Sequoia Capitalによるハサビス氏へのインタビュー：「情報は宇宙の本質であり、AIは新たな科学分野を切り開く」
TechFlow厳選深潮セレクト
Sequoia Capitalによるハサビス氏へのインタビュー：「情報は宇宙の本質であり、AIは新たな科学分野を切り開く」
ノーベル賞受賞者であり、DeepMindのCEOであるデミス・ハサビス氏による最新のロングインタビュー：2030年までにAGI（汎用人工知能）を実現すると予測。AIが新薬の開発期間を数日に短縮する仕組みを明らかにし、宇宙の本質を解読する新たな科学体系の創出についても語る。
Web3業界の深掘り報道に専念し潮流を洞察原文整理：瓜哥 AI 新知
本稿内容整理自Demis Hassabis氏によるSequoia Capitalチャンネルのインタビュー（2026年4月29日公開）。
内容要約：Demis Hassabis氏によるRedpoint Capital主催「AI Ascent 2026」でのインタビュー
- AIとゲームの関係性：ゲームは人工知能にとって極めて優れた実験場である。AIをコアなゲームプレイ要素として組み込むことで、アルゴリズムの構想を効果的に検証できるだけでなく、技術開発の初期段階から必要な計算リソースを確保することも可能となる。
- 起業における「タイミング論」：起業は「時代より5年先を行くべきであり、50年先を行ってはならない」。技術的ブレイクスルーと現実の応用ニーズとのバランスを鋭く捉えることが重要であり、あまりにも先駆的すぎると、成功に至りにくい。
- AGI（汎用人工知能）の進化ロードマップ：DeepMindのミッションは明確かつ一貫している——第一に、汎用人工知能（AGI）の構築；第二に、そのAGIを活用して科学・医学を含むあらゆる複雑な課題を解決すること。
- 「AI for Science（科学へのAI活用）」の核心的価値：AIは生物学およびその他の複雑な自然システムを記述するための完璧な言語である。AIを用いたシミュレーションにより、新薬開発の期間は数年から数週間へと劇的に短縮され、真の意味でのパーソナライズド・メディシン（個別最適化医療）の実現が可能になる。
- 新たな科学分野の誕生：AIシステム自身の複雑性は、「メカニスティック・インタープリタビリティ（機構的解釈可能性）」といった新たな工学的科学分野を生み出す。同時に、AI駆動型シミュレーション技術によって、経済学などの複雑な社会システムに対して制御された実験が可能となり、まったく新しい科学分野が開拓される。
- 情報こそが宇宙の本質：物質・エネルギー・情報は相互に変換可能である。宇宙の本質は、巨大な情報処理システムである可能性があり、これはAIが宇宙の根本的な法則を理解する上で深い意義を持つ。
- チューリング機械の計算限界：ニューラルネットワークなどの現代AIシステムは、従来量子コンピューティングでしか解けないと考えられていた問題（例：タンパク質折り畳み）を、古典的チューリング機械で十分に模倣できることをすでに実証している。人間の脳もまた、ある種の高度に近似されたチューリング機械である可能性が高い。
- 意識に関する哲学的考察：意識は、自己認識・時間的連続性などの構成要素から成り立つかもしれない。AGIへの道程においては、まずそれを強力なツールとして位置づけ、そのツールを用いて「意識」という壮大な哲学的命題を探究していくべきである。
紹介文
Google DeepMind共同創設者兼CEOであり、AlphaFoldの開発で2024年ノーベル化学賞を受賞したDemis Hassabis氏が、Redpoint CapitalパートナーKonstantine Buhler氏とともに「AI Ascent 2026」サミットで、AGIへの道筋およびAGI以降の未来像について、広範かつ深遠な対話を展開した。
この対談では、Hassabis氏がなぜ2030年までにAGIの実現が可能だと確信しているのか、なぜ新薬開発の長大なサイクルが10年に及ぶものからわずか数日にまで圧縮される可能性があるのか、またなぜ宇宙の最も基本的・根源的な本質は「物質」や「エネルギー」ではなく「情報」であると考えるべきなのかという問いが語られた。さらに、もしアインシュタインが今も存命であれば、現在のAIモデルの限界についてどのような評価を下すだろうか、そして今後1～2年が人類の運命を左右する決定的時期となる理由についても議論された。
