8月8日、ai-updates.netが「AI Leaders Say the Singularity Has Already Begun」と題した記事を公開した。Sam AltmanやElon Musk、Demis HassabisらAI業界のトップが「シンギュラリティはすでに始まっている」と発言しており、その根拠と限界について詳しく紹介されている。

「シンギュラリティの中にいる」——Altmanの主張

OpenAI CEOのSam Altmanは、エッセイ「The Gentle Singularity」の中で、人類はすでに「イベントホライズン（事象の地平線：ここを超えると因果関係が逆転し、外部から内側の状態を観測できなくなる境界）を越えた」と記述した。続けてポッドキャスト「Relentless」への出演では、より直接的に「We are now, like, in the singularity（われわれはいま、シンギュラリティの中にいる）」と発言している。

なお「シンギュラリティ（技術的特異点）」とは、SF作家Vernor Vingeが1993年に提唱し、Ray Kurzweilが著書『The Singularity Is Near』（2005年）で広めた概念で、AIが人間の知能を超えた後に自律的な自己改善が加速し、人間には予測・制御不能な段階へ突入するという未来像を指す。

Altmanが描くシンギュラリティは、SFで描かれるような「ある朝突然、機械が意識を持つ」といった劇的な事象ではない。AIが段階的にソフトウェア開発や研究を支援し、それによって次世代のAIがより速く生まれ、そのAIがさらに研究を加速するという漸進的なフィードバックループとして捉えている。

Elon MuskもXで「We are in the Singularity」と投稿し、Altmanの見解に同意を示した。Google DeepMind CEOのDemis HassabisはGoogle I/O（2025年5月）で「われわれはシンギュラリティの麓（foothills）に立っている」と表現し、AIエージェント、ソフトウェアエンジニアリング、科学・数学の分野での変化を根拠として挙げた。

数字で見る「AIがAIを作る」現実

この議論を裏付ける最も具体的なデータを出しているのがAnthropicだ。2026年6月に公開したレポート「When AI Builds Itself」によると：

• 2026年5月時点で、Anthropicのコードベースにマージされたコードの80%以上がClaudeによって書かれている
• 典型的なエンジニアが1日にマージするコード量は、2024年比で約8倍に増加した（ただしAnthropicは、コード行数は実際の生産性向上を誇張する指標であると同レポート内で注記している）

なお、この「80%以上」という数字はAnthropicが「コードベースにマージされたコード」を集計したものだが、PR単位・行数・ファイル数のいずれを基準にしているかについて、元記事では明示されていない。数字のインパクトは大きいものの、集計粒度には留意が必要だ。

さらにAnthropicは、Claudeがある程度抽象的なエンジニアリング課題を与えられた場合に解法を自律的に決定できること、また明確に定義された研究実験においては熟練した人間の研究者と同等かそれ以上の成果を出せると報告している。

これは開発サイクルの構造的な変化を意味する。従来は「人間がAIを研究し、より良いAIを作る」という一方向だったが、今は人間とAIが共同で研究を行い、AIが自身の後継モデル開発に必要な作業の大部分を担い始めている。

現状の限界：「判断力」がボトルネック

Anthropic自身が重要な制約を指摘している。現在のAIは実験の実行能力は高いが、どの実験をやるべきかを決める判断力には大きな差があるという点だ。

優れた科学者が行うのは、コードを書いて実験を回すことだけではない。どの問題が重要かを見抜き、予想外の結果を認識し、既存の前提を問い直し、新しい研究の方向性を発明する——そうした目標設定の能力において、現在のモデルは依然として人間に大きく劣る。

この「ゴール設定の判断力」のギャップが、現状のAI開発支援と、AIが自律的に自身の後継を設計する段階を隔てる主要な障壁とされている。

批判的な見方

Amazon AlexaのCo-creatorでUnlikelyAI創業者のWilliam Tunstall-Pedoeは、こうした発言に懐疑的だ。彼は、真のシンギュラリティには「発見知性（discovery intelligence）」——独自に重要なアイデアを生み出し、その価値を判断する能力——が必要であると主張する。

Tunstall-Pedoeの論点をより具体的に言えば、現在の大規模言語モデルは学習データに存在するパターンの補間・外挿に長けているが、その学習分布を根本から逸脱した仮説——つまり、これまで誰も考えたことのない問いを立てる能力——を持っていないという点にある。膨大な仮説を生成できることと、その中からパラダイムシフトをもたらす発見を自ら選び取れることは、根本的に異なる能力だという論旨だ。現在のLLMが欠くのは後者であり、それこそが真の「発見知性」だとTunstall-Pedoeは主張する。

また別の研究者たちは、人間が目標を設定し、インフラを管理し、システムを停止できる限り、たとえ自律的な挙動が見られても「シンギュラリティ」とは呼べないとする、より厳密な定義を主張している。

「シンギュラリティ」の定義が変わりつつある

この論争の核心は、シンギュラリティという言葉の定義にある。古典的な定義は：

人間レベルのAI → 自律的な自己改善 → 知能爆発 → 超知能

一方、Altman・Hassabisらが示す解釈は：

AIが人間を支援 → 人間がより速くAIを作る → より良いAIが研究を加速 → そのプロセスの自動化割合が徐々に高まる

後者の解釈では、シンギュラリティは単一のイベントではなく、フィードバックループが加速していくプロセスとなる。Hassabisの「麓」という比喩も、Altmanの「穏やかなシンギュラリティ」も、この解釈と整合する。

フィードバックループはまだ閉じていない。しかし、もはや純粋に理論上の話でもない。

詳細はAI Leaders Say the Singularity Has Already Begunを参照していただきたい。