脳を参考にした名前ですが、生物の脳と同じ仕組みを再現したものと考える必要はありません。
会話の前の内容を参照できるのは、今の入力として渡されている文脈や、製品の保存機能による場合があります。
会話しただけで、毎回モデルそのものが学習し直すとは限りません。
規模・データ・計算量を増やしたときの性能変化を表す経験則。は、モデルの規模、学習データ、計算量などを変えたときの性能の傾向を表す経験則です。2020年の研究は言語モデルの予測誤差との関係を調べ、2022年の研究は、計算予算を一定にした場合のモデル規模とデータ量の配分を検討しました。
データの質や計算資源、費用にも左右され、同じ傾向が将来も続くかは検証が必要です。
実務では最大のモデルを選ぶ前に、必要な精度、待ち時間、費用を比べます。
モデルを学習させるときの計算と、回答を作るときの計算は分けて考えます。OpenAIは2024年9月、推論向けモデルについて、学習時の計算だけでなく回答時の計算を増やすことでも、特定の課題で性能が改善する結果を示しました。
単純な文章の整形と、条件の多い検討では必要な能力が異なります。
「長く考えた」との表示より、求めた条件を満たす結果かで評価します。
深掘り 4 / 7 / 科学と現実世界
実証の走行日は2025年12月8日と10日で、距離はそれぞれ210メートルと246メートルです。地形の画像と傾斜データを入力に、AnthropicのClaudeモデルが通過地点を生成しました。
地上での経路計画、指令の検証、探査車の走行機能を分けて捉える事例です。
AIが経路を計画し、地上の技術者が検証した事例です。探査全体をAIだけで運用したものではありません。
2024年5月に発表されたAlphaFold 3は、たんぱく質に加え、DNA、RNA、小分子などが組み合わさった立体構造を予測するモデルです。Google DeepMindとIsomorphic Labsの説明では、拡散ネットワークを使って予測構造を組み立てます。
分子の構造を予測できることは、薬の効き目や人への安全性を確定したことではありません。
本稿では開発元の機能説明と用途を紹介し、創薬全体の成功や治療効果を実証した例として扱いません。
WeatherNext 2は、複数の天候シナリオを作る予測モデルです。原論文では、15日分の予測1系列を単一のTPU v5pで1分弱と説明しています。数百系列すべての合計時間ではありません。
対象の地域、予測する時間、変数、比較相手によって評価が変わります。
開発元の測定結果を、すべての天候で従来の予報より正確、あるいは予報業務が不要になったという意味には広げません。
Googleが2026年5月29日に紹介したGemini Omniの動画機能は、文章に加え画像、音声、動画などを入力として扱い、動画を作成・編集するものです。複数種類の情報を扱う「文章・画像・音声・動画など複数種類の情報を扱うこと。入力と出力で対応する種類は異なる場合があります。」の例として理解できます。
この発表は動画から始まる提供の説明で、文章・画像・音声・動画のあらゆる出力が一度に同じ条件で使えるという意味ではありません。
紹介動画は提供元のデモであり、自分の素材でも同じ品質になるかは、利用可能な機能と条件をそろえて試す必要があります。
Gemini Robotics 1.5の発表は、周囲の状況を扱って計画する役割と、ロボットの動作へつなげる役割を説明しています。NVIDIAも2026年7月、日本企業によるCosmos 3 Edgeの開発・活用に関する取組を発表しました。いずれも、製品や研究の対象と提供範囲を確認して読む必要があります。
環境が次にどう変わるかなどを予測・生成するモデル。現実の理解や予測の完全性を意味しません。は、次の状態や結果を予測するためのモデルを指し、物理法則を完全に理解した証明ではありません。
デモや連携発表を、あらゆる現場で使える完成済みのロボットや測定済みの導入効果と取り違えないことが大切です。
報告の対象は、外から滑らかな力を加える条件を含む、CMIの問題設定C・Dです。静止した滑らかな初期状態から、エネルギーを有限に保ったまま有限時間で特異点が生じるという証明を、論文とLean形式で公開しています。
