実現時期の予測をどう読むか

「専門家は2047年と予測」「AIがこなせる仕事の長さは急速に伸びている」「2030年まで計算規模を拡大できる」。三つの記事を続けて読むと、どれも同じAGI到来日の話に見えるかもしれません。

けれども、三つは別の対象を測っています。研究者への質問、評価課題で観測した能力の傾向、訓練に使える計算資源の見積もりです。数字を一列に並べて平均しても、AGIが来る年にはなりません。

このレッスンでは未来年そのものより、予測が答えようとした問いを読みます。予測を当て物にせず、あとから更新できる情報として扱うための方法です。

2047年と2116年は別の問いへの回答

Graceらは2023年10月に、主要なAI研究誌・学会で前年に論文を発表した研究者を対象とする大規模調査を行いました。科学の進歩が中断なく続くという条件のもとで、人間レベルの機械知能に50%の確率を置く集計上の時点は2047年でした。

同じ調査で、すべての職業を完全に自動化できる時点を尋ねると、50%の時点は2116年でした。約70年の差はどちらかが間違いだから生じたのではありません。何を達成したら予測が当たったとみなすかが違います。

調査結果の読み方同じ50%でも、尋ねた未来が違う。

2023年の研究者調査 · 集約した確率分布が50%に達する年

人間レベルの機械知能2047年

すべての職業の完全自動化2116年

これは締切でも、研究者の合意でもない。回答の散らばりは下の原図で読む。

出典：Grace et al.（2023年調査） · 分布や信頼区間は下の原図を参照。

Figure 3では、細線が無作為に抽出した一部の回答者の予測、太線が集約した予測です。帯が狭く見えるのは、回答が一致しているからとは限りません。とくに2023年調査では標本数が増えたため、集約曲線の推定幅が狭くなります。個人の細線が広く散らばっていることも同時に確認します。

さらに同じ調査では、質問の形式によっても50%時点が17年後と34年後に分かれました。予測値は対象の定義と質問の書き方に反応します。 2047年を確定した予定日として読むことはできません。

未来の予測は判定条件と確率を組にして読むと比較しやすくなります。ここでは六つの項目を使います。

講座独自の整理日付の前に確認する六つの項目

前提を確かめる

不確実性を読む

更新を追う

2047年は、研究者の半数がその年を回答したという意味ではありません。回答者ごとの確率分布を平均した集約分布が50%へ達する年です。単一の50%時点だけを抜き出すと、個人の予測が広く散らばっていることが見えなくなります。

Forecasting Research InstituteのLEAPは、専門家に継続して質問し、同じ人の確率分布や更新を追う試みです。更新履歴を残すことで、単発の調査より変化を追いやすくなります。ただし、この設計だけで数十年先の予測精度が実証されたわけではありません。

予測の実例：アモデイ氏の発言を紹介する投稿

チャエン（@masahirochaen）
アモデイ氏の将来像を紹介する投稿 (2026-10-15)

これはチャエン氏による紹介投稿です。企業トップの見通しは、専門家調査の集計や能力の測定結果とは分けて読みます。

投稿の公開日は2026年10月15日ですが、動画の収録日と元の対談は未確認です。「あと2〜3年」を投稿日からの確定した期限に置き換えないようにします。

本人の将来像と前提は、2024年のエッセイMachines of Loving Graceでも読めます。これは背景資料で、この動画の出典そのものではありません。

METRのTime Horizonは、主にソフトウェアや機械学習の評価課題について、人間なら一定時間かかる仕事をAIエージェントが50%の確率で終えられる時間の長さを測ります。現実のあらゆる仕事を、同じ時間だけ安定して任せられるという意味ではありません。

縦軸は、人間ならその長さがかかる課題をAIエージェントが50%の確率で完了できる境界です。調査した課題群では、この境界が倍になるまでの期間は207日、95%信頼区間は166〜240日でした。これは、現実の仕事をその時間だけ任せられるという保証ではありません。

2026年のTime Horizon 1.1では、課題群と集計が更新されました。

Evidence table

Time Horizon 1.1で更新された数値

METRの公式更新