Q2.5 2026年タイムライン更新：アップリフトと収益

Eli Lifland、Daniel Kokotajlo、Brendan HalsteadによるQ2.5アップデートでは、AIタイムライン予測はわずかに短くなったものの、モデリングとエビデンスベースが大幅に改善され、予測への確信度が高まったと報告されています。このアップデートはもともと第2四半期に予定されていましたが、「AI 2040: Plan A」と国内規制ブログの公開、およびモデル変更の実装と記録に時間がかかったため延期されていました。

当初のAI Futures Modelは、METRのコーディング時間地平線の測定を用いて、自動化プログラマー（AC）の出現時期を予測していました。ACとは、主要AI企業が人間のソフトウェアエンジニアを解雇しても、AIによるコーディング利用を手放したくないと考えるようなAIを指します。しかしこの方法には大きな弱点がありました。どの時間地平線がACに対応するのか不明確で、有限の値で対応するかさえ定かではないこと、また時間地平線のトレンドが有効計算量に対して超指数関数的になるかどうかについて人々の見解が分かれ、予測が大きく変わる可能性があったことです。

そこでチームは、ACに必要な有効計算量を設定する他の方法を模索し、コーディング・アップリフト（コーディング効率の向上倍率）と収益という2つの候補を導入しました。特にコーディング・アップリフトを重視しており、その基本アイデアは「アップリフト-1」の倍加時間を推定し、ACレベルのアップリフトに達するまで外挿するというものです。時間地平線と比べて、ACに対応するアップリフトの値は不確実性がはるかに小さく、アップリフトがある程度超指数関数的に伸びるとしても、その影響は時間地平線ほど重要ではありません。

驚くべきことに、時間地平線・アップリフト・収益の3つの手法は、ほぼ同じAC到来日を予測しました。これは予測の頑健性を示す有望な兆候ですが、依然として不確実性は大きいとチームは述べています。各著者は3つのACアンカー手法に重みを割り当て、モデルがそれらを集約して全体予測を生成します。また、AI 2027の予測を再評価し、現実の進歩はAI 2027が予測した速度の約70〜90%で進んでいると評価しました。

シンプルな3パラメータモデルでは、(コーディング・アップリフト-1)が指数関数的に成長すると仮定します。Danielの中央値は、現在のコーディング・アップリフトが2倍、アップリフト-1の倍加時間が5ヶ月、AC時のアップリフトが20倍です。完全なモデルでは、自動化されるタスクの割合に関するロジスティック曲線、AI研究開発の自動化による有効計算量成長率の変化、人間の労働力やコンピューティング資源のトレンドなども考慮されます。

収益手法は、主要AI企業（主にモデル開発企業で、Nvidiaは含まない）の年換算収益を有効計算量/ECIの指数関数として近似し、将来へ外挿します。Anthropicの年換算収益は数年連続で年10倍に成長していますが、チームはこの成長はまもなく鈍化すると考え、現在の中央値として年5〜7倍の成長率を設定しています。この方法は、推論に割り当てられる計算資源の割合や推論マージンなどの要因を直接考慮しないため、パラメータ選択によって直感的に調整していると述べています。

AI 2027との比較では、進歩が同レポートの75%のペースで続けば、ACは2027年半ばに達成されるという評価です。公共の注目度を示す指標が最大の予測誤差の原因となっており、より適切な運用方法を検討する余地があるとしています。今回の更新では、モデルとウェブサイトコードの軽微な変更、および「技術的に可能な限り最速で進む」という前提条件の明確化も行われています。チームは今後も新たな証拠が得られ次第、タイムライン予測を定期的に更新する予定です。