AIを普通の技術として理解するためのガイド

「AIを普通の技術として捉える」というフレームワークを提唱した際、その影響力は予想を超えるものでした。この記事は私たち二人がこれまでに発表した中で最も影響力のあるものとなり、AIの中期的な未来とその影響について考える時間を増やす強いシグナルとなりました。私たちは、憶測を招きがちなこのテーマに対して、地に足のついた分析を提供することを目指しています。この変化は、AI Snake Oilプロジェクトが焦点を当てていたAIの現在および短期的な影響から、より長期的な視点へのシフトを意味します。この変化を反映して、ニュースレターの名称も変更しました。すでに続編のエッセイを2本発表しており、2026年末までに書籍を完成させ、2027年に出版する計画です。

本稿では、「AIを普通の技術として捉える」ことに関する一般的な誤解を解き、元のエッセイをより親しみやすくし、AI 2027との比較を行います。

「普通」は平凡または予測可能を意味しない

元のエッセイでは、「普通」の意味について詳しく述べましたが、何が「普通」でないかについてもっと明確にすべきでした。私たちの主張は「何も見るべきものはない、先に進め」というものではありません。実際、自動車やソーシャルメディアなどの強力な技術では、予測不可能な社会的影響が特徴的です。これらは技術と人間の複雑な相互作用の創発的効果であり、技術の論理だけでは予測できない傾向があります。技術決定論を拒否することは、「普通の技術」エッセイの核心的な前提の一つです。

AI、特にチャットボットの場合、すでに創発的な社会的影響が見られています。AIコンパニオンの普及や、モデルのお世辞行動による有害な影響（「AI精神病」など）は、ほとんどの観察者を驚かせました。一方、AIが選挙操作に使われるなど、差し迫ったリスクとして広く予測されていた多くのことは実現していません。現在の能力の拡散に基づいても、3〜5年後のAIの社会的影響の風景は誰にも予測できません。

技術的能力の開発は社会的影響よりも予測可能です。AI 2027の著者の一人であるDaniel Kokotajloは、2021年に「2026年の姿」というエッセイでAI安全性コミュニティで有名になりました。彼の技術自体に関する予測は驚くほど正確でしたが、社会的影響に関する予測は全体的に方向性が間違っており、彼は私たちとのポッドキャスト討論でその点を寛大に認めました。

これらすべてが、AIを機関や政策立案者にとってより深刻な課題にしています。彼らは予測の誤った安心感に依存したり、すべての害を防ごうとする代わりに、予測不可能な影響に機敏に対応しなければならないからです。広く言えば、そのような適応性を可能にする政策立案アプローチはレジリエンスと呼ばれ、私たちのエッセイで提唱したものです。しかし、私たちはレジリエンスを潜在的破局的リスクに対処するアプローチとして強調しましたが、レジリエンスがより広範なリスクに対処する上でも重要な役割を果たすことをもっと明確にすべきでした。

私たちのテーゼの再述

テーゼの核心を抽出して単純化すると、次のようになります。AIの能力向上と社会的影響の間には長い因果連鎖があります。利益とリスクは、AIが開発されたときではなく、展開されたときに実現されます。これにより、個人、組織、機関、政策立案者には、それらの影響を形作る多くのレバレッジポイントが与えられます。したがって、能力開発の速度をあまり心配する必要はありません。私たちの努力は、AIの利益を実現する観点からも、リスクに対応する観点からも、展開段階により集中すべきです。これは今日のAIだけでなく、仮想的な自己改善能力のような発展にも当てはまります。AIシステムの能力の限界の多くは、それらのシステム外部にあり（そしてあるべきであり）、AIが自らの技術設計を改善するだけで克服できるものではありません。

