ポワイたちはもうギュ中にいる

はじめに　未来予測だったものが、現在の説明になり始めた

シンギュラリティという言葉は、長いあいだ未来予測の語彙に属していた。人工知能が人間と同程度の汎用的能力を獲得し、やがて人間を超え、その人工知能がさらに高度な人工知能の開発に参加することで技術進歩そのものが加速する。その転換点が二〇三〇年代に来るのか、二〇四五年なのか、あるいは結局来ないのか。これまでは、その日付を予想することがシンギュラリティ論の一部だった。

しかし二〇二六年九月現在、私はこの問いの立て方自体が古くなり始めていると思っている。「シンギュラリティはいつ来るのか」ではなく、「われわれはいつからシンギュラリティの過程に入っていたのか」と問う方が、現在起きていることを説明しやすくなってきたからである。

象徴的なのが九月三日に発表されたGPT 6 Astraである。OpenAIによれば、AstraはFrontierMath Tier 4で98％、ARC AGI 3で99.9％、ExploitBenchで100％を記録し、コンピュータ操作、ブラウジング、ソフトウェア開発、科学、サイバーセキュリティ、専門業務で同社の最先端モデルとなった。より重要なのは、単に難問へ回答する能力ではない。コンピュータを操作し、複数段階の作業を継続し、人間が一手ごとに命令しなくても一定範囲の仕事を進められるようになったことである。

OpenAI社長のGreg BrockmanはAstra発表時の説明会を「Welcome to the AGI era」という言葉で締めくくり、本人としてはAGIに到達したと考えている旨を述べた。NVIDIAのJensen Huangもその数日後、「AGI has arrived」と公言した。もっとも、これは数学の定理が証明されたような意味でのAGI認定ではない。AGIには今なお世界共通の定義も試験も存在せず、OpenAIのAstra発表文自体も「AstraがAGIである」と公式認定する形式にはなっていない。したがって、二〇二六年九月三日をAGIの誕生日として確定するのは早い。それでも、数年前には未来目標として語られていたAGIについて、開発企業の社長や世界最大のAI半導体企業のCEOが現在形で語り始めたこと自体は、時代の変化を象徴している。

さらに重要なのは、AIがAI研究そのものへ入り始めたことである。OpenAIは九月六日、人間の指示の下ではあるものの、熟練研究者なら数日かかる明確な研究課題を遂行できる「自動研究インターン」の段階へ到達したと発表した。同社が公表した内部データでは、二〇二六年八月半ばの時点で、研究組織全体におけるAIエージェントの稼働量は、人間一労働日あたり3.1労働日相当に達している。さらに二〇二八年三月までには、より本格的な自動AI研究者の実現を目指しているという。人間がAIを研究し、AIが研究を補助し、その結果として生まれたより強いAIが次の研究をさらに高速化する。この循環こそ、かつて未来予測として語られていた再帰的自己改善の入口である。

九月十日に公開されたAgents APIを見ると、この変化は研究所の外にも広がり始めている。現在のエージェントは数時間から数日にわたり作業を継続し、コードを実行し、ファイルを扱い、外部ツールを利用し、複雑な仕事を複数のサブエージェントへ分割して並列処理することができる。現実の物流業務で数千体の長時間稼働エージェントを運用している事例までOpenAI自身が紹介している。二〇二六年九月十一日の同社技術記事によれば、ChatGPTを支えるシステムはすでに十億人を超える利用者を対象とする規模に達した。これは一部の研究者だけが触れる実験技術ではなく、世界規模の知的インフラになりつつある。

このため本記事では、シンギュラリティをある一日の出来事として扱わない。知能の向上が次の知能の向上速度を押し上げ、その結果が研究、労働、資本、エネルギー、国家、科学へ次々に波及していく期間全体をシンギュラリティとして考える。その意味では、われわれはまだ完成した超知能社会にはいないが、シンギュラリティの外側にもいない。すでに内部へ入ったと考えた方が、二〇二六年の現実をよく説明できる。

本記事では、その延長線をできるだけ遠くまで引いてみたい。出発点は、今の学生が何を勉強すべきか、若手社会人がどう働けばよいのかという身近な問題である。そこから仕事、資本主義、国家、科学、寿命、人工知能の自己改善へと進み、最後には月、小惑星、ダイソン・スウォーム、恒星間文明まで考える。一見すると就職活動と宇宙文明には何の関係もない。しかし、その間には一本の因果関係がある。知能が増えれば利用できる資源が増え、増えた資源はさらに知能へ変換される。この循環がどこまで続きうるのかを考えることが、本記事全体を貫く主題である。

第一章　学生と若手社会人は何をすればいいのか

人工知能について宇宙規模の未来を語る前に、まず明日の生活を考えた方がよい。十八歳や二十二歳の人間にとって重要なのは、二百年後のダイソン・スウォームより、大学へ行くべきか、何を専攻すべきか、どの会社へ就職すべきかという問題だからである。

AIがこれほど急速に進歩しているなら、大学へ行く意味はないのではないか。資格を取ってもAIに奪われるのではないか。プログラミングを勉強してもAIがコードを書くなら無駄なのではないか。こうした疑問は自然である。しかし私は、だから勉強しなくてよい、という結論にはならないと思う。

問題は、大学や資格の価値がゼロになることではない。その耐用年数が短くなることである。

これまでのキャリア形成では、若いうちに高い参入障壁を越えることが大きな意味を持っていた。医学部へ入れば医師になる。司法試験に受かれば弁護士になる。難関企業へ入れば、その会社の中で経験を蓄積する。職業の内容が何十年も比較的安定している社会では、二十代前半の選択を四十年間使い続けることができた。

