セコイアのインタビュー：ハサビス氏へ
情報は宇宙の本質であり、AIは新たな科学分野を開く

原文整理：瓜哥 AI 新知

この記事内容は Demis Hassabis の Sequoia Capital チャンネルでのインタビューを整理したもので、2026年4月29日に公開されたものです。

内容要約：Demis Hassabis の AI Ascent 2026 におけるインタビュー

AI とゲームの関係：ゲームは人工知能の最良の実験場です。AIをコアプレイに取り入れることで、アルゴリズムの構想を効果的に検証できるだけでなく、技術開発の早期の計算能力支援も可能です。

起業の「タイミング論」：起業は「時代より5年先を行くべきであり、50年先ではない」。技術革新と実用化のニーズのバランスを敏感に捉える必要があり、早すぎる先行は成功に結びつきにくいです。

AGI の進化ルート：DeepMind の使命は明確かつ堅固です——第一段階は汎用人工知能（AGI）の構築、第二段階は、AGIを用いて科学や医学を含むすべての複雑な課題を解決することです。

「Science のためのAI」の核心価値：AIは生物学や複雑な自然システムを記述する完璧な言語です。AIを用いたシミュレーションにより、新薬開発の周期は数年から数週間、さらには個別化医療の実現も期待されます。

新しい科学分野の誕生：AIシステムの複雑性は、「メカニズムの解釈性」など新たな工学科学を生み出すでしょう。同時に、AI駆動のシミュレーション技術により、人類は経済学などの複雑な社会システムに対して制御された実験を行えるようになり、新たな科学分野が開かれます。

情報は宇宙の本質：物質、エネルギー、情報は相互に変換可能です。宇宙の本質は巨大な情報処理システムである可能性があり、これがAIが宇宙の根底にある法則を理解する上で深遠な意義を持ちます。

チューリングマシンの計算の限界：神経ネットワークなどの現代AIシステムは、従来のチューリングマシンが解決困難とされた問題（例：タンパク質の折りたたみ）をシミュレートできることを証明しています。人間の脳も高度に近似したチューリングマシンである可能性が高いです。

意識の哲学的考察：意識は自己認識や時間の連続性などの要素から構成されているかもしれません。AGIへの道のりにおいて、まずそれを強力なツールとみなし、その補助を得て「意識」という大きな哲学的命題を探求すべきです。

内容紹介

Google DeepMind の共同創設者兼CEOであり、AlphaFold により2024年ノーベル化学賞を受賞した Demis Hassabis と、Sequoia Capital のパートナー Konstantine Buhler が AI Ascent 2026 のハイレベルな対話を行い、AGI への道とその先の未来像を深く議論しました。

対談では、彼が2030年にAGI実現が見込めると確信している理由、新薬開発の長い周期が10年から数日へと短縮される可能性、そして「物質やエネルギー」ではなく「情報」を宇宙の最も根本的な本質とみなす理由について語っています。また、アインシュタインが今も生きていたら現代のAIモデルの制約についてどう評価したか、今後1〜2年が人類の運命を左右する重要な節目となる理由も議論しています。

全文インタビュー

司会者：Demis、来てくれて本当にありがとう。

德米斯・ハサビス：こちらこそ、来られて嬉しいです。皆さんのご参加に感謝します。皆さんと交流できるのは素晴らしいことです。

司会者：あなたを私たちのチョコレート工場に招待できて光栄です。

德米斯・ハサビス：その話を聞きました。後でチョコレートを味わうのを楽しみにしています。

司会者：素晴らしいです。Demis、さっそく本題に入りましょう。今日は本物の業界のベテラン（OG）をお招きしています。彼はオリジナリティのある思想家、創始者、先見者など多くの顔を持ち、AIのあらゆる分野の先駆者です。Demisは純粋な信仰者であり、純粋な科学者でもあります。

Demis の初心と内なる軸

本日の対談は、DeepMind 創設の初期の物語から始まり、科学技術の深掘り、最後に観客からの質問へと進みます。では、さっそく始めましょう。

Demis、あなたはかつてチェスの神童であり、ゲーム会社の創始者でもあり、神経科学者でもあります。あなたは DeepMind の創設者であり、今や巨大かつ重要な企業を率いています。これらの役割は一見無関係に見えますが、あなたは一貫した内在的な軸があると語っています。それについて教えてください。

