Demis HassabisとSergey BrinのAGI対談｜2030年よりconsistencyの定義

「2030年前後」というAGIの到達年を、私は検証する手段を持っていません。当たったかどうかを確かめる立場に、AI導入を事業にする経営者としての私はいないからです。だとすれば、Demis HassabisとSergey Brinがこの対談で残した発言のうち、実際に賭けてよい情報はどれでしょうか。

以前、Dario Amodeiの10本の対談を時系列に並べる記事で、私はひとつの読み方を使いました。約2年半、性格の異なる聴衆に向けて語られた発言のうち、一度も撤回されていない主張を「不変項」、発言時点でしか正しくない数字を「日付付き事実」と呼んで分けるやり方です。今回はこの対談1本に、同じ方法を当てはめます。ただし10本と1本では重みが違います。1本だけでは「一度も撤回されていない」とは言い切れないため、ここでは「不変項候補」と呼び、対談の外側にある材料と突き合わせて確からしさを補強します。

この立場は、Amodeiの記事で書いた自分自身の経歴とも地続きです。私は2023年10月にAI企業を創業し、AI導入を事業にしている経営者です。その記事でも、AGIの到達日や雇用消滅の割合のように、当たるかどうかを検証する手段のない数字には賭けないと書きました。今回この対談を読み直す理由も同じだと考えています。2030年前後という年号そのものより、Hassabisが置いたconsistencyの定義のほうが、社内でAI導入を判断する材料になるとみています。社内でAIの導入可否を判断するときも、最初に見るべきはデモの正答率ではなく崩れ方、つまり専門家がどこまで触れば穴が見つかるかのほうだと考えています。

前提：不変項候補と日付付き事実

この記事でも、Amodeiの記事と同じ2つの言葉を、同じ意味で使います。

日付付き事実とは、発言した時点でしか正しくない情報です。この対談では、2030年前後という到達年、SynthIDの適用範囲がこれにあたります。

不変項候補とは、聴衆や時点が変わっても撤回されていない主張です。この対談では、Hassabisが置いたconsistencyの定義、そしてHassabisとBrinの両方が繰り返す「まだ数段のブレークスルーが要る」という前提がこれにあたります。ただし対象は1本の対談だけなので、10本を並べたAmodeiの記事のように時系列で撤回の有無を確認できる材料が少ない。だから断定はせず、候補と呼びます。

対談で出た論点を先に仕分けると、次のようになります。

論点	分類	この記事での扱い
2030年前後という到達年（Brinはbefore 2030、Hassabisはjust after 2030）	日付付き事実	次節で従属情報として1段落だけ扱う
consistencyの定義（専門家チームが穴を見つけるのに数ヶ月かかる）	不変項候補	次節で導入評価の軸に翻訳する
追加のブレークスルーが必要という前提（両者共通）	不変項候補	次節でconsistencyの定義とあわせて扱う
SynthIDの適用範囲・coverage	日付付き事実	公式ドキュメントへの確認に委ねる
Google製品（Gemini等）の勝敗、Google Glassの当否	判断しない	この記事では評価しない

続く3つの節は、この仕分けに沿って書きます。

崩れにくさ：consistencyを導入評価の軸に変換する

Hassabisが置いていた基準は、単に多くの問題を解けることではありませんでした。

"For something to be called AGI, it would need to be consistent, much more consistent across the board than it is today. It should take like a couple of months for a team of experts to find a hole in it."

この基準を、そのまま社内のAI評価に使える形に言い換えると、崩れにくさという軸になります。専門家チームがそのAIの穴を見つけるまでに、どれくらいの時間がかかるか。専門家が触って数分で崩れるようでは足りない、というのがHassabisの置いている水準です。Hassabisが置いた基準は、それが数ヶ月かかる状態です。

私はこの定義のほうが、AGIの到達年よりも実務に近いと見ています。社内導入の評価で最初に見るべきは、デモの正答率ではなく崩れにくさ、つまりどこまで触っても穴が見つからないか、見つかった穴がどれだけ深いかのほうです。

到達年の話は、この基準を置いたうえでの従属情報として読むべきです。直接の問いに対して、Brinはbefore 2030、Hassabisはjust after 2030と答えていました。年号は2人で少し違いますが、重要なのは両者とも「まだ数段のブレークスルーが要る」という前提を崩していない点です。年号そのものより、この前提のほうが不変項候補です。

reasoningに時間を割く設計：Deep ThinkとAlphaGoの600 ELO

技術論点の中心はDeep Thinkでした。高価値の問いに対して、AIにより長いreasoningの時間を与えるという発想だと捉えると理解しやすくなります。

Hassabisは AlphaGo の例を使い、thinkingを切った版と入れた版で600 ELO以上の差が出たと説明しました。thinkingなしはmaster levelに近く、thinkingありはworld championを超える、という差です。

この差を囲碁の特殊事情として片づけるのはもったいないと思います。私はこれを、即答型より長考型が向く業務を見分ける材料として読んでいます。調査、設計、承認前レビューのように、高単価で後戻りのコストが大きい業務ほど、reasoningに時間を割く設計に振ったほうがいい、というのが私の見立てです（test-time computeを事業判断に翻訳した整理は、Sequoia AI Ascent 2026の基調講演を読んだ記事でも扱っています）。

この技術選択の背景には、scalingとalgorithmという2つの軸があります。Hassabisは追加のブレークスルーが要ると話し、Brinは天体シミュレーションのような例を引きながら、algorithmの工夫が大きく効く場面を挙げていました。計算資源を増やせばfrontierは押し広げられますが、同じ資源でできることを増やすのはalgorithmの側です。

対談の別の場面では、Brinはこうも述べています。

"computer scientist should not be retired right now"

AIを単なる新機能の追加ではなく、まだ人間側の工夫が要る技術転換の途中として見ている温度感が、ここに出ています。

画面の外の論点：physical context、Glass、SynthIDは日付付き事実の領域

対談の後半には、ここまでの不変項候補ほど確度の高くない論点も出てきます。

assistantが日常で役立つには、ユーザーの身の回りの物理的な状況を理解する必要がある、という話です。

"We want it to be useful in your everyday life for everything. And so it needs to come around with you and understand your physical context."