インタビュー全文
司会者：Demisさん、本日お越しいただき、誠にありがとうございます。
デミス・ハサビス：ここにお招きいただき、光栄です。皆様のお越しも嬉しく、こうしてお話できるのは本当に素晴らしいことです。
司会者：本日は、私たちのチョコレート工場へお迎えできて、非常に光栄です。
デミス・ハサビス：その話は初めて聞きました。ぜひ、あとでチョコレートを味わわせてください。
司会者：さっそくですが、Demisさん、本日のトークはいきなり本題に入ります。ここには、まさにAIのすべての領域において先駆的かつ原初的な存在である、純粋な思想家であり、起業家であり、ビジョナリーでもある人物をお迎えしています。Demisさんは、純粋な信仰者であり、また純粋な科学者でもあります。
Demisの原点と一貫した内面的軸
本日の対談は、DeepMind創設の初期の物語から始まり、その後、科学技術に関する深い考察へと移り、最後に観客からの質問タイムへと進みます。それでは、早速始めましょう。
Demisさん、あなたは国際チェスの神童であり、ゲーム会社の創業者であり、神経科学者でもあります。DeepMindの創設者であり、今日では規模も大きく、影響力も甚大な企業を率いる人物です。これらの多様な役割は一見無関係に思われますが、あなたはこれらすべてに通底する「内面的な一貫した軸」があると述べられています。その軸について、ぜひお聞かせください。
デミス・ハサビス：確かに、そうした一貫した軸があります。もちろん、これは多少の「事後的帰納（post hoc reasoning）」の要素も含んでいるかもしれません。しかし、私がAIの分野に取り組みたいという思いは、ずっと昔からありました。15歳、16歳の頃から、私はそれが自分にとって最も重要かつ最も興味深い仕事になると確信していました。そのため、その後選んだあらゆる学問分野、行ったあらゆる活動は、いずれかの時点でDeepMindのような会社を立ち上げるために、すべてがつながっていたのです。
ゲーム：人工知能の訓練場
私は当時、AIの研究資金を得るため、そして最先端技術に触れられる環境を求めて、一時的にゲーム業界へと進みました。1990年代には、AIのみならずグラフィックスレンダリングやハードウェア技術など、最先端の技術がすべてゲーム業界に集結していました。今日私たちが使用しているGPUも、もともとはグラフィックスエンジンのために設計されたものであり、私は1990年代末には既に初期のGPUを活用していました。私がBullfrog Productions（牛蛙プロダクションズ）や、後に自ら設立したElixir Studiosで開発したすべてのゲームは、AIをコアなゲームプレイメカニクスとして採用していました。
私が最も知られている作品は、17歳のときに開発した『テーマパーク（Theme Park）』です。これは遊園地を模倣するシミュレーションゲームで、何千人もの小さなキャラクターが公園へと押し寄せ、さまざまなアトラクションを楽しみ、ショップで何を買うかを自ら判断します。表面的には単なるゲームですが、その裏側には完全な経済AIモデルが動作しています。『シムシティ（SimCity）』と同様、このジャンルの先駆的作品でした。販売数が1,000万本を超えたこと、そして実際にプレイヤーがAIとやり取りする際にいかに楽しんでいるかを目撃したとき、私はAIに人生を捧げることを、さらに強く決意しました。
その後、私は神経科学の研究へと進み、脳の働きからヒントを得て、異なるアルゴリズムのアイデアを導き出そうとしました。DeepMindを創設する最適なタイミングが訪れたとき、これまでのすべての蓄積が自然に統合され、水到渠成の感覚がありました。当然ながら、私たちはその後、AIの構想を検証するための初期の訓練場として、ゲームを再び活用することになりました。
Elixir Studiosにおける起業体験
