ちょうどDeepMind創始者のDemis HassabisがY Combinatorでの最新の共有を終えたところで、いくつかの考えがなかなか興味深い。彼は率直に言って、真のAGI（人工汎用知能）に到達するには実は二つの重要なパズル—継続学習、長期推論、記憶体系—だけが残っていると述べた。彼の判断では、これらの難題は2030年頃に解決される見込みだ。

最も面白いのは、彼の現在の大規模モデルに対する不満だ。これらのシステムは「不均一な知能」を示していると述べている—国際数学オリンピック金メダル級の問題を解ける一方で、小学数学の問題ではつまずく。これは能力の問題ではなく、推論の連鎖がまだ粗く、自身の思考過程への反省が不足しているからだ。彼はチェスの例を挙げて、モデルは時々悪手だと気づきながらも、より良い代替案を見つけられず、結局同じ間違いを繰り返すこともあると指摘した。この現象は、推論システムにはまだ多くの革新の余地があることを示している。

エージェント（Agent）の部分については特に興味深い。彼はエージェントこそがAGIへの真の道だと考えているが、現状はまだ初期段階だと述べている。非常に心に刺さる詳細もある—誰もAIプログラミングツールを使って、実際にトップクラスのアプリケーションストアに登場するAAAゲームを作り出したことがないという点だ。理論上、今のツールレベルなら可能なはずだが、実現していない。これはツールチェーンやプロセス自体に何か欠けていることを示している。彼はこの突破口が6〜12ヶ月以内に現れると予測している。

モデル蒸留技術の進展も非常に印象的だ。彼らのFlashモデルは、わずか1/10のコストでフラッグシップモデルの95%の性能を達成できる。そして、この圧縮の周期はますます速くなっている—新モデルのリリース後6〜12ヶ月以内に、その能力はエッジデバイスで動作可能な小型モデルに圧縮される。彼は、現時点では情報密度の理論的上限にまだ遭遇していないと正直に語っており、未来には大きな可能性があると見ている。

科学的発見の分野では、彼は面白い概念を提案している—「アインシュタインテスト」だ。これは、1901年以前の知識を使ってシステムを訓練し、それが1905年のアインシュタインの相対性理論を独立して推論できるかどうかを見る試験だ。一度AIシステムがこれを達成できれば、それは本当に自主的な革新能力に近づいていることを意味する。AlphaFoldはすでに、AIがタンパク質折りたたみの分野で持つ潜在能力を証明しており、世界中の300万人の研究者が利用している。しかし彼はこれが始まりに過ぎず、材料科学、医薬品発見、気候モデリングなどの分野も「AlphaFold 1の瞬間」—可能性はあるが、まだ本当の突破には至っていないと考えている。

起業家への最も実用的なアドバイスは：もしあなたが今日、10年規模の深層技術プロジェクトを始めるなら、AGIの出現を計画に組み込む必要があるということだ。これは大げさな話ではなく、あなたの製品がAGI時代においても役立つかどうかを考えるべきだということだ。彼の考えでは、汎用システム（例えばGemini）は、専門的なシステム（例えばAlphaFold）をツールとして使い、すべてを一つの大きなモデルに詰め込むわけではない。これは、今のあなたの設計方針に大きな影響を与える。

この共有の核心的な論理は、難題の追求と簡単な問題の追求は実はほとんど難易度が変わらないということだ—ただし、その難しさは異なる場所にある。生命には限りがある以上、「他人もやらない、あなただけがやる価値のあること」にエネルギーを投じるのが最善だ。これは一見簡単に聞こえるが、実行するには非常に強い意志が必要だ。