AI スケーリング法則を解説：汎用人工知能（AGI）は私たちが考えているよりも近い将来実現するのだろうか？

角度。 AI's 成長は物理学における法則と同様に規則的である。計算能力の向上、アルゴリズムの改善、データ量の増加は予測可能な利益をもたらし、最先端モデルが単独で完了できるタスクの長さは2023年以降、約4ヶ月ごとに倍増している。

汎用人工知能（AGI）は、ある日突然スイッチを入れるようなものではありません。それは階段のようなもので、デジタルで明確に定義された仕事に関しては、私たちは急速に登っています。しかし、斬新で、自由度が高く、物理的な仕事に関しては、その階段は依然として急勾配です。

トリック

チャットボットにソネットを書いてもらったり、コードを修正してもらったり、血液検査の結果を説明してもらったりすると、まるで魔法のように感じられます。このトリックがうまくいくのは、私たちが見ているのは舞台だけだからです。舞台裏には魔法使いなどいません。あるのは3つのダイヤルと電気料金の請求書だけです。

1. 最初のダイヤルは「計算」です。これは、モデルのトレーニングに必要な計算回数を表します。
2. 2つ目はアルゴリズムです。つまり、それぞれの計算がどれだけ巧妙に使われているかということです。
3. 3つ目はデータです。モデルがどれだけのテキスト、コード、ビデオから学習するかということです。

2024年以降、4つ目のダイヤルとして「思考時間」が追加されました。これは、モデルが回答するまでに推論に費やす計算量を表します。いずれかのダイヤルを上げると、パフォーマンスは驚くほど予測可能な形で向上します。

その予測可能性こそが真の発見だ。アイザック・ニュートンは、物体の動き方を記述する法則を私たちに与えてくれた。 AI 研究者たちは、少なくとも機械の知能が資源によってどのように向上するかを説明する法則を発見した。ニュートンのように。's 法則は、その範囲内では見事に機能するが、境界では破綻する。この作品は、法則と境界の両方について論じている。

モジョ's 法則：ニューラルスケーリング法則

2020年1月、OpenのチームがAI によって導かれて ジャレッド・カプラン 言語モデルが's 誤差、つまり「損失」は、学習に使用した計算能力のべき乗則に従って滑らかに減少する。こうして書き出すと、驚くほど単純だ。

L(C) = \left(\frac{C_c}{C}\right)^{\alpha_C}, \qquad \alpha_C \approx 0.050

Lは損失、Cはトレーニング計算量、C_cは定数です。指数が全てを物語っています。αが約0.05の場合、計算量を10倍しても損失は約11%しか減少しません。なぜなら、10のマイナス0.05乗は約0.89だからです。10倍にするごとに、同様のわずかな改善が永遠に続きます。ただし、何か別のものが尽きるまでです。（カプラン）'s 研究チームは、モデルのサイズとデータに関して一致するべき乗則を発見した。

2年後、DeepMindのChinchilla論文（Hoffmannら、2022年3月）は、この手法を修正した。一定の予算内で、パラメータとトレーニングトークンは共に増加するべきであり、これはパラメータ1つあたり約20トークンのトレーニングデータに相当する。700億個のパラメータを1.4兆トークンでトレーニングしたChinchillaは、同じ計算能力でトレーニングされた4倍の規模のモデルを凌駕した。

そして、その数値は増え続ける。最先端のトレーニング計算能力が年間約5倍に増加し（Epoch AI）、より優れたアルゴリズムによって同じ結果を得るために必要な計算能力が約8ヶ月ごとに半減すると仮定すると（Hoら、2024）、最良のモデルの背後にある実効計算能力は年間約14倍に増加する。なぜなら、2の12/8乗は約2.8であり、5×2.8は14だからだ。これはMojoの計算であり、測定値ではないが、毎年モデルがまるで別種のように感じられる理由を説明している。

ダイヤルには実際には何が表示されていますか？

4つのダイヤルはすべてまだ回転しているが、データダイヤルは停止位置に近づいている。

計算します。 エポック AI 最先端のトレーニング計算能力は2020年以降、年間約5倍に増加しており、トレーニングコストは約3.5倍に増加していると推定されている。GPT-3は2020年に約3×10^23回の演算でトレーニングされ、GPT-4は2023年に約2×10^25回の演算でトレーニングされた。