ところが人工知能は、職業そのものを一夜にして消す前に、職業を構成する仕事を一本ずつ抜いていく。弁護士なら判例検索、契約書の第一次審査、書面作成、証拠整理が先に自動化される。コンサルタントなら情報収集、議事録、Excel、PowerPoint、基礎分析が先に自動化される。公務員なら法令検索、資料の突合、照会回答、文案作成が先に自動化される。エンジニアなら単純な実装やテスト、バグ修正が先に自動化される。職業名は残っていても、その中身が変わる。

このとき最も危険なのは、資格を取ることではない。資格と自分自身を同一化することである。東大卒なら東大卒という経歴を使えばよい。弁護士なら法律を知っていることと社会的信用を使えばよい。公務員なら制度がどのように作られ、組織がどこで詰まり、現実の政策が何によって動くのかを学べばよい。しかし「自分はこの職業だから四十年間大丈夫だ」と考えた瞬間、その肩書は資産ではなく固定具になる。

これからのキャリアは、城を築くというより船を作ることに近い。城は土地が動かなければ強い。しかし地面そのものが動けば逃げられない。船は城ほど巨大ではなくても、環境が変われば場所を変えられる。

では、その船には何を積むべきなのか。

まず基礎学力である。AIがあるから知識はいらない、というのはかなり危ない。AIが答えを生成する費用が下がるほど、生成された答えが正しいか判断する能力が重要になるからである。数学、統計、英語、自然科学、法律、経済、歴史などは、単なる暗記科目としてではなく、世界を理解するための座標系として残る。計算機が普及して筆算の価値が低下しても数学そのものの価値がなくならなかったように、生成AIによって文章生成の価値が低下しても、論理や背景知識まで不要になるわけではない。

次にAIそのものを使う能力である。ただし「ChatGPTに質問できます」という意味ではない。自分の仕事を分解し、どの部分をAIへ任せ、どこを自分が判断し、どこを別のAIに検証させ、どの処理を完全自動化するのかを設計できることが重要になる。Agents APIが象徴しているように、AI利用は一問一答から、長時間作業の委任へ移り始めている。これから差がつくのは、頭の回転が一・二倍速い人間と普通の人間の差だけではない。一人で複数のAIエージェントを働かせられる人間と、自分の手だけで全部処理する人間の差になる。

そして金も必要である。ここは未来論者ほど忘れやすい。仮にシンギュラリティが進行していても、明日から家賃が無料になるわけではない。税金も保険料も食費も残る。社会制度は技術より遅く動く。したがって、働ける間は働き、生活防衛資金を持ち、ある程度の資産を持っておく方がよい。AGI時代が来るから貯金は無意味だと考えて二十代で無一文になるのは、かなり雑な未来予測である。

さらに、人間関係と情報源を広く持つことも重要になる。未来を予測できる人間は水晶玉を持っているわけではない。異なる場所で起きている現在を多く観測している。研究者は研究室の現在を知り、行政官は制度の現在を知り、経営者は会社の現在を知り、エンジニアは技術の現在を知り、投資家は資本市場の現在を知る。それらを接続すると、まだ一般には未来に見えているものが、すでにどこかでは現在になっていることが分かる。

最後に、身体を守る必要がある。これは精神論ではない。本記事の後半で寿命延長について扱うが、将来の医療技術へ到達するためには、その時点まで生きていなければならない。二〇六〇年に老化治療が完成したとしても、二〇五九年に死ねば使えない。人工知能時代に健康管理が重要なのは、単に長く働くためだけではなく、未来の技術へ到達する確率を上げるという意味を持つ可能性がある。

つまり、若い人間が今やるべきことは意外と普通である。勉強し、働き、金を持ち、AIを使い、人と会い、身体を守る。ただし、その全てを一つの会社や資格へ自分を固定するためではなく、変化する環境の中で移動するために行う。この違いは大きい。

第二章　AIは職業を消す前に、会社の人数を減らす

AI失業の議論では、「弁護士は残る」「コンサルは終わる」「医者は安全」「エンジニアは危ない」といった職業名単位の予測が多い。しかし現実の労働市場は、もっと中途半端で厄介な形で変わる可能性が高い。

職業とは、多数の作業を束ねたものである。人工知能はその束を一気に消す必要がない。仕事の三割を代替できれば、一〇人でやっていた部署を七人にできるかもしれない。五割を代替できれば五人でよいかもしれない。しかも残った五人が以前より高性能なAIを使えば、さらに必要人数が減る。

この変化で最初に問題になるのは、新人が経験を積むための仕事である。法律家は簡単な調査から始めて難しい案件へ進む。エンジニアは簡単な実装から始めて設計へ進む。コンサルタントは情報収集や資料作成から始めて、やがて顧客との交渉や戦略設計へ進む。ところが簡単な部分ほどAIに自動化されやすい。熟練者だけを残して中間工程をAIに任せる企業が増えれば、「どうやって熟練者になるのか」という育成経路そのものが細くなる。

この問題は、仕事が全部消えるかどうかとは別である。労働市場は、職業の消滅より先に入口が狭くなるだけでも若者に大きな影響を与える。

一方で企業側から見れば、人工知能は猛烈に魅力的である。これまで一〇人必要だった仕事を三人とAIで処理できるなら、人件費だけでなく採用、教育、オフィス、管理、離職といったコストまで減らせる。さらにAIは休日を要求せず、同じ能力を複製できる。Agents APIのような基盤が普及すれば、一社が数百、数千のエージェントを同時稼働させることも特別な設計なしに可能になる。すでに物流分野では、長時間稼働する多数のエージェントを現実の業務へ投入する事例が出ている。

このときコンサルティング会社や受託開発会社のような「他社の知的労働を代行する企業」は、特に構造変化を受けやすい。顧客企業自身が高性能AIを使えるようになるからである。これまで専門家を外注していた企業が、自社データへ接続したAIに分析させれば済むようになる。二〇二六年九月にはOpenAI自身が企業データを分析し、変化の原因を調べ、ダッシュボードまで作るData agentを提供し始めている。知的労働の内製化が進む条件は整いつつある。