德米斯・ハサビス：確かに一つの軸があります。もちろん、これは後付けの側面もありますが、私はAI分野に長い間身を投じたいと願ってきました。これは私の一生をかけて取り組むべき最も重要で、かつ最も面白い事業だと早くから確信していました。15、16歳の頃から、私が選ぶ学習や行動は、いつかDeepMindのような会社を築くためのものでした。

ゲーム：AIの訓練場

私は「遠回り」してゲーム業界に入りました。90年代は最先端技術がそこに育まれていたからです。AIだけでなく、グラフィックスレンダリングやハードウェア技術も含まれます。今日私たちが使うGPUはもともとグラフィックエンジン用に設計されたもので、私は90年代末には最も初期のGPUを使い始めていました。私が関わったすべてのゲーム、Bullfrog（ブルフォグ・プロダクション）や私自身のElixir Studiosの作品も、AIをコアのプレイメカニズムに据えていました。

最も有名な作品は、17歳頃に開発した『テーマパーク』です。遊園地のシミュレーションゲームで、何千何万ものミニチュアキャラクターが公園に入り、さまざまな施設を楽しみ、ショップで何を買うかを決めるものです。ゲームの表層の裏側には、完全な経済AIモデルが動いています。『シムシティ』と同様に、同種ゲームの先駆けです。これが1000万本以上売れ、プレイヤーがAIと交流しながら楽しむ様子を目の当たりにしたとき、私はAI分野に一生を捧げる決意をさらに固めました。

その後、神経科学に目を向け、大脳の仕組みからインスピレーションを得て、新たなアルゴリズムの思考法を模索しました。DeepMindを立ち上げる絶好のタイミングが訪れたとき、これまでの経験を融合させ、自然に事が運びました。結果的に、ゲームはAI構想の検証と訓練の早期場としても役立ちました。

Elixir Studios の起業経験

司会者：今日は起業家の方も多く参加しています。あなたも2度の起業経験者ですから、共感できる部分も多いでしょう。最初の起業、Elixir Studiosについて振り返ってください。それはどんな経験でしたか？あまり知られていない会社ですが、大きな成功も収めました。どのようにリードし、その経験から何を学びましたか？

德米斯・ハサビス：大学卒業後すぐにElixir Studiosを創業しました。幸運にも、Bullfrog Productionsで働いた経験がありました。ゲーム業界の黎明期において、伝説的なスタジオであり、英国やヨーロッパでもトップクラスのゲームスタジオの一つでした。

私はAIの境界を広げる何かをしたいと考えました。実際、当時はゲーム開発を「遠回り」してAI研究の資金を調達し、技術の最前線に挑戦し続け、創造性と結びつけてきました。この理念は、今日のブルースカイ・リサーチ（青天井の研究）にも通じると考えています。

最も深く学んだ教訓は、「時代より5年先を行くべきで、50年先ではない」ということです。Elixir Studiosでは、『共和国（Republic）』というゲームを開発し、国家全体をシミュレートしようとしました。設定は、プレイヤーがさまざまな方法で支配者を倒すことができるもので、都市の生き生きとした呼吸をリアルに模倣していました。

当時は1990年代末、PCはPentium（ペンティアム）プロセッサーでした。百万の人々のグラフィックスとAIロジックを当時の家庭用PCで動かすのは、野心的すぎて、やや夢想的でした。これにより多くの問題が生じました。

この経験からの教訓は、「時代の先を行きすぎると失敗する」ということです。50年先を行くと、ほぼ確実に失敗します。逆に、皆にとって明らかになったアイデアに遅れて参入すると遅すぎる。微妙なバランスを見つけることが重要です。

2009年のDeepMind設立

司会者：時代を先取りしすぎないことについて、2009年に話を進めましょう。あなたは汎用人工知能（AGI）が実現すると確信していました。その時点では、10年先を見越していたかもしれませんが、50年先ではありません。2009年について、座っている起業家たちにどう説得したのか教えてください。最初の優秀な天才たちをどう集めたのかも気になります。AGIは当時、まるでSFのように思えたのに、どうやって彼らを信じさせたのですか？

