AIの進化の速度を語る言葉として、かつては「ドッグイヤー」が使われましたが、今やその比喩さえも緩慢に感じられます。Moonshot AIの創業者、楊植麟（ヤン・ジーリン）は現在の状況をこう表現します。「AIの一日は人間の一年である」。
2025年7月、私たちは「ポストO1/K2」という、思考トークンが知能の新たな通貨となった時代を生きています。わずか一年前には不可能に思えた、数時間に及ぶ自律的な連続作業や、数万行のコードを横断する複雑なデバッグを、AIは呼吸するように完遂します。私たちは今、知性の極北を目指す「終わりのない雪山」の真っ只中にいます。この霧深い登山路において、知能の「増幅器」はいかなる進化を遂げようとしているのか。楊植麟が解き明かす、AIの次なる地平を見つめます。
1. テイクオフ1：推論とエージェント、2つの「スケーリング」の正体
複雑なタスクを解くための「思考のスケール（Test-time scaling）」には、対照的な2つの道が存在します。
- 「水槽の中の脳」型（内部思考） 外部との接触を断ち、モデル内部で膨大な思考トークンを生成し続けるアプローチ。数学の難問を解くときのように、内部的な試行錯誤と自己検証を繰り返す「熟考」のプロセスです。
- 「環境対話」型（エージェント） 検索エンジンやコード実行環境といった外部ツールを使い、環境からのフィードバックを得て多段階のやり取りを繰り返すアプローチ。
ここで興味深いのは、現在のAIにおいて「推論能力」と「エージェント能力」が必ずしも線形な依存関係にないという事実です。例えば、AnthropicのClaudeは、純粋な推論ベンチマークが最高値でなくとも、極めて高いエージェント的パフォーマンスを発揮することがあります。
楊植麟は語ります。「推論はエージェントの前提ですが、推論トークンを数千個出さずとも、環境との対話を繰り返すことで複雑な問題を解決できる場合もあります。しかし、山頂のさらに先を目指すなら、最終的にはこの両方の能力を最高レベルで融合させなければなりません」。モデルは今、莫大な「計算量」を「思考の時間」へと変換し、精度を買い取っているのです。
2. テイクオフ2：「賢さ」よりも「効率」— Token Efficiencyの衝撃
AI開発のボトルネックが「高品質なデータの枯渇」へと移行する中、重要視されるのは計算の速さ（Compute Efficiency）ではなく、知能の吸着率とも言える「トークン効率（Token Efficiency）」です。
このパラダイムシフトを象徴するのが、Moonshot AIが独自に開発した「MON（Moonlight）最適化器」です。過去10年間、業界の標準だったAdam最適化器は、各要素を独立したものとして処理（Element-wise）してきました。対してMONは、行列の依存関係を考慮し、直交化（Orthogonalization）を用いることで、学習の質を根本から引き上げます。
「同じデータから、従来の2倍の知能を獲得する」。これは単なる高速化ではありません。限られたデータ資源から、より深い知識を抽出する知能の「圧縮効率」の戦いです。データが有限である以上、1つのデータを2回、3回分の価値に変える力こそが、モデルの知能の上限を決定づけます。
3. テイクオフ3：AIがAIを作る「イノベーションの自己ループ」
AI開発の歴史において最もスリリングな瞬間は、モデルが「人間が作ったデータの模倣者」から、自ら知識を創出する「ユニバーサル・コンストラクター（汎用構築者）」へと変貌する時です。
Moonshot AIでは、現行モデル「K2」が次世代モデル「K3」のR&D（研究開発）に自ら参加しています。AI自身が仮説を立て、実験コードを書き、その結果を分析してインフラの性能を改善していく。楊植麟は「イノベーションの最大のポイントは、モデルがいつ自らの研究開発に参加できるかにある」と強調します。
人間によるマイクロマネジメントを離れ、AIがAIを訓練し、評価し、進化させる「自己ループ」が回り始めたとき、AIは単なるソフトウェアであることをやめ、人類の生物学的な学習限界を突破する「メタ科学」のツールへと昇華するのです。
4. テイクオフ4：ベンチマークの罠と「汎用性」への挑戦
現在のAI開発を阻む壁の一つが、ベンチマークの飽和です。特定のテストで高得点を取るための「過学習（オーバーフィッティング）」は、未知の環境で動く真の「汎用性（Generalization）」を損ないます。
真のエージェント的能力とは、見たこともないAPIや独自のデータベースを、試行錯誤を通じて使いこなす力です。しかし、こうした動的な能力を測定する指標は、既存の固定されたベンチマークには存在しません。
だからこそ、「AIアライメント研究（AI Alignment Research）」の重要性が高まっています。AIを用いてAIを訓練し、より高度な基準で評価する。人間が観測できない領域での「知能の崩壊」を防ぎ、頑健な汎用性を確保すること。これが、雪山の標高をさらに数百メートル押し上げるための不可欠なステップとなります。
5. テイクオフ5：無限の始まり（The Beginning of Infinity）
楊植麟の思想の北極星となっているのは、物理学者デイヴィッド・ドイッチュの『無限の始まり』です。この著作は、社会を2つの形態に分類します。権威が固定され、変化を拒む「静的な社会」と、知識の創造によって問題を解決し続ける「動的な社会」です。
かつて冬に雪が降るのは「神の怒り」という不適切な説明で納得していた時代、社会は静的でした。しかし、科学という「良い説明」を求める手法を手にした瞬間、社会は動的になりました。楊植麟はこの思想をAI開発に重ね合わせ、石に刻むべき二つの真理を引用します。
「問題は避けられない。しかし、問題は解決可能である」
AI開発とは、一つの問題を解決するたびに、より高次元な新しい問題が現れるプロセスの連続です。強化学習が推論を強化すれば、評価の困難さが露呈する。しかしそれは、知能の境界が広がっている証左に他なりません。AIは「AGIという終着点」ではなく、文明を拡大し続ける「無限の山」そのものなのです。
結論：私たちは何を求めて登り続けるのか
楊植麟は、AI開発におけるSFT（教師あり学習）とRL（強化学習）のバランスを、組織管理の美学になぞらえて締めくくります。
「SFTによる過剰な学習は、人間で言えばマイクロマネジメントに似ています。それはモデルから主観的な能動性を奪い、未知の事態への適応力を殺してしまいます。一方でRLは、報酬の定義を通じて『目標による管理（Management by Objectives）』を行うことです。適切な報酬を設定し、あとはモデル自身の探索に委ねる。このバランスを制御することこそが、知能を育む側の知恵と言えるでしょう」。
AIが「創造」という行為の大部分を担い、生産性のレバレッジが無限大に近づく未来。そこで最後に残るのは、人間だけの聖域です。それは効率化できない「体験」、代替不可能な「感情」、そして非合理ゆえに尊い「愛」という領域です。
私たちは、自らの知性を超えていく「ユニバーサル・コンストラクター」を手に、何を見ようとしているのか。終わりのない雪山を登るその歩みは、人類の文明が「無限の始まり」へと踏み出す、最も知的で高潔な冒険なのです。