エポック's OpenAIによる2026年実行の最大予測's GPT-6 Astraの性能は約9×10^26で、10^27での達成はまだ確認されていません。Epochは、2025年にGrok 4をトレーニングするには約310ギガワット時の電力が必要で、費用は約4億9000万ドルかかると推定しました。

アルゴリズム。アンソン・ホー氏らが2024年に行った調査によると、一定の言語モデル性能レベルを達成するために必要な計算量は約8ヶ月ごとに半減するものの、より大きな計算能力を持つ機器の方が依然として多くの作業を担っていることが分かった。

データ。 これはストップ付きの文字盤です。エポック AI 公共の資産を推定する 人間が書いたテキスト 約300兆トークン規模で、2026年から2032年の間にトレーニングに完全に利用されると予想されています。私たちはまさにその期間内にいます。研究室は合成データ、ライセンスデータ、ビデオ、そしてモデル自身の推論履歴に注目しています。

思考時間。最新のダイヤル。2024年9月、OpenAIのo1は、解答時にモデルに推論時間を長くさせることで精度がスムーズに向上することを示しました。2024年の数学コンテストでは、1回の試行で74%、1,000回の試行をサンプリングして再ランク付けできる場合は93%のスコアを獲得し、GPT-4oの12%を上回りました。2024年の研究では、推論計算を賢く使うことで、小さなモデルが14倍の大きさのモデルに勝つことができることがわかりました。

リチャードサットン's 2019年のエッセイ「苦い教訓」では、この事態を予見していた。チェス、囲碁、音声認識、画像認識など、あらゆる分野において、計算能力を駆使した汎用的な手法が、巧妙に手作業で構築された知識を常に凌駕してきたのだ。それから6年経った今でも、その教訓は痛烈に心に突き刺さる。

物理学は限界について何と言っているのか？

上記のソフトウェア法則はハードウェア上で動作し、ハードウェアは物理法則に従う。この議論全体は、3つの数字によって形作られる。

チップの高速化は依然として進んでいるが、従来の方法ではない。トランジスタ数が約2年ごとに倍増するというムーアの法則は減速しており、NVIDIAのジェンセン・フアンCEOは2022年にその終焉を宣言した。

しかしNvidiaは's データセンター向けチップは、V100（2017年）の毎秒約125兆回の演算から、Rubin（2026年）の毎秒約4,000兆回へと、高密度16ビット演算性能を9年間で約32倍に向上させた（メーカー独自の仕様による）。この性能向上の大部分は、トランジスタの小型化ではなく、特殊な設計と低精度演算によるものだった。

エポック AI 措置 機械学習ハードウェア 2.1年ごとにコスト効率が約2倍になる。

人間の脳は驚くほど効率的です。米国国立標準技術研究所によると、人間の脳は約20ワットで動作します。一方、Nvidia H100 1基は約700ワットを消費します。Open Philanthropy が推定する脳の演算能力は毎秒約10^15演算で、これはH100 1基の演算能力とほぼ一致します。両者を比較するのは適切ではありませんが、効率の差は確かに存在し、ハードウェアにはまだどれだけの改良の余地があるかを示しています。

限界は存在する。 1961年に提唱され、2012年に実験的に確認されたランダウアーの原理は、室温で21ビットの情報を消去するために必要な最小エネルギーを約3×10⁻²¹ジュールと定めている。今日のチップは、それよりも何桁も多くのエネルギーを使用している。物理法則はまだ限界ではない。限界は発電所にあるのだ。

国際エネルギー機関's 2025年のエネルギーと AI 報告書によると、データセンターは2024年に約415テラワット時の電力を消費し、これは世界の電力消費量の約1.5％に相当すると推定されている。's 合計で、2030年までに約945テラワット時になると予測されている。

質問ごとの数値は小さく、減少傾向にある。Googleは2025年5月にGeminiへのテキストプロンプトの中央値を0.24ワット時と測定しており、これはEpoch AIをわずかに下回る。's その年の初めには、典型的なChatGPTクエリの消費電力は約0.3ワット時と推定されていたが、Googleは12か月間でプロンプトあたりのエネルギー消費量が33分の1に減少したと報告した。

