ケヴィン・ケリーのAI予測、10年後に何が現実になったか？

2016年、ケヴィン・ケリーは『〈インターネット〉の次に来るもの』（The Inevitable）の中で、ひとつのAI生活を描き出した。知能はクラウド上で稼働し、水道や電気のようにいつでも必要なだけ使え、人々は毎日それに何百もの質問を投げかける、という姿だ。

10年後、クラウド知能はすでに製品の中に入り込み、同じモデルが画像を理解し、コードを書き、問題を分析できるようになった。ケリーは知能の供給形態を的確に見通していたが、単一モデルが担える能力の範囲を過小評価していた。taylor.town が本書から5組の予測を抜き出している。それらを読み返すことで、この10年の変化が鮮明に見えてくる。

検索はどのようにAI進化の入り口となったか？

ケリーは、2026年までにGoogleの主要な製品はAIになるだろうと予測した。この見立ては、共同創業者ラリー・ペイジとの会話に端を発している。2002年頃、ケリーはペイジに「ウェブ検索を無料で提供して、一体どのようなビジネスを作ろうとしているのか？」と尋ねた。ペイジは「私たちは実際にはAIを作っているのだ」と答えた。

ケリーはここから、検索とAIの関係を逆向きに捉え直した。検索はAIを利用するだけでなく、AIが学習するのを助けることもできる。ユーザーが「イースターバニー」と検索し、最もウサギらしい画像を選ぶと、「この画像はこの言葉により合致している」というフィードバックが残る。そうした選択の蓄積が、画像認識や検索結果の順位付けを改善するための手がかりとなった。彼の構想では、検索によって蓄積されるフィードバックはアルゴリズムや計算資源とともに成長し、最終的にAIがGoogleの主要製品になるとされていた。

今日、この2つはすでに融合している。GoogleはAIの能力を検索に組み込み、AI機能がさらに多くの検索クエリを生み出している。検索事業は依然として巨大だ。Alphabetの2026年第2四半期決算資料において、「Google検索およびその他」は売上の52.8%を占めている。

したがって、この予測はGoogleが知能をどのように発展させているかを理解するのに適している。検索は収益を上げる製品であると同時に、ユーザーの疑問に接してフィードバックを得る入り口でもあり、AIは次第に多様な製品を支える共通の基盤能力となっている。

知能は2〜3社に集中するのか？

ケリーは、絶えず拡大し続ける循環を思い描いていた。より多くの人がAIを使うことで、利用可能なフィードバックが増える。フィードバックが能力の向上を助け、向上した能力がさらに多くの人を引きつける。彼は、この循環に先に入った企業が急速に差を広げ、最終的に2〜3社の大規模な商用クラウド知能へと集まると考えた。

現在、知能産業はいくつかの階層に分かれている。基盤モデルが能力を提供し、クラウドプラットフォームがホスティングとアクセスを担い、アプリケーションがその能力を具体的な仕事に適用する。たとえば、Amazon Bedrockにより、開発者は同一のクラウドプラットフォーム上で異なる企業のモデルを呼び出し、それをもとに自社製品を構築できる。

このような構造により、2つの光景が同時に現れることが可能になっている。ユーザーの前には多くのアシスタントやツールが並ぶ一方で、基底にあるモデルの研究開発と計算資源は少数の大規模組織に依存している。知能が集中しているかどうかを見る鍵は、どの階層がリソースと流通チャネルを握っているかにある。

ケリーはまた、初期のインターネットが商業や科学を育んだように、知能が無料の公共資源になることを望んでいた。ここには利用を広げる2つの方法がある。無料サービスが利用の敷居を下げ、オープンなモデルの重みが開発者にライセンスに従って自分で導入できるようにする。前者はより多くの人々が手頃な価格で利用できるようにし、後者はより多くの人々に自分のシステムを改変し、管理する機会をもたらす。

AIはどのように製品へ溶け込み、オンデマンドで能力を提供するか？

ケリーが構想した日常的なAIは、AWSのようなクラウドサービスに似ている。製品の背後で動作し、普段はほとんど目に見えず、機能が停止したときに初めて存在に気づかされる。ユーザーはこの「知能の電力網」に接続することで、当面のタスクに必要な能力を手に入れることができる。

こうした形態は、すでに一般的になった。ソフトウェアはバックグラウンドでAIを使ってテキストの分類、項目の抽出、タスクの割り振りを行い、ユーザーは手元の仕事に集中するだけでよい。開発者はBedrockなどのマネージドサービスを通じてモデルを呼び出すことで、自前でモデルを展開する負担を省いている。

「必要な知能だけを取り出す」ことは、タスクに応じて能力を選択することも意味する。メールから氏名や日付を抽出するなら、まずは軽量なモデルを試すことができる。複数の資料を比較し、複雑な問題を分析するなら、より強力なモデルを選ぶ。モデル選定にあたっては、実際のタスクで結果が要件を満たしているかを確認し、その上でコストと応答速度のバランスをどう取るかを決める。

この予測の価値は、AIの見た目から供給形態へと関心を向けさせた点にある。知能は既存の製品に溶け込み、人々が作業を進める上で手軽に使える一部となり得るのである。

彼は単一モデルが担えることの多様さを過小評価していた

ケリーは同時に、今後10年間に人々が直接・間接に触れるAIの99%は、能力の非常に狭い専門家にとどまるだろうと予測していた。翻訳ツールは翻訳できるが他はできず、自動運転プログラムは運転できるが対話はできない、といった具合だ。