司会者：本日は、多くの起業家の方々がご参加されています。Demisさんは、単に一度だけ起業したわけではなく、二度の起業経験を持つ方です。そこで、最初の起業、つまりElixir Studiosについてお伺いしたいと思います。それはどんな経験だったのでしょうか？ この会社は、Demisさんが最も有名になった会社ではありませんが、それでも大きな成功を収めました。どのようにその会社を率いたのか、また「会社をどう作るか」という点で、どのような教訓を得られたのでしょうか？
デミス・ハサビス：大学卒業直後にElixir Studiosを設立しました。幸運にも、その前にはBullfrog Productionsで働かせていただきました。ゲームに詳しい方ならご存じでしょうが、当時のBullfrogは、英国、ひいてはヨーロッパでも最高レベルの伝説的なゲームスタジオでした。
当時、私はAIの境界を拡張するようなことをしたいと思っていました。実際、当時はゲーム開発という「迂回路」を通じてAI研究の資金を調達し、技術の最前線に挑戦し、それを究極の創造性と融合させていたのです。この考え方こそが、私たちが今行っている「ブルースカイ・リサーチ（自由な基礎研究）」にも、今なお適用されていると考えます。
私が最も深く学んだ教訓は、おそらく「時代より5年先を行くべきであり、50年先を行ってはならない」というものです。Elixir Studiosでは、『レパブリック（Republic）』という、国家全体を模倣するゲームを開発しようとしていました。その設定は、プレイヤーがさまざまな方法で独裁政権を打倒できるというもので、ゲーム内では、息づくリアルな都市を忠実に再現しようと試みていました。
しかし、それは1990年代末のこと。当時のパソコンはペントイウム（Pentium）プロセッサを搭載したものでした。そのような家庭用PC上で、100万人分のグラフィックスレンダリングとAIロジックを全て動作させる必要があったのです。これは明らかに野心的すぎ、やや空想的すぎたため、さまざまな問題を引き起こしました。
この教訓は、今でも肝に銘じています。「時代より先んじる」ことは大切ですが、50年も先んじてしまうと、ほぼ確実に失敗します。もちろん、誰もがそのアイデアに気づいているようになってから参入するのは遅すぎます。重要なのは、その微妙なバランスを見極めることなのです。
2009年のDeepMind創設
司会者：では、時代より先んじすぎないという点に戻り、2009年に話題を移しましょう。その頃、Demisさんは汎用人工知能（AGI）の実現を確信していたと聞きます。そのときは、たとえ50年先ではなくても、10年先を行く程度だったかもしれませんが、それでも十分に先進的でした。ここで、本日の起業家の皆様に向けて、2009年の状況についてお話ししてください。当初、どのような方法で、トップクラスの天才たちを説得したのでしょうか？ 実際に、非常に高い水準のスタッフと初期チームメンバーを召集されました。当時、AGIという概念はまるでSF小説のように聞こえたはずですが、彼らにどうやって信じさせたのですか？
デミス・ハサビス：当時、いくつか興味深い兆候を敏感に捉えていました。私たちは自分たちが時代より5年先を行っていると思っていたのですが、実際には10年先を行っていたかもしれません。ジェフ・ヒントン（Jeff Hinton）氏とその学術仲間たちが、ちょうどディープラーニング（Deep Learning）を発明したばかりの時期でした。しかし、その重大性に気づいた人はほとんどいませんでした。一方、私たちは強化学習（Reinforcement Learning）の分野で豊富な経験と知識を持っており、この二つの技術を組み合わせれば、画期的な進展が得られると考えていました。それ以前、この二つを組み合わせた試みは、ほとんど行われていませんでした。たとえあったとしても、学術界の「おもちゃ問題（toy problems）」に限定されており、AIの世界では、まったく別々の孤島のように扱われていました。
さらに、当時、計算リソース（Compute）の将来性も見えてきていました。GPUが大活躍する時代が来るだろうと予見していたのです。現在ではTPUを使っていますが、当時は、加速計算産業が巨大な推進力を与えるだろうと確信していました。また、私の博士課程およびポスドク研究の終盤には、計算神経科学者の仲間たちと協力し、脳のメカニズムから十分に価値ある思想や原理を抽出していました。その中には、強化学習がスケール（規模拡大）によって最終的にAGIへとつながるという、中心的な信念も含まれていました。