問題はジェボンズのパラドックスだ。クエリのコストが下がると、クエリの数は数十億倍にも増える。

モジョ・ホライズン・クロック：どれくらい長く AI 単独で動作する？

2019年、GPT-2は約3秒のタスクを処理した。2026年4月、METR's 人為的影響の初期推定's クロード・ミトス・プレビューは16時間以上かかりました。

これは、7年間で約21,000倍の増加に相当します。各新記録にトレンドラインを当てはめてみたところ、2019年から2026年までは約6ヶ月ごとに、2023年以降は約4.1ヶ月ごとに、予測期間が倍増していました。METRが2026年1月に発表したアップデートでは、2023年以降の倍増期間は約4.3ヶ月とされており、我々の独自分析結果とも一致しています。

あくまで例示として、2023年以降の線を延長すると、2026年末頃に週40時間労働を、2027年後半には月167時間労働をそれぞれ超えることになる。

さて、ここで注意点を述べておきましょう。なぜなら、それらは重要だからです。

1. まず、成功率50%は信頼性とは言えません。成功率80%になると、視野ははるかに短くなります。
2. 第二に、これらは自己完結型のソフトウェアであり、 研究課題同僚や顧客、物理的な物とのやり取りを伴う、煩雑な仕事ではない。
3. 第三に、測定基準そのものが壊れつつある。METRは16時間を超える推定値は信頼できないと述べており、2026年9月にはランキングの更新を積極的に停止した。

定規が測定対象物よりも先に終わってしまう場合、それ自体が何らかの兆候である。

なぜベンチマークは下がり続けるのか？

モデルが改良されていること、そしてベンチマークが目標であること、どちらも事実です。そして後者こそが、私がすべてのランキングを慎重に扱う理由です。

最も顕著な例は、ARC Prize Foundationが2026年3月25日に発表したARC-AGI-3である。これは、人間が簡単に解ける、説明のないインタラクティブなパズルのセットだ。発表当時、最高の AI 0.51%のスコアを獲得しました。2026年9月3日、ARC PrizeはOpenAIを認証しました。's GPT-6 Astraは、標準テスト設定で62.7%の精度を記録した。（98%から99%という驚異的な精度は、ARC Prizeが標準とみなさない別の設定によるものだった。）何年も使えるように設計されたベンチマークが、わずか6ヶ月ほどでその性能の余裕をほとんど失ってしまった。

他の場所でも同様の傾向が見られます。SWE-bench Verified でのコーディングは、2023 年の 4.4% からプロバイダーが報告した 2026 年の約 96% に上昇しており、もはや最良のモデルを区別できなくなっています。2025 年 7 月、Google DeepMind's ジェミニ・ディープ・シンクは、国際数学オリンピックの6問中5問を解き、公式採点基準で42点満点中35点を獲得した。これは金メダルに相当する点数である。

こちらのレンズはグッドハートです's 法則：ある指標が目標になると、それはもはや適切な指標ではなくなる。研究室は有名なベンチマークに向けてトレーニングを行うが、テスト問題がトレーニングデータに紛れ込む。だからといって進歩が偽物になるわけではない。つまり、METRのように実際の作業のように見える指標こそが、誠実な指標なのだ。's 時間軸、そしてARC-AGI-3やHumanityのように、機械には難しく、人間には容易なもの's ツールを使用せずに実施された最後の試験では、公式の最高得点は38.3%でした。

では、AGIはどれくらい近いのでしょうか？

現実世界よりも画面上では、そしてこの分野に携わっていないほとんどの人が想像するよりもずっと近い存在だ。しかし、「汎用人工知能（AGI）」は人によって意味するところが異なり、それが議論が堂々巡りする理由の半分を占めている。

定義。Google DeepMindの「Levels of AGI」フレームワーク（Morrisら、2023年）は、システムの性能と汎用性の2つの軸でシステムを評価し、当時のチャットボットを「新興」AGIに分類した。研究所のリーダーたちは、経済的に最も価値のある作業を実行できるシステムについて語り、AnthropicのDario Amodeiは「データセンター内の天才たちの国」と表現している。懐疑論者は、現在のモデルではできない、経験から学ぶ人間のような学習をAGIと定義している。

