編集：フェリックス、PANews
2025年7月9日、NVIDIAは時価総額4兆ドルを達成した初の上場企業となりました。NVIDIAと不安定なAI分野は今後どこへ向かうのでしょうか？
予測は難しいものですが、過去の予測がなぜ実現しなかったのか、そしてどのような形で、どのように、そしてどのような理由で実現しなかったのかを理解するのに役立つ豊富なデータがあります。これが歴史です。
人工知能 (AI) の 80 年の歴史は、資金調達の増減、研究開発へのアプローチの大きな変化、そして一般の人々の好奇心、不安、興奮などを反映してきましたが、そこからどのような教訓を学べるでしょうか。
AIの歴史は、神経生理学者ウォーレン・S・マカロックと論理学者ウォルター・ピッツが数理論理学に関する論文を発表した1943年12月に始まりました。「神経活動に内在するアイデアの論理的計算」という論文の中で、彼らはニューロンのネットワークを理想化・単純化し、インパルスを通過させるか通過させないかによって単純な論理演算を実行する方法について考察しました。
当時組織化学の分野を開拓していたラルフ・リリーは、マカロックとピッツの研究を「実験事実」がない中で「論理的かつ数学的なモデルに『現実』を与えた」と評した。後に、この論文の仮説が実証的な検証に失敗した際、MITのジェローム・レットヴィンは、神経学と神経生物学の分野ではこの論文は無視されたものの、「後にAIとして知られる新しい分野となるであろう熱心な支持者たちのコミュニティ」を刺激したと指摘した。
実際、マカロックとピッツの論文は、現在主流となっているAIの特定の亜種である「コネクショニズム」に影響を与えました。これは現在「ディープラーニング」と呼ばれ、最近では「AI」と改名されています。このAI亜種「人工ニューラルネットワーク」の基盤となる統計分析手法は、AIの実践者や評論家から「脳を模倣している」とよく表現されますが、このアプローチは脳の実際の働きとは全く関係がありません。2017年、評論家でありAIの第一人者であるデミス・ハサビスは、マカロックとピッツによる脳の働きに関する虚構的な説明や同様の研究は、「現代のディープラーニング研究の基礎を築き続けている」と宣言しました。
レッスン1 ：工学と科学、科学と推測、そして科学と数学記号や数式だらけの論文を混同しないように注意しましょう。最も重要なのは、人間は機械と何ら変わりなく、人間のような機械を作ることができるという妄想に陥る誘惑に抗うことです。
この頑固で蔓延している傲慢さが、過去 80 年間にわたってテクノロジー バブルや周期的な AI ブームのきっかけとなってきました。
これは、機械が近い将来、人間のような、あるいは超知能を持つようになるという、汎用人工知能 (AGI) というアイデアを思い起こさせます。
1957年、AIの先駆者ハーバート・サイモンは「今や、考え、学び、創造する機械が誕生した」と宣言しました。彼はまた、10年以内にコンピュータがチェスのチャンピオンになると予測しました。1970年には、もう一人のAIの先駆者であるマービン・ミンスキーが自信たっぷりにこう述べました。「3年から8年後には、普通の人間と同等の知能を持つ機械が誕生するだろう。（中略）コンピュータが制御権を握れば、二度と取り戻せないかもしれない。私たちは彼らのなすがままに生きることになる。運が良ければ、ペットのように飼われるかもしれない」
汎用AIの到来への期待は非常に大きく、政府の支出や政策にも影響を与えました。1981年、日本は人間のように考える機械の開発を目指した第5世代コンピュータプロジェクトに8億5000万ドルを割り当てました。これに対し、米国国防高等研究計画局（DARPA）は、長い「AIの冬」を経て、1983年に「人間のように見、聞き、話し、考える」機械の開発を目指し、AI研究への資金提供を再開しました。
世界中の賢明な政府が汎用AI（AGI）だけでなく、従来型AIの限界も理解するまでに、約10年と数十億ドルの費用がかかりました。しかし2012年までに、コネクショニズムはついに他のAI学派に勝利し、汎用AIの到来が間近に迫っているという新たな予測の波が世界を席巻しました。OpenAIは2023年、超知能AI（「人類がこれまでに生み出した最も影響力のある発明」）が10年以内に到来し、「人類の力の喪失、あるいは絶滅さえももたらす可能性がある」と宣言しました。
教訓2：目新しいものには警戒し、注意深く、用心深く、そして賢明に見てください。機械が人間のような知能を持つようになるのはいつかというこれまでの推測と、それほど変わらないかもしれません。
ディープラーニングの「ゴッドファーザー」の一人であるヤン・ルカン氏はかつてこう語った。「機械が人間や動物と同じくらい効率的に学習できるようにするには、まだ何か重要なものが欠けているが、それが何なのかはまだわかっていない。」
