アルゴリズムから自律へ：AIがソフトウェアとモビリティのアーキテクチャを書き換える方法

2026年7月19日

人工知能は単なる開発者のツールキットに追加された新しいツールではありません。それは人間と機械の間の基本的な契約を書き換えています。本稿では、AIの発展の軌跡を追い、ソフトウェア1.0から3.0へのパラダイムシフトを明らかにし、物理AIの未来を展望します。

ソフトウェア1.0時代、エンジニアはアセンブリ、C++、Pythonなどの言語で明示的なルールとロジックを記述し、考えられるすべての「if-then-else」を処理しました。このアプローチは単純な問題には信頼性が高く予測可能でしたが、人間の記述能力に制限されました。ADASや自動運転に99%以上の精度が必要となるなど複雑な問題に対応するため、手書きのロジックは非効率になりました。そこでソフトウェア2.0時代が到来し、開発者はデータのラベル付けと損失関数の設計を通じてニューラルネットワークに学習させるようになりました。この転換は、AlexNetがImageNetチャレンジで突破口を開いたことを皮切りに、ディープラーニングの「カンブリア爆発」を引き起こしました。

現在、私たちはソフトウェア3.0時代にいます。インターフェースは自然言語であり、ロジックの源泉は創発的理解——モデルが特定のタスクだけでなく、ドメインを横断して汎化する能力——です。開発者の役割は、意図をアーキテクチャし、正確なコンテキストを提供することに変わります。しかし、この生成的なアプローチ（LLM）には幻覚などの欠点があります。

LLMは、電気、インターネット、GPSと同様の汎用技術と見なされます。歴史的に、プラットフォームの移行はS字曲線を描き、新しい基盤層が古いものを置き換えてきました。マイクロソフトはPC時代、グーグルはウェブ時代、アップル・サムスン・グーグルはスマートフォン時代に勝利し、現在の生成AI時代では、Meta、Anthropic、NVIDIA、Google、OpenAIなどの企業が急成長しています。LLMがインフラ化するにつれ、差別化された価値はアプリケーションと体験の層に移り、独自データやドメイン専門知識が鍵となります。

汎用技術は社会を変革します。電力は石油ランプを置き換えただけでなく、社会構造を再編しました。鉄道は地理を弾力的にしました。LLMも同様に、創発的推論、文脈内学習、大規模汎化の3つの特性を持ちます。興味深いことに、LLMは技術普及の伝統的な方向を逆転させました。過去には新しい技術はまず政府や大企業が採用し、その後消費者に広がりましたが、LLMはChatGPTを通じて一夜にして数十億人のユーザーに直接アクセス可能になりました。

LLMはテキスト推論に優れていますが、世界を直接経験するのではなく、記述を通じて理解します。李飛飛氏が言うように、「現在のLLMは抽象知識を習得しているが、暗闇の中の言葉の工匠に過ぎない」。この限界は、AIが物理世界に入るときに重大なボトルネックとなります。次のステップは空間知能——三次元環境の知覚、幾何学と奥行きの推論、空間内のオブジェクトに意味を割り当て、それに基づいて行動する能力——です。生物進化では、眼の発達がカンブリア爆発を触媒しました。空間知能はAIにとって同様の分岐点となるかもしれません。これはモラベックのパラドックスとも関連します。人間が簡単と感じる作業（歩行、キャッチ）は機械には計算コストが高く、人間が難しいと感じるチェスや推論は機械にとって容易です。

物理AIは「知覚-計画-行動」のループを通じて実現します。センサーが環境を知覚し、計算ユニットが経路と操作を計画し、アクチュエータが決定に応じて動作します。ヒューマノイドロボットや自動運転車がその典型です。ソフトウェア3.0パラダイムを内在化し、ガードレールとともにAIを展開し、言語知能と空間知能の橋渡しをするエンジニアやリーダーが、次の変革の担い手となるでしょう。

（注：本記事のストーリーライン、洞察、構成は著者によるものですが、AIツールを使用して洗練・磨き上げられています。）