德米斯・ハサビス：当時、私たちはいくつかの興味深い兆候を敏感に捉えていました。私たちは5年先を行っていると思っていましたが、実際には10年先を行っていた可能性もあります。深層学習（Deep Learning）はJeff Hintonと学界の同僚たちによって発明されたばかりでしたが、その重要性はほとんど誰も気づいていませんでした。一方、私たちは強化学習（Reinforcement Learning）に深い蓄積があり、これらを組み合わせれば大きな突破口になると考えました。これまでほとんど使われてこなかった技術の融合です——学術界の「おもちゃ問題」程度のものでした。

また、計算能力（Compute）の将来性も見ていました。当時のGPUは大きな可能性を秘めていました。今はTPUを使っていますが、当時は計算加速の産業が大きな推進力となると見ていました。さらに、私の博士・ポスドク時代に集めた仲間たちの中には計算神経科学者もいて、大脳の仕組みから多くの価値ある思想や法則を抽出しました。その中核は、「強化学習はスケールアップ（Scale）によってAGIに到達できる」という信念です。

これらの要素を揃えたと感じていました。私たちはまるで秘密の守護者のように感じていました——学界も産業界も、AIが大きな突破をもたらすとは信じていませんでした。実際、AGI（または当時は「強いAI」）の開発を目指すと提案したとき、多くの学者は白い目で見ていました。彼らにとっては死路に見えたのです。90年代にすでに試みて失敗した道だからです。

MITで博士後期課程を過ごしたとき、専門家システムや一階述語論理システムの研究が盛んでした。今振り返ると信じられませんが、その当時は古臭いと感じていました。英国のケンブリッジやMITの伝統的なAI研究の拠点では、古い方法を踏襲していました。それが逆に、私たちの進むべき方向性を確信させました。少なくとも、失敗が避けられないとしても、新しい姿勢で倒れることができる。90年代の失敗の轍を踏まないために、挑戦し続ける価値があると感じました。

DeepMind の使命とAGIへの賭け

司会者：初期の信念は、一般的な反発に遭ったことはありますか？早期のフォロワーを巻き込むために、自分や彼らに何か証明したことはありますか？

德米斯・ハサビス：どんな状況でも、私は一生をAIに捧げる決意を持ち続けています。実際、AIの進展は私たちの楽観的予測を超えつつありますが、それも2010年の予測範囲内でした——20年の長期計画です。

私たちの進捗は予想通りであり、私たちもその中で役割を果たしてきたと確信しています。

仮にそうでなくても、AIは今もマイナーな学問分野です。私はこの道を進み続けます。なぜなら、それは私にとって最も重要な技術だからです。私の明確な目標は、DeepMindの最初の使命声明にあります——第一に、知能を解明し、汎用人工知能（AGI）を構築すること。第二に、それを用いて他のすべての問題を解決することです。これこそ人類が発明し得る最も重要で魅力的な技術だと信じています。

それは科学の探究ツールであり、魅力的な創造物であり、意識や夢、創造性の本質を理解する最良の手段の一つです。神経科学者として、これらの問題を考えるとき、AIのような分析ツールが欠かせません。比較実験のように、異なるシステムを深く研究・比較できるからです。

「AIが科学を支援する」文化

司会者：異なるシステムの比較について、「AIが科学を支援する（AI for Science）」について話しましょう。あなたはこの分野に早くから関わり、信奉者であり、純粋な理想主義者でもあります。これがあなたたちのコアミッションです。DeepMindの設立時に築いたモデルと文化は、どうやって「AIが科学を支援する」最前線に立ち続けているのですか？

德米斯・ハサビス：それこそが私たちの究極の目標です。私個人の根本的な動機は、AIを構築し、それを通じて科学や医学、世界の理解を推進することです。これが私の使命の実践方法——「メタ・アプローチ（Meta Way）」です。究極のツールをまず作り、それが成熟したら科学的突破に使う。AlphaFoldのような成果もすでにありますし、今後も多くの成果が期待されます。

DeepMindはこの目標を最優先にしています。実際、「AIが科学を支援する」部門は、Pushmeet Kohliが率いており、設立から約10年になります。AlphaGoの試合を終えた直後にこの取り組みを始め、ちょうど10年が経ちました。