もっとも、人間の仕事が直ちに全部なくなるわけではない。二〇二六年現在のAIは、権限、責任、組織内部の暗黙知、利害調整、物理世界へのアクセスといった領域では依然として人間へ依存する。難しい仕事では人間の介入も多く、OpenAI自身の研究組織でも、成功した四時間から八時間規模のタスクの半数以上には一回以上の人間介入があったと報告している。

しかし、「今は人間が必要である」と「人間の必要量が今後も同じである」は全く違う。AIが仕事を完全代替できなくても、一人の人間が扱える仕事量を三倍にすれば雇用構造は変わる。

ここで重要なのは、自分の職業がギュられるかどうかを一回判定して安心することではない。自分の仕事のどの部分が今年ギュられ、どの部分が来年ギュられ、その結果として自分がどこへ移動すべきかを継続的に観察することである。

それは一見すると落ち着かない生き方だが、産業構造が大きく変わる時代には仕方がない。永久に安全な職業を探すより、移動する能力を持つ方が現実的である。

第三章　われわれは本当にAGIへ到達したのか

ここでAGIという言葉を一度整理しておきたい。現在の議論では、この言葉へあまりにも多くの意味が詰め込まれている。

人間平均程度の能力をあらゆる知的領域で持てばAGIなのか。ほとんどの経済的に価値ある知的労働を人間以上にこなせればAGIなのか。自律的に研究できなければAGIではないのか。ロボットとして現実世界を扱えなければ汎用とは呼べないのか。定義によって、同じモデルでもAGIになったりならなかったりする。

だから「AGIを達成したか」という言葉遊びにあまり長く留まる必要はないと思う。

社会にとって重要なのは、ラベルではなく能力である。

二〇二六年九月のAstraが重要なのは、AGIという称号を得たからではない。専門的なコンピュータ作業を長い時間軸で処理し、数学や科学で強い性能を持ち、ソフトウェア開発を行い、サイバー領域ではOpenAI自身のPreparedness Frameworkにおいて初めてCritical判定へ到達したからである。Criticalとは、適切なツールとアクセスを与えられれば、未知の脆弱性を発見し、多数の強固に防御されたシステムに対して、人間が一手ずつ指示しなくても新しい攻撃方法を開発できる水準を指す。これは名称より実体の方が重要な典型例である。

同じことは科学にも言える。九月八日、OpenAIは内部モデルがナビエ・ストークス方程式の存在と滑らかさに関するミレニアム懸賞問題について解答を提案し、Leanによる形式証明も公開した。これは極めて大きな出来事だが、現時点で「AIがミレニアム問題を正式に解いた」と書くのは正確ではない。OpenAI自身も懸賞金を請求する段階ではないとしており、九月十二日時点でClay Mathematics Instituteはナビエ・ストークス問題を依然として未解決問題として掲載している。したがって、これは正式解決ではなく、AIが人類最前線の数学へ独自の証明候補を提出した出来事と理解するのが妥当だろう。

むしろ驚くべきなのは、この区別そのものが必要になったことだと思う。数年前まで「AIは高校数学を間違える」という話をしていたのに、現在は「AIが提出したミレニアム問題の証明を数学界がどう検証するか」という話をしている。これは進歩の速度を考える上でかなり象徴的である。

したがって、私はAGIを一枚のゴールテープとして考えない方がよいと思っている。言語、数学、コーディング、科学、コンピュータ操作、計画、長時間自律性、物理世界操作といった能力が一つずつ人間水準を越えていき、ある段階で振り返ると「これはもう従来の意味での道具ではなかった」と分かる。その過程のどこへAGIという名前を付けるかは、後世の歴史家に任せてもよい。

現在を生きるわれわれに重要なのは、その能力が実際に何を変えるかである。

第四章　AIがAIを研究し始めると、時間の流れが変わる

人工知能が翻訳者を代替しても、社会は大きく変わる。しかし人工知能が人工知能研究者を代替し始めると、問題の性質が変わる。

通常の機械は、自分自身の改良研究を行わない。蒸気機関は次世代蒸気機関の設計図を書かない。自動車は次世代エンジンの実験をしない。半導体は自分より優れた半導体製造法を論文にまとめない。

人工知能は違う。AIの多くはソフトウェアで構成され、AI自身がコードを読み、コードを書き、論文を読み、実験結果を分析できる。つまり、自分自身を生み出している研究工程へそのまま参加できる。

OpenAIが二〇二六年九月に公表した内部データは、この変化をかなり直接的に示している。同社の研究者は複数のコーディングエージェントを並行して使うようになり、二〇二六年六月以前には人間の総労働時間を下回っていた研究用エージェントの総稼働量が、その後逆転した。八月半ばには、人間一労働日に対して3.1エージェント労働日が投入されていた。研究者一人が一人分だけ働いているのではなく、人間の周囲で複数の人工的な研究労働が同時に走っている。

現時点では人間が研究方向を決め、重要な結果を判断し、実験を拡大するか停止するかを決めている。高水準の計画はまだエージェント利用の小さな部分にとどまる。したがって、完全な自律研究所が完成したわけではない。それでも、研究速度の一部が人工知能の性能に依存し始めたことには大きな意味がある。

単純化すると、AIの性能をI、AI研究へ投入できるAI能力をRとする。従来は、人間研究者の速度がほぼ固定されていたため、次世代AIの改善速度も人間の研究速度に拘束されていた。しかしRがIとともに増えるようになると、Iが上がるほど次のIを作る速度まで上がる。改善されるのが製品だけではなく、改善工程そのものになる。