今日の変化は、それらのアプリケーションの背後で起きている。同一の基盤モデルが画像を読み取り、コードを書き、問題を分析できる。さらに専門資料やプロンプト、ツールを組み合わせることで、多様な具体的業務に対応できる。翻訳アシスタントとプログラミングアシスタントはそれぞれ異なる役割を持ちながらも、より幅広い能力を持つ1つのモデルを共有できる。

なぜこの路線が現れたのか。リッチ・サットンは『苦い教訓』（The Bitter Lesson）の中で、チェスなどの盤上ゲーム、音声、画像認識の研究を振り返っている。人間の専門的知見をルールとして記述することは、特定のタスクを迅速に改善できることが多い。一方、システムが探索と学習を通じてより多くの計算資源を活用できるようにすることは、計算量の増大とともに前進を続けることができる。後者のアプローチは、能力の拡張により大きな余地を残した。

2017年に発表された Transformer により、モデルの並列訓練が容易になった。Gemini 2.5 はそうした拡張の結果を示している。同一のモデル体系がテキスト、画像、音声、コードを処理し、推論やプログラム作成も行える。

ケリーは汎用的なクラウド知能を想定していたが、具体的なタスクは独立した専用プログラムが担うと考えていた。この10年で最も顕著な変化は、多様な能力がひとつの基盤に統合され、そこから異なるアプリケーションがそれぞれのタスクへと能力を適用している点にある。

知識検索から日常の疑問へ、AIにはまだ何が必要か？

ケリーが描いた質問応答サービスには3つの特徴があった。日常の言葉で尋ねられること、曖昧な問いには対話を通じて確認すること、そして答えがあるときは知識を解説し、まだわかっていない事柄を伝えることも次第に学んでいくことだ。

彼がより重視していたのは、質問にかかるコストが下がったあとの生活の変化である。ひとつの答えを得るコストがほぼ無視できるほど安くなれば、人々は毎日何百もの質問をするようになるかもしれない。しかもその大半は、自分自身や友人に関するものだ。「ジェニーはどこにいる？」「次のバスは何時に来る？」「このお菓子はどう？」

これらは小さな疑問だが、一日を通して現れる。検索は、たまに資料を調べることから、いつでも自分のためにひとつの事柄を確かめることへと変わった。

それらに応えるには、アシスタントは質問の種類に応じてどこに答えを探しに行くべきかを把握する必要がある。

• 「空はなぜ青いのか？」は、すでにある知識から解説できる。
• 「次のバスは何時に来る？」には、現在地となる停留所、路線、現在の運行データが必要になる。
• 「友人は今どこにいる？」には、相手が共有を許可した位置情報が必要になる。

同じ「このお菓子はどう？」という一言でも、味を聞いている場合もあれば、自分の食事上の条件に合っているかを尋ねている場合もある。まず確認してこそ、どんな資料を探し、どう答えるべきかがわかる。

自然言語での質問はすでに現実のものとなったが、回答には依然として事実誤認や幻覚（ハルシネーション）が生じる可能性がある。単に対話ができる状態から真に役立つ日常のアシスタントへと進むには、対話を具体的な情報源と結びつける必要がある。質問を確認し、関連情報を取得して答えを説明し、情報が不足しているときは何が欠けているのかを示すことだ。

10年後、何をより見極めるべきか？

ケリーは知能がどのように生活に入り込むかを正確に見抜いていた。クラウドを通じて供給され、製品の背後に隠れ、毎回の利用の敷居を下げるという点だ。彼が過小評価していたのは、能力がどのように組み合わさるかであった。単一のモデルが多様なタスクを担い、それが多くの専用アプリケーションを支えている。

これは製品づくりの出発点も変えた。開発者は既存のモデルから能力を得られるため、個別のタスク、関連資料、利用体験により多くの力を注ぐことができる。使う側にとって注目すべきは、いま自分が行っている作業において、その知能が適切な手助けを提供してくれるかどうかである。

原文の要点・翻訳要約

ケヴィン・ケリーの2016年AI予測、10年後に振り返る

taylor.town が『〈インターネット〉の次に来るもの』から5組の抜粋を選び、ケリーのAI構想を振り返った。以下はその要点をまとめた翻訳要約である。

一、 検索がAIの進歩を後押しする ケリーは、検索における問いかけと選択が知能の学習を助けると論じた。アルゴリズム、データ、計算資源の成長が続き、AIがGoogleの主要製品になるとした。

二、 クラウド知能の集中の可能性 より多くのユーザーがより優れた能力をもたらし、より優れた能力がさらに多くのユーザーを引きつける。初期の先行者が2〜3社の寡占を形成する可能性があるとした。同時に、安価で無料の知能が公共インターネットのように商業や科学を支えることを望んだ。

三、 知能がバックグラウンドサービスになる AIはAWSのように製品の背後で産業レベルの能力を提供し、ユーザーは必要に応じてそれを取り出して利用する。

四、 大半の仕事は専用プログラムが担う ケリーは、人々が接するAIの多くは翻訳や自動運転などの狭い専門家にとどまると見込んでいた。ブログ筆者は『苦い教訓』を手がかりにこの判断を再検討している。

五、 日常の言葉でいつでも尋ねる クラウドシステムは既存の答えを解説し、対話を通じて問いを確認し、次第に既知と未知を表現するようになる。回答コストが大幅に低下すれば、人々は自分や友人に関する日常の小さな疑問を毎日何百も尋ねるようになり、質問応答は一般的な生活サービスとなる。