私は長らく待ち続けてきました。アルゴリズムが十分に強力になり、理念が十分に汎用的になるのを。囲碁の打開は歴史的な転換点でした。その瞬間、これらの理念を現実の重要な課題に適用すべきと気づきました。最初の科学的挑戦から始めるのです。

私たちはこれこそがAIの最も福祉的な帰結だと信じています。何よりも、これを使って疾病を治し、人類の健康寿命を延ばし、医療を支援することが最も素晴らしいことです。その次に、材料科学、環境、エネルギーといった重要分野が続きます。私は、今後数年でAIがこれらの分野で大きな進展をもたらすと確信しています。

生物学の突破と Isomorphic Labs

司会者：AIは生物学の分野でどのように突破をもたらしたのですか？あなたは Isomorphic Labs の仕事に深く関わっています。これはあなたの情熱を注ぐ分野です。最初から、AIが疾病を治す潜在力を信じてきました。生物学の分野では、いつ頃、言語やプログラミングの分野のような「ハイライトの瞬間」が訪れるのでしょうか？

德米斯・ハサビス：AlphaFoldの登場は、まさに生物学の「ハイライトの瞬間」を迎えたといえます。タンパク質の折りたたみと三次元構造は、50年にわたる科学の難題です。薬の設計や生物学の基本的な暗号解読には不可欠です。もちろん、これは薬物発見の一部にすぎませんが、非常に重要な一段階です。

私たちの最新の会社、Isomorphic Labs（私自身も管理を楽しんでいます）は、生化学や化学の核心技術の構築に取り組んでいます。これらの技術は、特定のタンパク質の部位にぴったりと合う化合物を自動設計できるものです。すでにタンパク質の形状や表面構造を把握しているので、ターゲットを特定したことになります。次に、そのターゲットに強く結合し、副作用のリスクを避ける化合物を作る必要があります。

私たちの究極の夢は、現在の研究の99%の作業と時間を占める探索過程を、すべて計算機シミュレーション（In Silico）に移行させ、実験（Wet Lab）は最終検証だけに留めることです。これが実現すれば、薬の発見周期は数年から数ヶ月、未来には数日になるでしょう。

この臨界点を越えれば、すべての疾患の克服が現実的になります。個別化医療（患者ごとに最適化された薬剤の変異体など）も実現可能です。医療と薬物開発の全体像は、今後数年で根本的に変わると考えています。

シミュレーターから生まれる新しい科学

司会者：素晴らしいです。あなたは何度も「AIが科学を支援する」と述べています。未来のある時点で、AIが全く新しい科学体系を生み出すと考えていますか？工業革命が熱力学を生んだように。私たちの教育体系には本質的に新しい学科が出現する可能性はありますか？もしあれば、それはどのようなものでしょうか？

德米斯・ハサビス：この点について、私は次のように考えています。

まず、AIシステム自体の理解と解析は、完全な工学科学（Engineering Science）へと進化します。私たちが構築しているこれらの創造物は非常に魅力的でありながら、同時に非常に複雑です。最終的には、人類の心智や脳の複雑さに匹敵するレベルに達します。そのため、これらの仕組みを深く研究し、その動作原理を解明する必要があります。これは、今日の私たちの認識を超えるものです。新たな分野の誕生は避けられません。Mechanistic Interpretability（メカニズムの解釈性）はその一端にすぎず、これらのシステムの解析には広大な探求の余地があります。

次に、AIは新たな科学の扉を開きます。特に、「AIによるシミュレーション支援（AI for Simulations）」です。私はシミュレーションに夢中です。私が作ったすべてのゲームは、AIを含み、根底にはシミュレーターがあります。私は、シミュレーターこそが経済学などの社会科学や人文学の難題を解く最終的な道だと信じています。

これらの学問は、生命科学と同様に、出現系（Emergent Systems）に属し、再現性のある制御実験が極めて難しいです。例えば、金利を0.5%上げるとします。実世界でしか操作できず、その結果を観察します。理論はあっても、その実験を何度も繰り返すことはできません。しかし、これらの複雑系を正確にシミュレートできれば、高精度のシミュレーターを用いた厳密なサンプリングと推論により、新たな科学を確立できるかもしれません。これにより、現在の高い不確実性の中でも、より良い意思決定が可能になると信じています。