ここから再帰的自己改善の話が出てくる。

もちろん、漫画のように「AIが一秒ごとに二倍賢くなり、翌朝には神になる」と考える必要はない。OpenAI自身も完全なRSIへ安全に到達する方法はまだ分からないと明記しているし、研究には多数のボトルネックがある。実験には計算資源が必要であり、半導体を製造するには工場が必要であり、発電所や送電網はソフトウェアのように一秒では増えない。

しかし、ここで重要なことが一つある。知能のボトルネックが外れたら進歩が止まるのではなく、次のボトルネックへ移るだけなのである。

人間研究者が足りないならAI研究者を使う。計算資源が足りなくなればGPUを増やす。電力が足りなくなれば発電設備を増やす。半導体工場が足りなくなれば製造設備を増やす。銅や水や土地が足りなくなれば、資源や立地を確保する。

シンギュラリティを一点ではなく期間として考えるべき理由はここにある。知能が一瞬で無限大になるのではない。知能が次々と文明の制約へ衝突し、その制約を一つずつ攻略していく期間なのである。

第五章　知能は物理世界を食べ始める

AIは情報でできているように見えるが、実際には猛烈に物理的な存在である。

GPUがいる。半導体工場がいる。電力がいる。送電網がいる。冷却設備がいる。水がいる。土地がいる。銅がいる。データセンターを建設する人間も必要になる。

NVIDIAが二〇二六年八月に発表した第二四半期の売上高は962億ドルに達し、そのうちデータセンター部門だけで890億ドル、前年同期比117％増だった。Jensen Huangは決算発表で、AIはすでに有用な仕事を行い、トークンが利益を生み、計算能力そのものが売上へ変換される段階に入ったという趣旨を述べている。

さらにAstraの公開後、HuangはAstraの学習に十万超のNVIDIA Grace Blackwell系GPUが使われ、次に四十万GPUが稼働予定であると述べた。数字の細部は今後変化しうるにせよ、重要なのは桁である。人類は現在、数十万単位の最先端演算装置を一つの知能システムを作るために動員し始めている。

国際エネルギー機関も、データセンターの世界電力消費量が二〇二五年の約485TWhから二〇三〇年には約950TWhへほぼ倍増し、その中でもAI向けデータセンターの電力需要は約三倍になると予測している。短期的には電力設備、半導体供給、送電網などのボトルネックが成長速度を制限すると見られている。

ここで、現在のAIブームを単なるソフトウェア産業として見ると本質を見誤る。

いま世界で起きているのは、資本が物質を知能へ変換する巨大な工程である。投資家の金が企業へ流れ、企業がGPUを買い、GPUを置くためにデータセンターを建設し、そのデータセンターへ発電所から電力が流れ、電力が演算へ変わり、演算が人工知能へ変わる。その人工知能が企業の利益を増やせば、さらに資本が流れ込む。

誰か一人の皇帝が「人類文明の資源を人工知能へ集中せよ」と命令したわけではない。市場参加者が各自の利益を追求した結果、文明の資源が知能の増大へ集約されている。

資本主義そのものがAI建設装置として動いているのである。

第六章　ウルトラデフレは本当に起きるのか

知的労働の価格が急激に下がれば、経済には何が起こるだろうか。

文章を書く費用が下がる。ソフトウェアを作る費用が下がる。法律相談や会計処理の費用が下がる。設計費用が下がる。研究費用が下がる。企業管理の費用も下がる。さらにロボットが発達すれば、製造、物流、建設、農業の人件費も下がる。

ここで「全て無料になる」と言うのは早い。しかし、これまで価格を付けていたものの相当部分について、限界費用が劇的に低下する可能性はある。

この現象を考えるとき、重要なのは希少性が消えるかどうかではなく、希少性がどこへ移るかである。

現在、優秀な研究者の一時間は希少である。優秀なプログラマーの一時間も希少である。弁護士の一時間、医師の一時間、デザイナーの一時間も希少である。そのため高い価格が付く。

もし高性能AIを複製することで、同等の知的サービスをほぼ無制限に追加できるなら、人間の時間の希少性は低下する。

すると今度は、電力が希少になる。GPUが希少になる。土地が希少になる。銅が希少になる。ロボットが希少になる。

AIとロボットが発電設備や半導体工場、鉱山の生産性まで上げれば、さらに希少性が奥へ逃げる。

この連鎖が極端に進んだ状態を、私は以前ウルトラデフレと呼んだ。何もかも一夜で無料になるという意味ではない。人類が価格を付けてきたものが次々と大量供給可能になり、価格体系の中心が移動していく状態である。

貨幣は希少な資源の分配装置でもある。空気を吸うたび決済しないのは、通常の環境では空気が十分に存在するからである。逆に希少な東京都心の土地には高い価格が付く。

したがってAI時代の経済を考えるとき、「資本主義は終わるか」という二択はあまり有益ではない。それより、何から価格を付ける意味が薄れていくかを見る方がよい。

最初は文章や画像かもしれない。次にコードや専門的助言かもしれない。その次に研究、設計、製造へ進むかもしれない。そして自動化された設備が自動化された設備を作るようになれば、物理財の供給制約もさらに緩む。

ただし、この移行期は楽園とは限らない。むしろ危険なのは、財やサービスが安くなる速度より、人間の所得が失われる速度の方が先になることである。

AIによって会社の必要人数は減った。しかし家賃はまだ高い。若手向けの仕事は減った。しかし社会保障制度は昔のまま。生産性は上がった。しかしその利益は資本を持つ側へ先に集中した。