私たちは、これらの核となる要素がすべて揃ったと感じていました。まるで驚天動地の秘密を守る者であるかのような気分さえ抱いていました。なぜなら、学術界でも産業界でも、AIが何か大きなブレイクスルーを達成できると信じている人は、ほとんどいなかったからです。実際、AGIの研究、あるいは当時は「ストロングAI（Strong AI）」と呼ばれていたものを目指すと宣言した際、多くの学術関係者は、露骨に白眼視したものです。彼らにとっては、それはもう死に体の道だったのです。1990年代にすでに試みられて、壁にぶち当たっていたからです。
私はMITでポスドク研究をしていましたが、そこはエキスパートシステム（Expert Systems）や一階述語論理言語システム（First-order Logic Language Systems）の中心地でした。今となっては信じられないことですが、当時の私は、すでにその手法は古くさく、陳腐なものだと感じていました。しかし、英国のケンブリッジ大学やMITのような伝統的なAI研究のメッカでは、依然としてその古い手法が使われ続けていたのです。逆に、それが私たちの方向性が正しかったという確信をさらに強めてくれました。少なくとも、私たちが失敗したとしても、それは新しい形で倒れるはずであり、1990年代のAGI研究の失敗と同じ轍を踏むことはないだろうと思ったのです。だからこそ、とにかく試す価値があると感じました。たとえ前途未定の研究であっても、失敗したとしても、少なくともその失敗はオリジナリティに満ちているだろうと思ったのです。
DeepMindのミッションとAGIへの賭け
司会者：初期の信念に対して、何か一般的な抵抗に直面したことはありましたか？ また、初期の追随者を引き入れるために、自分自身や彼らに対して何かを証明する必要がありましたか？
デミス・ハサビス：どんな状況にあっても、私は生涯をAIに捧げるつもりでした。実際、その発展は、私たちが最も楽観的に予測していたよりもはるかに速かったのです。とはいえ、それは2010年の予測範囲内に収まっており——当時、これは20年かけて完成するプロジェクトだと考えていました——私たちの進捗は、予測通りだったと言えます。そして、私たちがその進捗に確実に貢献したことも明らかです。
仮に状況が異なっていたとしても、AIが今でもマイナーな学問分野であったとしても、私はこの道を選び続けたでしょう。なぜなら、それが人類史上で最も重要かつ最も魅力的な技術だと、心から信じているからです。私の目標は明確で、DeepMindの創設時のミッション声明は以下の通りです：第一に、知能を解明し、汎用人工知能（AGI）を構築すること。第二に、そのAGIを用いて、その他すべての問題を解決すること。私は常に、これが人類が発明しうる中で、最も重要かつ最も魅惑的な技術だと考えています。
それは、科学探求のためのツールであると同時に、それ自体が魅惑的な造形物でもあり、また、意識・夢・創造性といった人間の心の本質を理解するための、最も優れた手段の一つでもあります。神経科学者として、これまでこうした問いを考える際に、AIのような分析ツールが欠けていたと常々感じていました。AIは、比較実験を行うための対照機構を提供してくれます。これにより、二つの異なるシステムを深く研究・比較することが可能になります。
「AI for Science（科学へのAI活用）」の文化
司会者：異なるシステムを比較することについて、次に「AI for Science（科学へのAI活用）」についてお聞きします。Demisさんは、この分野に早くから関わり、熱烈な信奉者であり、純粋な理想主義者でもあります。これは、DeepMindの核となるミッションです。DeepMindを創設した際に築いたモデルや文化は、どのようにして「AI for Science」の最前線に立ち続けられるように支えているのでしょうか？