これらの超高精度シミュレーションを実現するには、どのような条件が必要でしょうか？例えば、世界モデル（World Models）を構築するには、どのような科学・工学の突破が必要ですか？

德米斯・ハサビス：私はこの問いについて深く考え続けています。私たちの研究では、多くの場合、学習型シミュレーター（Learning Simulators）を用います。これらは、数学的原理の理解が不十分な領域や、システムが複雑すぎる場合に役立ちます。特定の状況に対して直接的なシミュレーションプログラムを書くだけでは不十分で、変数や条件を網羅できません。

すでに天気予報の分野で実践しています。私たちの「WeatherNext」という天気予報の最先端シミュレーターは、気象学者が使う従来のツールよりもはるかに高速です。すべての変数を正確に理解できるかはわかりませんが、最初の一歩はこれらの複雑系をより深く理解することです。

生物学の分野でも、「バーチャルセル（Virtual Cell）」と呼ばれる動的な出現系の研究を進めています。数学は物理学の完璧な記述言語ですが、機械学習もまた生物学の完璧な記述言語になり得ます。生物学や自然界には、多くの微弱な信号や弱い相関、膨大なデータが存在し、人間の脳の分析能力を超えています。しかし、その中には内在的な関係や因果関係も潜んでいます。

機械学習は、こうしたシステムの記述に最適なツールです。今日まで、数学はこれを十分に扱えませんでした。理由は、システムが複雑すぎて、トップクラスの数学者でも理解できないこと、または数学の表現力が不足していることです。特に、これらの高度に出現する動的系は、雑多で確率的（Stochastic）な性質を持ち、扱いが難しいです。

最終的に、これらのシミュレーターをマスターすれば、新たな科学分野が生まれる可能性があります。暗黙的または直感的なシミュレーターから明示的な方程式（Explicit Equations）を抽出できるかもしれません。無数のサンプルを取りながら、マクスウェル方程式のような基本的な法則を発見できる日も遠くないと考えています。

そうなるかどうかはわかりませんが、もし出現系に本当に法則が存在すれば、それを発見するための方法はあると信じています。

宇宙の基本構成要素と情報の関係

司会者：非常に興味深いです。あなたは、宇宙の最も基本的な構成単位（Building Block）が情報に似ていると理論化していますね。これについてどう考えていますか？これが従来のチューリング計算機に何を意味するのでしょうか？

德米斯・ハサビス：もちろん、E=mc²やアインシュタインの研究成果を引用すれば、エネルギーと物質は本質的に等価です。しかし、私はむしろ情報も何らかの形で等価性を持つと考えています。物質や構造の組織、特に生物のようにエントロピー増大に抵抗できるシステムは、情報処理システムとみなせます。したがって、これら三つは相互に変換可能だと考えています。

ただし、私の直感では、情報こそが最も根本的なものであると感じています。これは、20世紀20年代の古典物理学者の見解と対照的です。当時はエネルギーと物質が最優先とされていました。私は、宇宙を情報から構成されるとみなすことが、世界を理解するより良い方法だと考えています。

もしこれが正しければ——多くの証拠も支持しています——人工知能の意義はさらに深遠なものとなるでしょう。AIの核心は、情報を組織し、理解し、情報オブジェクト（Informational Objects）を構築することにあります。

私の見解では、人工知能の本質は情報処理です。情報処理を理解の第一原理とすれば、これら異なる分野の間に深い内在的なつながりが見えてきます。

従って、古典的なチューリングマシンはすべてを計算できるのか？

德米斯・ハサビス：時折、私たちの仕事について考え、自己を「チューリングの守護者」とみなすことがあります。アラン・チューリングは私の最も尊敬する科学英雄の一人です。彼の仕事は、計算機と計算理論の基礎を築き、AIの土台を作ったと信じています。チューリングマシンの理論は、史上最も深遠な成果の一つです——計算可能なすべての事柄は、比較的単純な記述の機械で計算できると示しています。したがって、私たちの脳もまた、近似的なチューリングマシンである可能性が高いです。