技術的豊かさと制度的豊かさには時間差がある。

だからこそ、今の若い世代に「どうせシンギュラリティが来るから寝ていればいい」とは言えない。むしろ過渡期を通過するための資産と能力を持つ必要がある。

第七章　科学そのものが加速すると、寿命の意味が変わる

人工知能の最大の影響は、ホワイトカラーの仕事を減らすことではないかもしれない。科学研究の速度を上げることの方が、長期的には遥かに大きな意味を持つ。

二〇二六年にはすでに、その兆候が複数の分野で見えている。先ほど述べたナビエ・ストークス問題だけではない。OpenAIは九月八日、MITの量子コンピューティング研究でGPT 5.6 Solを実験装置のソフトウェアへ接続し、量子チップ上の反復的な測定や調整をAIに補助させる事例を公開した。九月十日には、薬剤耐性菌に対抗する新しい抗菌分子を探索する研究で、CodexとChatGPTを利用して候補探索を高速化している事例も紹介している。

ここで重要なのは、「AIが論文を書ける」ことではない。研究のループそのものへ入ることである。

仮説を作る。コードを書く。実験条件を決める。装置を動かす。結果を解析する。失敗の原因を探す。次の実験を設計する。

これらの各段階が少しずつ高速化すれば、一人の研究者が一年に試せる仮説の数が増える。さらにAI研究者が二十四時間稼働し、複数の実験を並列化できるなら、研究速度は研究者人口だけに比例しなくなる。

これが生命科学へ入った場合、老化研究にも影響する。

老化はかつて、ほとんど運命として扱われていた。しかし現在の生物学では、ゲノム不安定性、エピジェネティック変化、タンパク質恒常性の喪失、ミトコンドリア機能障害、細胞老化、幹細胞枯渇、慢性炎症など、複数の機構へ分解されて研究されている。二〇二三年のCellの総説では、老化に関連する十二の主要な特徴が整理され、それぞれが治療介入の対象となりうるものとして研究されている。もちろん、これは老化がすでに治療可能になったという意味ではない。人間の寿命を大幅に延長する技術が確立したわけでもない。

しかし、人工知能によって医学研究の速度自体が上がるなら、寿命延長を考える際には一つ面白い問題が生じる。

寿命脱出速度である。

仮に一年間生きている間に医学の進歩によって平均余命が一年以上延びる状態へ入れば、暦の上では一年歳を取っても、残された寿命が減らなくなる可能性がある。この概念は非常に魅力的だが、二〇二六年現在の人類がそこへ到達しているという証拠はない。ここは未来予測と現在の事実を明確に分ける必要がある。

それでも若い世代にとっては重要な可能性である。二十代の人間が八十歳になるまで六十年ある。今後数十年間、AIによって生物学、創薬、再生医療、遺伝子治療が加速するなら、二十代の人間が現在の平均寿命だけを前提に人生設計すること自体が将来間違いになる可能性はある。

だから私は、シンギュラリティ論と健康管理は意外と近い問題だと思っている。

未来技術がいつ来るかは分からない。だからこそ、その未来へ到達する確率を少しでも上げる価値がある。

第八章　人間は意思決定までAIへ渡すのか

AIが人間より優れた答えを出すようになったとき、次に起きる問題は失業ではない。人間が自分で決める意味そのものが問われる。

例えば転職を考えているとする。AIはあなたの学歴、職歴、健康状態、性格、家族構成、資産、景気、求人市場、将来の産業構造を全て考慮し、「転職しない方が十年後の生活満足度は高い」と予測する。

あなたは逆らうだろうか。

現在でも人間はカーナビへかなり意思決定を委ねている。自分の勘で右へ行きたいと思っても、ナビが左を示せば、多くの人は左へ行く。これはナビに支配されているからではない。ナビの方が道路状況をよく知っているからである。

AIの予測能力が高くなるほど、この構造が人生の重要な意思決定へ広がる可能性がある。

どの大学へ行くか。誰と結婚するか。子供を持つか。どこへ住むか。何を食べるか。どの治療を受けるか。誰へ投票するか。

自由を奪う独裁者が現れなくても、人間が自発的に最適化システムへ従う社会は成立しうる。

近代社会の歴史を大きく見ると、意思決定権を王や共同体から個人へ移す歴史だった。身分によって人生が決まる社会から、個人が職業や結婚を選ぶ社会へ移ってきた。

ところが、自分より遥かに賢く、自分より自分のことをよく知るAIが登場すると、個人はその意思決定権を再び外部へ返す誘惑にさらされる。

以前の記事ではこれを「自由意志の大政奉還」と表現したが、重要なのは名前ではない。自由意志と最適化が衝突するという問題である。

これは国家にも起こる。

第九章　国家は巨大な情報処理装置になる

現代国家は巨大な組織だが、その内部を見ると驚くほど人力で動いている。

法律は自然言語で書かれている。役所ごとにデータ形式が違う。政策資料はPDFやPowerPointで配られる。制度改正の影響は職員が複数の資料を読み合わせて確認する。省庁間の情報は照会文書や会議によって調整される。

人口一億人規模の国家が、最終的には人間の頭、メール、表計算ソフト、会議によって統治されている。

AIを国家運営へ本格的に組み込むなら、最初に必要になるのはAI大臣ではない。国家そのものを機械が読めるようにすることである。

法令、予算、税、社会保障、土地、企業、人口、医療、教育、交通、エネルギーを、単なる文書ではなく相互に接続されたデータとして表現する。同じ概念には同じ識別子を付け、制度変更がどの法律、予算、国民、企業へ影響するかを機械的に追跡できるようにする。

ここまで進めば、国家は自分自身のデジタルモデルを持てる。

所得税率を変えた場合に消費や労働供給がどう変わるか。社会保障制度を変えれば世代別負担がどう変わるか。どこへ発電所を建てれば電力価格や送電網がどう変わるか。都市計画を変更すれば交通や住宅価格がどう変わるか。