汎用AI（AGI）は長年、「すぐそこまで来ている」と言われてきましたが、それはすべて「第一歩の誤謬」によるものです。機械翻訳のパイオニアであり、機械知能の限界について最初に議論した一人であるイェホシュア・バーヒレル氏は、コンピューターが最近まで誰も考えられなかったことができることを誰かが実証すれば、たとえそれがうまくできなかったとしても、そのタスクを完璧にこなすにはさらなる技術開発が必要になると多くの人が信じていると指摘しました。ただ待っていれば、いつかは実現するというのが一般的な考えです。しかし、バーヒレル氏は1950年代半ばという早い段階で、そうではないと警告しており、現実は繰り返しそれを証明してきました。
レッスン 3: 何かができない状態から下手くそになるまでの距離は、下手くそから上手くできるようになるまでの距離よりも、通常、ずっと短いです。
1950年代から1960年代にかけて、コンピューターを動かす半導体の処理速度が向上するにつれ、多くの人が「第一歩の誤謬」に陥りました。ハードウェアが「ムーアの法則」と呼ばれる毎年着実に進歩していくにつれ、機械知能もハードウェアの進化に追いつくだろうと広く信じられていました。
しかし、ハードウェア性能の継続的な向上に加え、AIの発展は新たな段階に入り、ソフトウェアとデータ収集という2つの新たな要素が導入されました。1960年代半ば以降、エキスパートシステム（注：知能型コンピュータプログラムシステム）は、現実世界の知識、特に特定分野の専門家の知識や経験則（ヒューリスティック手法）の獲得とプログラミングに新たな焦点を当てるようになりました。エキスパートシステムは急速に普及し、1980年代にはフォーチュン500企業の3分の2がこの技術を日常の業務に活用していると推定されました。
しかし、1990年代初頭には、AIブームは完全に崩壊しました。多くのAIスタートアップ企業が倒産し、大手企業はAIプロジェクトを凍結または中止しました。エキスパートシステムの先駆者であるエド・ファイゲンバウムは、早くも1983年に、エキスパートシステムの終焉を招いた「主要なボトルネック」を指摘しました。それは、知識獲得プロセスの拡大であり、「非常に煩雑で、時間と費用のかかるプロセス」でした。
エキスパートシステムは知識蓄積の問題にも直面しています。ルールを絶えず追加・更新する必要があるため、維持管理が困難でコストもかかります。また、人間の知能と比較した場合、思考機械の欠陥も露呈します。エキスパートシステムは「脆い」性質を持ち、通常とは異なる入力に対してはとんでもないミスを犯し、専門知識を新しい領域に応用できず、周囲の世界に対する理解も欠いています。最も根本的なレベルでは、人間のように事例、経験、環境から学習することができません。
教訓4：初期の成功（企業や政府機関による広範な導入、そして官民による巨額の投資）は、10年、15年後でも必ずしも永続的な「新産業」につながるとは限りません。バブルは崩壊するものです。
AI開発における二つの全く異なるアプローチは、浮き沈み、誇大宣伝と挫折を繰り返す中で、学界、官民の投資家、そしてメディアの注目を集めようと競い合ってきました。40年以上にわたり、AIに対するシンボリックでルールベースのアプローチが主流でした。しかし、インスタンスベースで統計に基づいたアプローチであるコネクショニズムは、1950年代後半から1980年代にかけて、もう一つの主要なAIアプローチとして短期間人気を博しました。
2012年のコネクショニストのルネサンス以前、AIの研究開発は主に学界によって推進されていました。学界はドグマ（いわゆる「通常科学」）と、シンボリックAIとコネクショニズムの永続的な二者択一を特徴としていました。2019年、ジェフリー・ヒントンはチューリング賞受賞スピーチの大部分を、自身と少数のディープラーニング愛好家が主流派のAI・機械学習研究者から受けた苦難について語ることに費やしました。ヒントンはまた、強化学習とDeepMindの同僚たちの研究をあえて軽蔑しました。
わずか数年後の2023年、DeepMindはGoogleのAI事業を買収しました（Hinton氏も同社を去りました）。これは主に、強化学習をAI開発の不可欠な要素として活用していたOpenAIの成功を受けてのことでした。強化学習の先駆者であるAndrew Barto氏とRichard Sutton氏は、2025年にチューリング賞を受賞しました。
しかし、DeepMindやOpenAI、そして汎用人工知能（AGI）に取り組む多くの「ユニコーン」企業のいずれも、大規模言語モデルという既存のパラダイムの先を見据えている兆候は見られません。2012年以降、AI開発の重心は学術界から民間セクターへと移りましたが、分野全体が依然として単一の研究方向に固執しています。
レッスン 5: AI の卵を 1 つのバスケットに入れないでください。
フアン氏は紛れもなく傑出したCEOであり、NVIDIAは傑出した企業です。10年以上前、AIのビジネスチャンスが突如現れた時、NVIDIAはすぐにそれを掴みました。同社のチップ（元々はビデオゲームの効率的なレンダリングのために設計）の並列処理能力は、ディープラーニングの計算に非常に適していたからです。フアン氏は常に油断せず、従業員にこう告げていました。「倒産まであと30日だ」
警戒を怠らないことに加え (Intel を覚えていますか?)、80 年間の AI 開発から学んだ教訓は、Nvidia が今後 30 日または 30 年間の浮き沈みを乗り切るのに役立つかもしれません。