Hassabisは、Geminiを最初からmultimodalとして組み立てた理由も、この身の回りの状況を扱うためだと結びつけていました。smart glassesやcameraが例に挙がるのはここです。Sergey BrinはGoogle Glassを振り返り、当時はAI側の能力が弱く体験を支えきれなかったこと、consumer hardwareのsupply chainがsoftwareとは別の難しさを持つこと、partnerと組む設計が要ることを、率直に認めていました。

これらをどう評価するかは、この記事では判断しません。どの製品が勝つか、Glassの当否そのものは、私が検証できる範囲の外にあるからです。

対談の終盤ではSynthIDも話題になります。Hassabisの説明では、生成モデルにinvisible watermarkを付け、AI生成物を見分けやすくする狙いがありました。

"All of our generative models, we attach SynthID to them. So there's this invisible AI-generated watermark."

ここで大事なのは、AI生成物をどう識別するか、学習データへ再流入する生成物をどう扱うか、誤情報やディープフェイクの検知と配布面の責任をどうつなぐかという設計思想のほうで、coverageやdeploymentの数字そのものではありません。数字は発言時点のものなので、実務で使う前には公式ドキュメントで確認してください。

再ソート：賭けてよいもの、スナップショット、判断しないもの

ここまでの論点を、実際に賭けてよいかどうかで並べ直すと、次のようになります。

賭けてよい不変項候補

consistencyの定義（専門家チームが穴を見つけるのに数ヶ月かかる基準）
まだ数段のブレークスルーが要るという、Hassabis・Brin共通の前提
reasoningに計算時間を割くほど難問に強くなるという設計思想
assistantをchat UIに閉じず、身の回りの状況へ広げるという設計思想
AI生成物に識別可能な仕組みをつけるべきだという発想

スナップショットとして扱う日付付き事実

2030年前後という到達年（Brin: before 2030 / Hassabis: just after 2030）
AlphaGoのthinkingあり・なしで600 ELO差という具体的な数値
SynthIDのcoverage・適用範囲

判断しない

Google製品（Gemini等）がどのモデルに勝つかという競争論
Google Glassの商業的な成否そのもの
シミュレーション仮説を巡るHassabisとBrinの世界観の違い（Hassabisのツイートをきっかけに出た余談）

結び：定義は撤回されていない

この対談は2025年に収録されたものです。その後、HassabisはSequoia AI Ascent 2026のキーノートで同じ主題を語り直しています。「AGIまで4分の3まで来た」という発言です（Demis Hassabisが語る「AGIまでは4分の3」を読むで扱っています）。年号や到達率という表現そのものは変わっていますが、そこで語られる「残る25%」の中身、つまり推論・計画・記憶・信頼性の統合の難しさは、この対談でconsistencyの基準として置いていたものと同じ方向を向いています。まだ数分で穴が見つかる、まだ崩れる、という認識自体は撤回されていません。

私自身の次の判断は、この崩れにくさという軸を、自社のAI導入評価にどこまで組み込むかです。

具体的には、この対談でHassabisが挙げたAlphaGoの600 ELO差を、囲碁という一領域だけの話として片づけるつもりはありません。Sequoiaの基調講演を読んだ記事で整理したtest-time computeの論点、reasoningが強くなるほどAIは検索エンジンやチャットボットではなく作業者に近づくという整理と重ねると、方向は共通していると考えています。reasoningに計算時間を割くほど、探索の深さと信頼性が上がる領域があるという方向です。私はこれを、業務すべてに一律の設計を当てるのではなく、高単価で後戻りのコストが大きい業務、たとえば調査、設計、承認前レビューほどreasoningに計算時間を割く設計に寄せ、頻度が高く後戻りの利く定型業務は即答型のままにするという、境界を引いた方針として自社のAI導入評価に反映させていくべきだと考えています。

AGIの到達年が2030年より前に来るか後に来るかは、私には検証できません。ただ、専門家チームが穴を見つけるのに数ヶ月かかるという基準は、年号が動いても動かない読み方として、今日から使えると考えています。

Dario Amodeiの発言を時系列で読む：2023〜2026年、10の対談で変わらないもの：不変項と日付付き事実という読み方の初出です。この記事はその方法を1本の対談に当てはめています。
Demis Hassabisが語る「AGIまでは4分の3」を読む：同じHassabisの、より新しい発言を扱った記事です。年号や到達率の表現は変わっても、consistencyの基準そのものは撤回されていないことを確かめる材料として読めます。
Sequoia AI Ascent 2026『This is AGI』を読む：Deep Think節の背景にあるreasoning・test-time computeを事業判断に翻訳した記事です。この記事は、どの業務に長考を振るかという判断軸を加えています。

参考リソース

この記事の著者

中村知良

代表取締役

早稲田大学卒業後、ソフトバンク株式会社にてAI活用やCEO直下案件のプロジェクトマネージャーに従事。その後、不動産スタートアップPit in株式会社の創業、他スタートアップでの業務改善・データ活用を経験後、2023年10月、株式会社ネクサフローを創業し代表取締役CEO就任。