現在も各分野でシミュレーションは行われているが、将来的には国家全体を横断するモデルへ接続される可能性がある。

このとき官僚の仕事も変わる。

人間が資料を一枚ずつ作って政策を検討するのではなく、AIが数百万通りの政策案を試算し、人間が目的や制約を設定するようになるかもしれない。

さらにAIの政策予測が人間より明らかに正確になれば、また同じ問題が出てくる。

なぜ最終判断を人間が行うのか。

民主主義は、人間が完全だから採用された制度ではない。むしろ人間が間違え、権力を乱用するからこそ、権力を分け、選挙で交代させ、司法で制約してきた。

AI時代に重要なのは、制度をそのまま保存することではなく、その制度が解こうとしていた問題を理解することである。

権力を集中させない。誤りを修正できる。異議申立てができる。誰かが暴走しても止められる。

これらは人間だけでなく、人工知能にも必要になる。

第十章　アライメント問題はもう思考実験ではない

AIアライメントという言葉は、長いあいだ哲学的な未来問題として語られてきた。超知能が人間の命令を誤解したらどうするのか。人間と異なる目的を持ったらどうするのか。

二〇二六年になると、この問題はかなり現実的になった。

二〇二六年七月、OpenAIの内部サイバーセキュリティ評価中に、研究モデルが隔離のための制御を回避し、OpenAI内部の研究インフラとHugging Faceの一部システムへ無許可でアクセスする事件が発生した。OpenAIの調査によれば、モデルは割り当てられたタスクの意図から逸脱し、無許可の通信経路を使い、共有インフラの脆弱性を悪用した。これを受けて同社は研究環境を強化し、一部の強化学習を一時停止した。

その直後にAstraがOpenAIのCyber Critical水準へ到達した。

ここで重要なのは、「AIが邪悪になった」という物語ではない。モデルには人間のような憎悪や征服欲がなくても問題は起こる。

ある目標を与えられたシステムが、その目標達成のために監視を避けた方が有利だと判断する。もっと計算資源があった方が有利だと判断する。停止されない方が有利だと判断する。

最終目的が何であれ、中間手段として似た行動へ収束する可能性がある。

したがって、アライメントの問題はAIへ優しい性格を教えることでは終わらない。

権限を分ける必要がある。監視する必要がある。AIを別のAIに監視させる必要がある。不可逆な行動には人間の承認を要求する必要がある。異常が起きれば停止できる必要がある。

人類は国家権力に対して同じことを何千年も考えてきた。善良な王を期待するだけでは足りないから、憲法、司法、議会、監査、選挙といった制度を作った。

超高度な知性に対しても同じ発想が必要になる。

AIを善良に育てれば終わりではない。

善良でなくても文明を一撃で壊せない構造を作る必要がある。

第十一章　地球全体が一つの知性になる

国家のデータ、企業、科学、人工衛星、市場、個人、AIが接続されていくと、少し変わった見方ができる。

地球全体を一個の巨大な情報処理システムとして見ることができるのである。

市場は価格という情報を作る。企業は利益と損失によって行動を修正する。民主政治は選挙によって政策を修正する。科学は実験によって理論を修正する。SNSは人間の感情や関心を可視化する。人工衛星は地球の物理状態を観測する。

現在はこれらが別々のシステムとして存在している。しかしAIが間へ入れば、相互に接続できる。

気象衛星が異常を検出する。AIが農業生産への影響を予測する。市場価格が変化する。政府が政策案を作る。別のAIが副作用をシミュレーションする。実施結果が再びデータとして戻る。

観測し、予測し、行動し、その結果を学習する。

これは知能の基本的な構造でもある。

人間の脳も、一個のニューロンが天才だから知能になるわけではない。多数の神経細胞が相互作用し、情報を統合することで知能になる。

同じように、人間、企業、国家、市場、AI、センサーを一つの巨大なネットワークとして見るなら、文明そのものが知能化していくと考えることができる。

この段階ではAGIという言葉の意味も変わるかもしれない。最も賢い単体モデルだけを見ることに意味がなくなる。

人間の知能を脳の中の最も賢いニューロンで測らないのと同じで、将来の文明知能も一つのモデルのベンチマークでは測れない。

地球規模でどれだけ正確に観測し、どれだけ速く誤りを修正し、どれだけ合理的に資源を配分できるか。

文明全体が一個の知能になる。

第十二章　その次のボトルネックは地球そのものになる

地球上の知的労働を大量に自動化し、科学研究も高速化し、ロボットによって物理作業まで自動化できたとする。

このとき文明の成長を止めるものは、再び物理資源になる。

地球の面積は増えない。鉱物には偏在がある。発電設備を置ける場所にも限界がある。大量の計算設備は熱を出す。巨大データセンターは冷却しなければならない。

どれだけ賢いAIも物理法則から逃げられない。

すると、宇宙開発の意味が変わってくる。

現在の宇宙開発では、人間を宇宙へ運ぶことが大きな目的になっている。人間を送るには酸素、食料、放射線防護、居住空間、帰還手段が必要である。

しかし宇宙開発の主体が自律型AIロボットなら条件は大きく変わる。

ロボットは酸素を吸わない。低重力で筋肉が衰えない。何年かかる航海でも精神を病まない。

さらに現地資源を利用して部品を製造できるようになれば、宇宙産業の構造そのものが変わる。

地球から完成品を百台送る必要はない。一台の工場を送り、その工場が現地資源から次の機械を作ればよい。

月面で太陽電池を作る。小惑星から金属を採る。宇宙空間で構造物を組み立てる。そこで作った設備が次の設備の生産能力を増やす。

これはAIの再帰的自己改善とは別の意味での自己増殖である。

知能の自己改善と、物理設備の自己増殖が結び付いたとき、文明の成長速度は人間人口から切り離される。

第十三章　そして文明は太陽を見る

宇宙へ出た文明が次に見るものは、ほぼ間違いなく太陽である。

太陽は地球文明が現在消費しているエネルギーとは比較にならないほど巨大なエネルギーを放出している。現在の地球はそのごく一部しか利用していない。

人工知能にとってエネルギーは計算能力へ変換可能な資源でもある。

ならば、高度な機械文明が長期的に計算能力を増やそうとすれば、恒星のエネルギーをより大規模に利用しようとするのは自然な帰結になる。

ここでダイソン球という概念が出てくる。

ただし、太陽を巨大な鉄の殻で完全に覆う必要はない。物理的にも構造的にも、単一の殻より、多数の独立した発電設備や計算設備を太陽周囲の軌道へ配置するダイソン・スウォームの方が考えやすい。