式の問題設定と証明の検証状況を分けて読む必要があります。
本ガイドは証明を独立検証していません。CMIの9月11日の声明は賞の授与の発表ではありません。解決報告と外部の評価・認定を区別します。
深掘り 5 / 7 / AGI・ASIと予測
AGIは、幅広い知的な仕事をこなす汎用的なAIを指す言葉です。ただし、何をもって到達とするかは文書ごとに異なります。OpenAIの憲章は、経済的に価値ある多くの仕事を人間以上に行う自律的なシステムという定義を置いています。
個人を上回るのか、人間の大きな組織を上回るのかなど、比較対象もそろえる必要があります。
製品の新機能や一つの試験の高得点だけから、AGIやASIに到達したと結論づけることはできません。
2026年の論考「From AGI to ASI」は、AGIから先の発展について、規模の拡大、方式の変化、再帰的な改善、多数のAIの協調という経路を整理しています。これは、どれか一つがすでに実現し、ASIへの到達が決まっていると実証したものではありません。
複数の経路が組み合わさる可能性もあります。
将来のニュースを読むときは、提案された方法、試験で確かめた段階、まだ残る課題を分けると、期待と実証の距離をつかめます。
シンギュラリティは、技術の進歩が大きく加速し、その先の社会を従来の延長で予測しにくくなるという仮説的な転換を指します。知能爆発は、AIがAIの改善を助け、その改善がさらに次の改善を速めるという筋書きです。両者は関連しますが、同じ定義ではありません。
「From AGI to ASI」も進展と制約の大きさを未解決の問いとして扱っています。
予測年を一つの確定日として読むことは避けます。
2023年の研究者調査では、HLMIについて集約した予測が10%となる年は2027年、50%となる年は2047年でした。全職業の自動化が可能になるFAOLは別の設問で、50%となる年は2116年です。「専門家の意見が90年割れた」という比較にはできません。
これは技術的に可能になる時期の予測であり、実際の採用・普及や失業の時期ではありません。
| 設問 | 確率 | 予測年 | 設問別回答数 |
|---|---|---|---|
| 全タスクで人間より良く、安価に行う（HLMI） | 10% | 2027年 | 1,714人 |
| 同じHLMIの設問 | 50% | 2047年 | 1,714人 |
| 全職業を完全に自動化することが可能（FAOL） | 50% | 2116年 | 774人 |
2025年10月改訂の原著v3に載る、2023年10月の調査結果として、次の表で条件を確認してください。
AIの能力が向上すると、研究、教育、仕事の進め方が変わる可能性があります。一方、導入には費用、設備、データ、制度、人が使いこなすための準備も必要です。技術的にできることが増えた時点と、社会に広く行き渡る時点は一致しません。
これは編集部による整理です。
現時点の事業では、自社の仕事を小さく試し、確認時間や修正量も含めて観察することが、将来の年号だけに頼る判断より具体的な材料になります。
深掘り 6 / 7 / 発言者の見通し
Davos 2026の公式対談記録で、Musk氏は、個々の人間より賢いAIが2026年末、遅くとも2027年に現れ、2030〜31年には人類全体を上回るとの見通しを述べています。ここでの「賢さ」は、東大試験やMETRと同一の採点条件ではありません。
発言の年だけを取り出さず、何と比較しているか、能力をどう確かめるかという未確定の点も含めて受け止める必要があります。
AI事業を進める当事者による予測で、研究者全体の合意や到来の確定を示すものではありません。
2026年7月のSoftBank World基調講演を紹介する公式記事では、孫氏が2040年にASI経済が世界GDPの20%を占めるという構想を示しています。AIエージェントが経済活動を担う未来像と、それを支える事業の方向性についての説明です。
ASIの成立、普及、投資などを前提にした本人の見通しとして読みます。
研究者調査のHLMIやFAOLとは設問も集計方法も違うため、予測年や割合を同じ尺度の順位表へ並べることはできません。