予測。

研究所のリーダーたちはより積極的だ。2026年1月、人類は's ダリオ・アモデイは、強力な AI 実現には1～2年かかるかもしれない。デミス・ハサビスは2023年に、10年以内に実現する可能性があると述べていた。メタを離れ、新しい研究所のために10億3000万ドルを調達したヤン・ルカンは、大規模言語モデルは行き止まりだとし、リチャード・サットンは、それらは学習するのではなく模倣しているだけだと主張している。

Mojoの3つのゲート。ゴールラインは1つではなく、それぞれ測定可能なテストを備えた3つのゲートを追跡する。

ゲート	ホイール試乗	2026年11月時点の状況	モジョ's read
1. デジタル自律性	AI 実際のソフトウェア開発や研究作業を1週間、高い信頼性で完了する	50%の予測期間は16時間以上。信頼できる予測期間はそれよりはるかに短い。測定基準が破綻している。	1～3年以内に実現可能
2.新規性	人間にとって簡単なパズルを解く能力（ARC-AGI-3）は、機械操作に不慣れな人にも理解できるレベルです。	最も検証された割合は62.7%、人間による検証は100%	急速に収束に向かっている。1～2年以内に実現する可能性あり。
3. 物理世界	一般的な肉体労働を競争力のある価格で行うロボット	約0.3%の肉体労働においてコスト競争力がある（Anthropic誌、2026年9月号）	10年以上

私の結論：汎用人工知能（AGI）のデジタル部分は2030年までに実現する可能性が高い。しかし、洗濯物を畳んだり、ボイラーを修理したり、病人を看護したりする物理的な部分は、はるかに遠い未来の話だ。モラベック's パラドックスは依然として存在する。人間にとって難しいことは機械にとっては容易であり、人間にとって容易なことは機械にとっては困難である。汎用人工知能（AGI）が特定の日付に実現すると主張する者は、何かを売り込んでいるに違いない。

クレームチェック

賠償額の	誰がそれを作る	MES	モジョ's read
スケーリング法則は依然として有効である	AI ラボ、Epoch AI	強い4	損失は​​コンピューティング能力の向上とともに減少し続ける。データダイヤルが拘束力のあるリスクである。
AI 「壁にぶつかっている」	懐疑論者は定期的に	0 持ちこたえなかった	2026年まで、目標とハードベンチマークは上昇し続けた。
タスクの所要時間は4～7ヶ月ごとに倍増する。	METR	強い4	弊社独自の採寸で確認済み。16時間以上経過すると採寸結果が変わります。
AI 数学オリンピックレベルで人間を打ち負かす	Google DeepMind	強い4	公式に金基準として認定、2025年7月
AGIは2027年までに実現する	一部の研究室リーダー	1 クレーム	定義によりますが、デジタル部分はすぐに実現可能になるでしょう。
LLMは行き止まりだ	ヤン・レクン	1 クレーム	深刻な少数意見。今のところ、明確な限界を示す結果は出ていない。
AI クエリあたりのエネルギー消費量はごくわずかです。	Google、OpenAI	3つの有望な	自己申告だが、Epoch AIの見解と一致する。's 独立した推定
トレーニングデータが不足する	エポックAI	3つの有望な	2026年から2032年までの期間が始まったが、合成データについては未解決の問題が残っている。

カウンターアングル

私の解釈に対する最も有力な反論は、私が測定基準を対象物そのものと混同しているという点だ。時間軸やベンチマークは研究者が構築したテストであり、モデルはますますテストに合格するように訓練されている。

私はそれを真剣に受け止めています。だからこそ、私のゲートは1週間以上にわたって確実に稼働する必要があり、物理的なゲートは遠く離れた場所に設置しているのです。しかし、この傾向は7年間にわたる測定基準の幾度もの変化にも耐えてきました。新しいテストのたびに前回よりも速いペースで低下していく場合、最も可能性の高い説明は、測定対象が実際に改善しているということです。

モジョ's 予測システム

1. METRまたは同等の独立評価機関による公表された推定値では、モデルは's 2027年12月31日までに、50%の確率で40時間以上の時間軸が実現する。 確率：60％。
2. ARC-AGI-3で85%以上のスコア's 標準的なテスト設定は、2027年12月31日までにARC Prizeによって検証されます。 確率：55％。
3. エポック AI 2027年12月31日までに10^27回を超えるトレーニング実行が行われると予測している。 確率：85％。

3つの予想はすべてMojo Forecast Ledgerに掲載され、公開で採点されます。

次に議論されるのは

FAQ