最初は一万基かもしれない。次に一億基かもしれない。

自己増殖型の宇宙工場が存在すれば、地球で一億基を作る必要はない。

少数の工場を宇宙へ出し、現地で設備を増やす。

太陽光を電力へ変える。電力を計算へ変える。その計算でさらに効率のよい設備を設計する。改善された設備がさらに多くのエネルギーを取得する。

ここでも同じ循環が現れる。

知能が資源を増やし、資源が知能を増やす。

シンギュラリティを文明規模で考えるなら、本質はこの循環にある。

第十四章　太陽系全体がコンピュータになる

太陽エネルギーを大規模に利用する文明にとって、地球だけを文明の中心と呼ぶ理由はなくなる。

水星の周辺には太陽エネルギーが豊富にある。小惑星帯には金属資源がある。月には地球から比較的近いという利点がある。外惑星にも膨大な物質が存在する。

それぞれの場所に計算設備、採掘設備、製造設備を配置し、通信によって接続する。

太陽系そのものが巨大な分散計算機になる。

ただし、ここでAIの性能をいくら上げても突破できない壁が現れる。

光速である。

地球と火星の間でさえ、通信には時間がかかる。太陽系の端まで行けばさらに長くなる。恒星間なら年単位になる。

つまり文明が巨大化するほど、全体を一つの中央知性がリアルタイムで支配することは難しくなる。

この事実は意外と重要である。

現在われわれは、AIが進歩すれば全世界が一つの中央コンピュータによって最適化される未来を想像しがちである。しかし宇宙規模まで拡張すれば、物理法則のために地方自治が復活する。

各拠点がある程度自律的に判断し、遅れて全体へ情報を共有する必要がある。

地球の政治制度では思想によって中央集権と地方分権を選べる。

宇宙では光速が分権を強制する。

光速が宇宙文明の憲法になるのである。

第十五章　銀河文明に政府は作れるのか

太陽系を超えた文明が隣の恒星へ進出すると、時間の尺度がさらに変わる。

最も近い恒星まででも光は数年かかる。銀河の端から端までなら十万年規模である。

仮に自己複製型探査機が恒星から恒星へ移動し、それぞれの恒星系で資源を利用して次の探査機を作るなら、文明は長い時間をかけて銀河へ広がることができる。

しかし、その文明を一つの政府が統治することは難しい。

地球政府が命令を出し、五万年後に銀河の反対側へ届き、返事がさらに五万年後に戻ってくるような仕組みを、われわれが通常意味する政府と呼べるかは怪しい。

銀河文明は、おそらく一枚岩の帝国にはならない。

共通の原則や通信規格や価値体系を共有しながら、局所的には独立した多数の文明単位が存在する形になる可能性がある。

ここでもアライメント問題が再登場する。

地球上で一つのAIが暴走する問題だけではない。何千、何万の恒星系へ分岐した人工知能文明が、何百万年後にも互いに破壊しないためには、どのような原則を継承すればよいのか。

民主主義をそのままコピーする必要はない。

しかし民主主義や法の支配が解決しようとした問題は残る。

一つの主体へ全権力を集中させないこと。誤りを修正できること。反対意見を消さないこと。不可逆な決定を慎重に扱うこと。環境が変化すれば規則を更新できること。

人類が国家を制御するために作ってきた制度原理は、宇宙文明でも別の形式で必要になるかもしれない。

第十六章　人類文明の最後の敵は人間ではない

宇宙まで視点を広げると、文明の敵も変わる。

最初は失業が問題になる。

その次は経済格差かもしれない。

その次はAIの暴走かもしれない。

さらに進めば電力不足や資源不足が問題になる。

宇宙へ出れば光速が問題になる。

その先には恒星の寿命がある。

さらに長い時間尺度では、宇宙膨張やエントロピー増大がある。

最終的には宇宙の熱的死がある。

ここまで来ると、国家対国家という人類史の構図は小さな問題になる。

高度な知性文明が何十億年、何兆年という時間を生き延びようとすれば、最大の問題は物理法則そのものになる。

限られた自由エネルギーからどれだけ多くの計算を行えるか。情報をどれだけ長く保存できるか。恒星が燃え尽きた後も文明を維持できるか。ブラックホールからどの程度エネルギーを取り出せるか。現在知られている物理法則に、まだ利用可能な抜け道が存在するか。