チューリングマシンと量子システムの関係を考えるのは面白いです。しかし、AlphaGoやAlphaFoldのようなシステムは、現代の神経ネットワークを用いたクラシックなチューリングマシンが、かつて量子計算だけが解決できると考えられた問題（例：タンパク質の折りたたみ）をモデル化できることを示しています。タンパク質の折りたたみは、微小粒子の量子系に関わる問題です。人々は水素結合（Hydrogen Bonds）などの量子効果や複雑な相互作用を考慮しなければならないと考えてきました。

しかし、実際には、古典的なシステムを用いて近似最適解を得ることが可能です。つまり、多くの事象は、量子力学に頼らずとも、適切な方法でモデル化できることが証明されています。

意識の哲学

司会者：あなたは長らく、人工知能をツールとみなしてきました。望遠鏡や顕微鏡、星盤（アストロラーベ）のように。ところが、もしもあなたが、すべてをシミュレートできる機械——たとえば、あなたが言うように、量子系も含めて——を作ったとき、その時点でツールの枠を超えるのはいつでしょうか？その日が本当に来るのでしょうか？

德米斯・ハサビス：私は非常に強く感じています。汎用人工知能（AGI）の構築とその使命の中で、私たちの仲間たち——多くの座っている人も含めて——は、最良の方法はまずツールを作ることだと考えています。非常に知的で実用的、かつ正確なツールです。そして、その次の段階に進むことです。このツールは、ますます自律的になり、知性体（エージェント）の特徴を持つようになるでしょう。これが今私たちが目の当たりにしている時代です。

しかし、さらに進んで、「能動性（Agency）」や「意識（Consciousness）」を持つのかという問いもあります。これらは私たちが直面すべき問題です。ただし、私はこれを第二段階とみなすべきだと提案します。第一段階のツールを使って、これらの深遠な問いを探求するのです。

理想的には、この過程を通じて、自分たちの脳や思考の仕組みも理解できるはずです。そして、「意識」などの概念もより正確に定義できると考えています。

意識の未来の定義について、何か予測はありますか？

德米斯・ハサビス：正直なところ、長い哲学の歴史の中で議論されてきた内容以上のことはありません。私には明確な予測はありません。ただ、いくつかの要素は必要だと考えています。それらは必要条件（Necessary）でありながら十分条件（Sufficient）ではないかもしれません。自己認識や自己と他者の区別、時間の連続性などは、意識を持つ存在にとって必須の要素です。

ただし、意識の完全な定義は未解決の問題です（Open Question）。多くの哲学者と議論してきました。数年前、亡くなったダニエル・デネットとも深く話しました。重要なポイントの一つは、システムの行動表現です——意識を持つように見えるシステムかどうか。AGIに近づくにつれ、最終的にはそうなる可能性もあります。

しかし、もう一つの問いは、「なぜ私たちはお互いに意識があると信じるのか」です。行動や表現が意識的な生命体のように見えるからです。ただし、根底には「基質（Substrate）」の問題もあります。

もし、これらの条件がすべて満たされるなら、あなたと私の体験が同じだと仮定したとき、最も合理的な推論は、経験の等質性（Substrate Equivalence）に基づくものです。これが、私たちが日常的に他者の意識を議論しない理由です。ただし、人工システムにおいては、その基質の等質性を完全に実現するのは非常に難しいと考えます。行動面（Behavioral）では判断できても、体験（Experiential）レベルではどうか。AGI実現後、何らかの方法でこの問題にアプローチできるかもしれませんが、それは今日の議論の範囲を超えています。

素晴らしいです。すぐに観客からの質問コーナーに移ります。皆さん、質問の準備をしてください。あなたは哲学者、特にカント（Kant）とスピノザ（Spinoza）を最も好きな哲学者と述べました。カントは義務論（Deontological）を重視し、責任感を強調します。一方、スピノザはほぼ宿命論（Deterministic）的な宇宙観を持ちます。これら二つの異なる理念をどう結びつけているのですか？世界の運作についての根本的な認識は何ですか？

德米斯・ハサビス：この二人の哲学者を好きな理由は、カントが提唱した「心智は現実を創造する（The mind creates reality）」という見解です。これは私が神経科学の博士課程で深く理解したことと一致します。これが正しいと私は考えています。これにより、心や脳の仕組みを研究する理由が明