Sakana AI 伊藤錬氏が〈東大の入試問題〉を使って解説する「2023年までのAI」と「2024年以降のAI」の違い

　アンソロピック、オープンAI、グーグルといった、巨大テック企業が角逐し、国家予算レベルの巨額の資本投入による覇権争いが過熱し続けているAI業界。サイバー攻撃への悪用リスクや安全保障問題、さらには「AGI（汎用人工知能）の到来か、バブルの崩壊か」をめぐる議論など、連日世界を騒然とさせている。 　この狂騒のまっただ中でがぜん存在感を増しているのが、元外交官という異色の経歴を持つ「Sakana  AI（サカナAI）」共同創業者・代表取締役社長の伊藤錬氏だ。巨大資本が支配する土俵とは一線を画す独自の戦略を掲げ、創業わずか1年で国内最速のユニコーン企業へと駆け上がった同社は、いまやAI業界のみならず、政財官界、そして海外の金融機関からの注目をも一身に集めている。 　ロンドンと東京の2拠点を往復し、開発最前線のリアルな手触りと、外交官時代に培った「インテリジェンス」、すなわち情報収集・分析力を武器にする彼が、時々刻々と変化するAI業界の真実を読み解いていく。 ◆◆◆ 　まずお伝えしたいのは、私が考える「AIの現在地」です。AIはどこまで進化したのか。何ができて、何がまだできないのか。そして、私が“停滞”と呼んだものの正体とは何なのか。 　その答えを探るために、まずは2023年まで時計の針を戻してみましょう。

　アンソロピック、オープンAI、グーグルといった、巨大テック企業が角逐し、国家予算レベルの巨額の資本投入による覇権争いが過熱し続けているAI業界。サイバー攻撃への悪用リスクや安全保障問題、さらには「AGI（汎用人工知能）の到来か、バブルの崩壊か」をめぐる議論など、連日世界を騒然とさせている。 　この狂騒のまっただ中でがぜん存在感を増しているのが、元外交官という異色の経歴を持つ「Sakana  AI（サカナAI）」共同創業者・代表取締役社長の伊藤錬氏だ。巨大資本が支配する土俵とは一線を画す独自の戦略を掲げ、創業わずか1年で国内最速のユニコーン企業へと駆け上がった同社は、いまやAI業界のみならず、政財官界、そして海外の金融機関からの注目をも一身に集めている。 　ロンドンと東京の2拠点を往復し、開発最前線のリアルな手触りと、外交官時代に培った「インテリジェンス」、すなわち情報収集・分析力を武器にする彼が、時々刻々と変化するAI業界の真実を読み解いていく。 ◆◆◆ 　まずお伝えしたいのは、私が考える「AIの現在地」です。AIはどこまで進化したのか。何ができて、何がまだできないのか。そして、私が“停滞”と呼んだものの正体とは何なのか。 　その答えを探るために、まずは2023年まで時計の針を戻してみましょう。

　2022年末にオープンAIが公開したChatGPTというサービスは、2023年に入って、その頭脳となるGPT-4が登場したことで、生成AIブームをさらに加速させました。この年にリリースされたのはGPT-4だけではありません。アンソロピックがClaude、グーグルがGeminiを発表し、テック大手各社が競って高性能モデルを世に送り出しました。まさに「AI戦国時代」の幕開けです。 　当時のAI業界は、AIのあるべき姿について、こんな“空気”に包まれていました。 　“The bigger, the better.” 「大きければ、大きいほどよい」。モデルの規模、学習データ量、計算資源を増やせば増やすほど、AIは賢くなる。誰もがそう信じていたのです。 　こうした考え方の理論的な支えとなったのが、2020年にオープンAIの研究チームが発表した論文「Scaling Laws for Neural Language Models（ニューラル言語モデルにおけるスケーリング則）」です。簡単に言えば、「モデルの規模や学習データ、計算量を増やせば、性能も向上する」という経験則です。 　この「スケーリング則」に支えられ、巨大なモデルを開発する競争が一気に加速しました。何千億ドル、日本円にして数十兆円規模の莫大な資金を投じ、大量の半導体を使って膨大なデータを学習させる。そうして、モデルの性能は飛躍的に向上していきました。さらに、それまで難しかった画像や音声、動画をテキストと統合して扱う技術も急速に進歩しました。AIが学習するデータは爆発的に増え、モデルはますます多くの知識を身につけていきます。 　私たちSakana AIも、この2023年に創業しました。もっとも、私たちが目指したのは、この“The bigger, the better.”とは少し違う方向でした。その話は、もう少し後でお話しします。

　2024年に入ると、業界にはある危機感が広がり始めました。 「このままでは、AIに学習させる知識が足りなくなるのではないか」 　AIは猛烈な勢いでインターネット上のデータを学習し、驚くほどのスピードで進化していました。一方、人間が新しく生み出す知識には限りがあります。このままモデルを大きくし続けるだけでは、やがて以前のような勢いで性能は伸びなくなるのではないか。これは、驚異的なスピードで進化してきたAIモデルにとっての“最初の壁”でした。 　そこで次の競争軸となったのが、「もっと知識を与える」ことではなく、「すでに学んだ知識を、もっと深く考えさせる」ことでした。 　その年の終わり、この流れを総括するかのように、AI分野最大の国際学会であるNeurIPSで、オープンAIの共同創業者でチーフサイエンティストを務めたイリヤ・サツケヴァーが語った言葉が印象的でした。 「新しい知識がなくても、考えればAIは進化する」 　旧ソ連生まれで、イスラエルとカナダの国籍を持つイリヤが示したのは、知識を増やすだけではなく、考え方そのものを変えることで、AIはさらに進化できるという発想でした。 　受験勉強に置き換えると、分かりやすいかもしれません。2023年までの競争が、知識や解法パターンをできるだけたくさん覚えさせる競争だったとすれば、2024年からは、その知識を組み合わせて考えさせる競争へ変わっていきました。 　私は数学が苦手でした。だから受験では、解法を暗記して乗り切ろうとしていました。数学の過去問を見て、パターンを100個くらい覚えておけば、ある程度までは点が取れます。2023年までのAIも、それによく似ています。 　例えば、下の大学入試問題を見てみてください。これは2025年の東京大学（前期日程）の理系数学の問題です。 　最初の小問（1）や（2）は、二項係数や積分公式など、比較的定型的な解法で取り組めます。しかし、小問（3）になると、それまでに学んだ知識を組み合わせ、どのような方針で解くかを考えなければなりません。 　違いはそこです。 　2023年までのAIは、過去に学んだ知識をもとに答えを導くのが得意でした。一方、2024年に前面へ出てきたモデルは、答えを急がず、一歩ずつ考えながら結論にたどり着くようになりました。 　その結果、それまで苦手だった数学やプログラミングのような難しい問題でも、解ける範囲が大きく広がりました。これが「リーズニング（推論）」と呼ばれる能力です。 ※約1万字の連載第1回の全文は、月刊文藝春秋のウェブメディア『 文藝春秋PLUS 』と『文藝春秋』2026年10月号に掲載されています（伊藤錬「 AIの進化は“停滞”している 」）。