「AI革命は過小評価されている」──Eric Schmidtが語る未来の覇権と人類の選択
AI（人工知能）技術の飛躍的な進化は、私たちの生活や産業構造を根底から変えつつある。しかし、その真価やリスクについては、まだ充分に論じ尽くされていない。本稿では、Eric Schmidt氏がTEDで語った講演「The AI Revolution Is Underhyped」をベースに、2016年のAlphaGoによる「未知の一手」から始まったAI革命の到来と、現在直面する技術的・社会的課題、そして今後の展望までを、具体例や引用を交えつつわかりやすく解説する。
1. 2016年の転換点：AIが人間の常識を超えた瞬間
1-1. AlphaGoが生み出した「未知の一手」
2016年、囲碁の世界で起きた出来事は多くの研究者やプレイヤーに衝撃を与えた。Eric Schmidt氏は当時を「静かに地殻変動が起きた瞬間」と表現し、次のように語っている。
「このゲームで、人類が2500年間一度も見たことのない新しい手をAIが発明した」（Eric Schmidt）
AlphaGoは、常に勝率50%以上を維持するよう設計され、その結果として「神の一手」とも評された一手を打ち出した。これは単なる計算能力の勝利ではなく、人間の直感や経験を凌駕するパターン発見の可能性を示した。
1-2. 技術と思想の飛躍
Schmidt氏は、この体験を契機に「革命はここから始まった」と述べる。囲碁という古典的な領域で起きた革新は、AIの可能性を広く世間に知らしめ、後の強化学習（Reinforcement Learning）や大規模言語モデルの発展に道を開いた。
2. AIはまだ過小評価されている理由
2-1. ChatGPTに象徴される「言語モデル」の先
多くの人にとってAIの象徴はChatGPTだろう。Schmidt氏は、「皆さんが初めて“書くAI”を体験したのがChatGPT」と語るが、
「それは2年前の話。今や強化学習による“計画”が可能になっている」（Eric Schmidt）
2-2. 「言語→配列→計画」へのシフト
言語モデル（Language）：自然言語の生成・理解
配列モデル（Sequence）：生物学やゲノム解析への応用
計画能力（Planning）：前後の試行を繰り返す強化学習
これらが連携することで、単なる文章生成から「ビジネスプロセス全体を自律的に運用するエージェント」へと進化しつつある。
3. インフラの制約：計算資源・エネルギー・データ
3-1. 計算資源とエネルギーの壁
Schmidt氏は、議会で「米国にはあと90ギガワットの電力が必要だ」と証言した。
「それは原発90基分。今、建設数はゼロだ」（Eric Schmidt）
世界各地で新設されるデータセンターは都市規模の電力を消費し、エネルギー供給の確保が喫緊の課題となっている。
3-2. データの枯渇と生成
従来のAIは、大量の既存データを学習に用いてきたが、
「データが枯渇した今、自らデータを生成する必要がある」（Eric Schmidt）
自己生成データの活用やシミュレーションによる強化学習が主流となりつつある。
4. 非定常性目標と真のイノベーション
4-1. 新たな知見の創出限界
現在のAIは既存知識の組み合わせには長けているが、全く新しい概念や理論を自律的に発明することはできない。Schmidt氏は、
「非定常性目標（Non-stationarity of objectives）の克服が次の挑戦だ」と提唱する。
4-2. 人間とAIの協奏
Einsteinが異なる分野のパターンを見出して科学を革新したように、
AIも異分野の知識を融合し、新たな洞察を生むフェーズが期待される。
5. エージェント化と安全性ガードレール
5-1. 自律エージェントの可能性とリスク
エージェントが別のエージェントと言語でやり取りし、連鎖的にタスクを実行する未来。
「制御不能な自己改良や武器への直接アクセスは“アンプラグポイント”」（Eric Schmidt）
5-2. ガバナンスと「ヒューマン・イン・ザ・ループ」
軍事分野では、「Meaningful Human Control」（人間の関与）が規範化されており、AIエージェントにも同様の枠組みが求められる。
6. グローバル競争と政経リスク
6-1. 米中AI戦略の対立
米国：クローズドモデル重視、高い制御
中国：オープンソース主導、迅速な普及
この相反するアプローチがサイバー・バイオ・核といった複数の安全保障リスクを孕む。Schmidt氏は、両国の資本構造や政策が「未来の覇権」を決すると警鐘を鳴らす。
6-2. ネットワーク効果とスピード競争
「ネットワーク効果では、“改善曲線の勾配”が命運を分ける」（Eric Schmidt）
先行者が一度加速すれば、後追いはほぼ不可能となる。
7. 人類の未来と倫理的ジレンマ
7-1. 社会的効用と格差
AIによる生産性向上は、30％／年にも達する可能性がある一方、雇用構造や教育機会の不均衡が拡大する憂慮もある。
7-2. 自由と監視のトレードオフ
「1984」を防ぐための監視技術は、同時に監視社会を助長しかねない。
「ゼロ知識証明などの暗号技術で個人の自由を守る道はある」（Eric Schmidt）
最後にSchmidt氏はこう語る。
「これはスプリントではなくマラソンだ。毎日一歩ずつ波に乗り続けよ。」
AIは日々進化し、私たちは「二年前の常識」を忘れがちになる。その中で、専門家も一般市民も、テクノロジーを理解し、社会実装に携わることが不可欠だ。今こそ、AI革命を自らの“マラソン”として捉え、一歩一歩を確実に踏みしめていこう。
関連記事