NVIDIAが2026年3月3日に出したGTC開催予告は、Huang氏のAIを重要なインフラとする見方を紹介しています。AIの普及には、半導体だけでなく、電力、データセンター、モデルやアプリケーションまで関わるという視点です。
また、AI向け半導体などを提供する企業の立場からの説明でもあります。
インフラ投資の必要性を考える材料にはなりますが、個別投資の収益性やAGI・ASIの到来時期を証明するものではありません。
Amodei氏は2026年1月の「The Adolescence of Technology」で、広い分野で卓越し、長時間の作業を進める「powerful AI」を定義し、最短1〜2年の可能性に言及しました。同じ段落で、到来は大幅に先になる可能性も認めています。
独自の能力定義に基づくため、他者のAGI予測と比べるときは言葉の意味から確認します。
早い進展を想定した備えと、時期に関する確信度を分けて読むことが大切です。
深掘り 7 / 7 / 政府と企業の動き
「人工知能関連技術の研究開発及び活用の推進に関する法律」は、2025年6月4日に公布・一部施行され、9月1日に全面施行されました。ここでは、内閣府が示す制度の成立と施行の時点を紹介しています。
このカードは企業ごとの法的判断を示すものではなく、AI政策の動きを理解する入口です。
具体的な業務へ使うときは、その業務に関係する現行のルールを確かめます。
2026年7月14日の人工知能基本計画は、AIの利用促進、開発力の強化、適切な管理、社会の継続的な変化への対応を掲げています。第1章では、AIが計画・実行・検証・修正を繰り返すエージェント型AIの進展にも言及しています。
進捗を追う際は、個別施策の開始、利用の実態、評価結果を別々に確認します。
企業側では、関係する制度や支援策の正式な案内へ戻る手がかりになります。
デジタル庁の「源内」の説明では、2026年度に全府省庁の政府職員約18万人を対象に生成AI利用環境を展開する方針を示しています。2026年5月から大規模な試用が始まったことも案内されています。
利用回数、継続利用者数、仕事の改善効果を表す数字でもありません。
導入状況を理解するには、「使える人」「使った人」「使い続ける人」と、効果を測った対象を分けて読む必要があります。
中小機構の2026年3月公表資料は、2025年11月17日〜12月12日のウェブ調査です。対象1万社、有効回収1,668社。AI導入状況の設問は1,647社が回答し、導入済みは20.4%でした。
設問ごとに分母が異なり、目的の割合は実際に時間が減った割合ではありません。
回答した企業の結果です。効果を読むときは、別設問の回答数や測定方法も確認します。
米ホワイトハウスは2025年7月23日、米国AI行動計画（America's AI Action Plan）を発表しました。技術革新の加速、米国内のAIインフラ整備、国際外交と安全保障という3本柱に沿って、政策行動を示しています。
データセンター整備や技術の輸出などの方向性は分かりますが、全施策が実施済みであることや、期待した経済効果が出たことを示す報告ではありません。
企業の事業判断に使う場合は、関係する個別制度や、その後の実施状況を確かめる必要があります。
2026年6月2日の米大統領令EO14409は、AIを用いたサイバー防御や、開発企業と政府が協力する任意の評価枠組みを示しました。第3節は、新しいモデルの公開に義務的な政府許可を求める根拠にはしないとも明記しています。
制度の発足や運用開始は確認できても、攻撃をどれだけ防いだかという効果測定とは別です。
AIは攻撃にも防御にも関わるため、性能の発展だけでなく、運用と協力の方法も政策上の論点になります。
代表の見立て
本編は、出典のある事実を土台に書きました。この欄は、AIと毎日仕事をしている一人の実務者としての、代表個人の見立てです。
私は元警察官で、プログラミングは後から学びました。その私がいま、設計から実装、検証までをAIとの共創で進める会社を一人で営んでいます。数年前の自分に話しても、信じなかったはずです。
だから、この1年の触り方が数年後の差になる——これは出典のある事実ではなく、私の賭けです。私はその賭けに、会社ごと乗っています。読み終えたあなたは、まず今日の30分から試してみてください。
NeoLogic 代表 影山湧亮