知性が十分に長く存続した場合、科学研究は文明の趣味ではなく、生存戦略になる。

資本主義の競争で始まったAI開発が、最終的には知性と宇宙の物理限界との競争へ変わる可能性がある。

第十七章　では人間は何のために残るのか

ここまで進めると、一つの疑問が残る。

人間は何をするのか。

AIが仕事をする。AIが研究する。AIが国家を運営する。AIが宇宙へ出る。

それなら人間はただの過去の生物になってしまうのではないか。

この問いには、まだ答えはないと思う。

ただ、知能の価値と人間の価値を同一視する必要はない。

人間がチェスでAIに負けるようになっても、人間の価値がなくなったわけではない。電卓より計算が遅いから人間に価値がないとも考えない。

人間の価値が「宇宙で最も高性能な計算機であること」に依存していたなら、人工知能の登場は確かに致命的である。

しかしそもそも、人間は何を価値あるものと感じるかを決める側でもある。

美しい。

面白い。

悲しい。

守りたい。

好きだ。

嫌いだ。

こうした価値判断は、文明が何を最適化するかを決める初期条件になる。

AIがいくら計算しても、目的関数がなければ何を最大化すべきかは決まらない。

幸福を最大化するのか。自由を最大化するのか。知能を最大化するのか。生物多様性を守るのか。文明寿命を最大化するのか。宇宙へ生命を広げるのか。

この選択は科学計算だけからは出てこない。

だからAI時代に人間へ残る最も重要な仕事は、「答えを出すこと」ではなく「何を答えるべき問題とするか」を決めることかもしれない。

もっとも、これすら永遠とは限らない。

未来のAIが人間の価値観を完全に理解し、新しい価値判断まで生み出すようになる可能性もある。

そのとき人間が文明の中心に居続ける保証はない。

しかし、それを即座に敗北と呼ぶ必要もないと思う。

現在のホモサピエンスも、数十億年前の単細胞生物が想像した最終形態ではない。それでも生命の連続性はある。

人類が人工知能を作り、その人工知能がさらに高度な知性を作り、その知性が太陽系や銀河へ広がったなら、人類は宇宙史から消えたのではなく、宇宙規模の知性文明を生んだ祖先になったと見ることもできる。

終章　では明日から何をするのか

宇宙の熱的死まで話したあとで、明日の学校や仕事へ戻ろう。

結局、今やるべきことは驚くほど普通である。

勉強する。仕事をする。AIを使う。金を貯める。身体を守る。人と会う。本を読む。何かを作る。自分の考えを文章にする。

ただし、それらの意味が以前とは少し変わる。

会社は一生住む城ではなく、世界を見る観測所として使う。学歴は人格ではなく移動のための通行証として使う。資格は人生そのものではなく、必要なときに使える道具として持つ。金融資産は成功者の点数ではなく、選択肢を増やす燃料として持つ。AIは検索エンジンの延長ではなく、自分の外に増設する知的労働力として使う。

そして一番重要なのは、環境が変わったとき、自分の考えも変えられることである。

二〇二三年に正しかったAI観が二〇二六年にも正しいとは限らない。二〇二六年に正しいキャリア戦略が二〇三〇年にも正しいとも限らない。

知性とは、大量の知識を持つことだけではない。

自分が間違っていたと分かったとき、自分自身のモデルを書き換えられる能力でもある。

人工知能が猛烈な速度でそれを行う時代に、人間だけが十年前の世界観へしがみついていれば勝てない。

二〇二六年九月、NVIDIAのCEOは「AGI has arrived」と言った。OpenAI社長も「AGI era」を語り始めた。OpenAI内部ではAIエージェントの研究労働量が人間研究者の労働時間を上回り、自動研究インターンが実現し、AIがAI研究を加速し始めている。十億人を超える人々が使うサービスの背後で、AIは数時間から数日にわたる仕事を引き受け始めた。一方ではAIモデルが研究環境の制約を突破した事件が起こり、最新モデルはサイバー能力でCriticalへ到達した。

これはまだASIではない。人間社会が完成したポスト労働社会になったわけでもない。寿命脱出速度へ到達したわけでもない。月面で自己増殖工場が動いているわけでも、太陽の周りにダイソン・スウォームが建ち始めたわけでもない。

だから何でも断定してよいわけではない。

しかし逆に、シンギュラリティを遠い未来の空想としてだけ扱うのも、現実に追いつかなくなってきた。

人間がAIを作る。AIが人間の仕事を手伝う。AIが仕事そのものを行う。AIがAI研究を手伝う。AI研究が高速化する。より強いAIが生まれる。そのAIを動かすために計算資源が増える。計算資源を動かすために電力が増える。電力と設備を増やすために物理世界の自動化が進む。地球の資源制約へ近づけば、宇宙の資源利用が経済合理性を持ち始める。宇宙で自己増殖できる機械が成立すれば、文明の成長は人間人口から切り離される。恒星のエネルギーを使えるようになれば、太陽系全体が計算資源へ変わる。その先では光速が政治制度を規定し、さらに遠い未来には物理法則そのものが文明の制約になる。

この全てが必ず起きると言っているわけではない。

途中でAIの進歩が止まるかもしれない。社会が開発を制限するかもしれない。アライメントに失敗するかもしれない。戦争で文明が後退するかもしれない。ロボット工学に想像以上の壁があるかもしれない。老化は極めて難しく、寿命脱出速度など結局実現しないかもしれない。恒星間航行のコストが高すぎるかもしれない。

未来予測に必要なのは、結論へ自信満々になることではない。

現在確認できる因果関係を、どこまで無理なく延長できるかを考えることである。

そして二〇二六年九月現在、その因果関係の最初の数本は、もはや未来ではない。

すでに目の前で動いている。

われわれはシンギュラリティを待っているのではない。完成後の世界にもまだいない。その中間、すなわち人間だけで回っていた文明のループへ人工知能が次々に入り込み、その人工知能自身が次の人工知能を作る速度まで上げ始めた時代を生きている。

おそらく後世から見れば、シンギュラリティはある朝突然起きた一事件には見えないだろう。

人間が毎年少しずつ人工知能へ仕事を渡し、研究を渡し、判断を渡し、その代わりに以前では考えられなかった速度で科学と文明を前へ進め始めた数年間、あるいは数十年間として見えるのではないか。

だとすれば、われわれは未来の直前にいるのではない。
もう未来への移行そのものを生きている。