GPT-5への失望？それはテーゼを誤解している可能性

GPT-5のリリース後に私たちのエッセイへの関心が急増したことは注目に値します。これは奇妙です！もし一つの製品アップデートが人々のAIの軌道に関する見方を変えるなら、人々の証拠基盤はそもそもどれほど信頼できるのでしょうか？普通の技術フレームワークが遅いタイムラインを予測する理由は、能力が壁にぶつかるからではなく、能力が急速に進歩し続けても影響はゆっくりと段階的に現れるからです。したがって、新しいリリースへの失望が「AIを普通の技術として見る」ことをより支持させるべきだとは思いません。同様に、明日画期的な進歩が発表されたとしても、私たちの見解に懐疑的になるべきではありません。

GPT-5を理解する最良の方法は、AI開発者がモデルから製品へと重点を移していることの特によい例であり、私たちは一年前にその点を書きました。自動モデルスイッチャーは、日常的なChatGPTユーザーにとって大きな意味があります。「思考」モデルがリリースされてからほぼ一年間、毎日使用するユーザーは1%未満だったことが判明しており、GPT-5はその使用を劇的に増加させました。

なぜAIの導入は異なって感じられるのか

「急速な拡散」という説がこれほど間違っているのに、なぜこれほど広く根強く信じられているのでしょうか？それは、AIの導入が、PCやインターネット、ソーシャルメディアがかつてそうであったように、津波のように感じられるからです。人々が直感的に何かを信じると、その感覚を確認するデータやグラフに対して懐疑的ではなくなります。私たちもその感覚を認識しています。AIに関する私たち自身の実体験は、過去の技術の波とは異なります。当初、私たちはそれを認知バイアスとして片付けました。現在経験している変化は、過去にうまく適応した変化よりもはるかに大きなシフトのように感じられるというものです。しかし今では、私たちが間違っていたことに気づきました。認知バイアスは説明の一部かもしれませんが、AIの導入がより急速で恐ろしく感じられるのには本当の理由があります。要するに、展開は拡散ではないというのは真実ですが、過去には段階的な展開により、ユーザーは導入に関する決定を常に下さなければならないという負担からある程度守られていましたが、今ではその緩衝材が取り払われてしまったのです。

例として、インターネットの導入を比較します。1990年代にダイヤルアップを導入した人は、次のような話を覚えているでしょう。最初にその技術について聞いたとき、PCの高価格に尻込みしました。徐々に価格が下がりました。その間に、職場や友人の家でインターネットを使う経験を積みました。数年後にPCとダイヤルアップを購入したときには、すでにある程度のトレーニングを受けていました。当初、ダイヤルアップは遅くて高価で、ウェブサイトも多くなかったため、あまり使いませんでした。徐々に価格が下がり、帯域幅が改善され、コンテンツが増え、使用量の増加とともにインターネットを生産的かつ安全に使う方法を学びました。

2020年代の汎用AIツールの導入は根本的に異なる体験です。新しい能力の展開は即座に行われるからです。人々は特定のユースケースにAIを導入するかどうかを評価するためにはるかに多くの時間を費やさなければならず、導入しなければ取り残されると常に言われています。私たちの以前のポイントはすべて有効です——学習曲線は存在し、人間の行動が変わるには長い時間がかかり、組織の変化はさらに時間がかかります。しかし、AIを使わないことはある意味で積極的な選択であり、人々はアクセスがないという言い訳ができなくなっています。

結論

AI推進派と確かに同意する点は、AIはなくならないし、暗号通貨のようにほとんどの人が無視できるニッチにもならないということです。生成AIへの最初の集団的ショックが収まった今、AIの影響がどのように展開するかを構造化された方法で考える必要があり、新しい技術的能力や創発的社会効果に（過剰に）反応するのではなく、考える必要があります。AIを普通の技術として捉えるフレームワーク——私たちはこのニュースレターで引き続き詳しく説明していきます——はそのようなアプローチの一つです。少なくとも、技術の社会的影響を考える歴史的に根ざしたデフォルトの方法として、より例外主義的な説明と比較するために知っておく価値があります。このフレームワークは、ビジネスリーダー、労働者、学生、AI安全性やAI倫理に関心のある人々、政策立案者などにとって、ある程度実行可能なガイダンスを提供します。ぜひご参加いただき、議論に貢献してください。