デミス・ハサビス：まさにそれが私たちの究極の目標です。私個人にとって、最も根本的なモチベーションは、科学・医学・世界に対する理解を推進するためにAIを構築することです。これは、いわば「メタ的手法（Meta Way）」による使命の遂行です。まず究極のツールを構築し、それが成熟したら、それを用いて科学的ブレイクスルーを実現するのです。すでにAlphaFoldのような成果を挙げており、今後もさらに多くの成果が生まれると確信しています。
DeepMindは、この目標を常に最優先事項としています。実際、プッシュミート・コリ（Pushmeet Kohli）氏が率いる「AI for Science」部門は、設立からすでに約10年が経過しています。ソウルでAlphaGoの対局を終えて帰国した直後、即座にこの取り組みを開始しました。正確に言えば、ちょうど10年です。
私は長い間、アルゴリズムが十分に強力になり、アイデアが十分に普遍的になるのを待っていました。私にとって、囲碁の攻略は歴史的な転換点でした。その瞬間、我々は「今こそ、これらのアイデアを現実世界の重要な課題に適用する時が来た」と実感したのです。まずは、このような重大的な科学的課題から着手すべきだと考えました。
私たちは、AIの最も有益な帰着はこれだと、常に確信しています。病気を治し、健康寿命を延ばし、医療を支援することよりも、より美しい使い道があるでしょうか？ それに続くのは、材料科学、環境、エネルギーといった重要な分野です。AIが、今後数年以内にこれらの分野で飛躍的な成果をあげると、私は確信しています。
生物学におけるブレイクスルーとIsomorphic Labs
司会者：AIは、生物学分野でどのようにブレイクスルーを達成したのでしょうか？ DemisさんはIsomorphic Labsの活動に深く関与しており、これはあなたの情熱が注がれている分野です。そもそも、AIが病気を治療する可能性を、あなたは当初から確信していました。生物学分野において、言語やプログラミング分野のような「ハイライト・モーメント（高光時）」を迎えるのは、いつ頃でしょうか？
デミス・ハサビス：私は、AlphaFoldの登場が、まさに生物学の「ハイライト・モーメント」だったと確信しています。タンパク質の折り畳みとその三次元構造は、50年にわたる科学的難問でした。薬剤設計や生命の基本的な暗号を解読するには、この難問の解決が不可欠です。もちろん、これは薬剤発見プロセスの一環に過ぎませんが、極めて重要な一環です。
私たちが最近分離した会社、Isomorphic Labs（私もこの会社の経営に非常に情熱を注いでいます）は、生化学および化学分野における基盤技術の構築を目指しています。これらの技術は、特定のタンパク質部位に完全に適合する化合物を自動的に設計します。タンパク質の形状とその表面構造を既に把握している以上、標的は明確に特定されています。次に必要なのは、その標的と強く結合する化合物を製造することです。理想的には、脱標的反応（off-target reactions）による毒性を一切回避できるようにする必要があります。
私たちの究極の夢は、現在の薬剤発見プロセスの99％を占める探索作業を、すべてコンピューターシミュレーション（In Silico）で完了させ、実験室での実験（Wet Lab）は最終的な検証のみに留めることです。これが実現できれば——私は、今後数年以内に必ず実現すると確信しています——平均10年かかる薬剤発見サイクルを、数か月、数週間、さらには数日にまで短縮できます。
私は、この臨界点を越えたとき、あらゆる疾患の克服が現実のものとなると確信しています。パーソナライズド・メディシン（患者一人ひとりに最適化された薬剤の変異体）といった概念も、実現可能になるでしょう。今後数年で、医療および薬剤開発の地図は、根本的に書き換えられると考えています。
シミュレーターが育む新たな科学
司会者：とても素晴らしかったです。あなたは何度も「AI for Science（科学へのAI活用）」について言及しました。将来的に、AIが全く新しい科学体系を生み出すとお考えですか？ ちょうど産業革命が熱力学を生み出したように、教育システムに本質的に新しい学問分野が登場するのでしょうか？ もし登場するなら、それはどのような姿をしているのでしょうか？
デミス・ハサビス：この点に関して、以下のようなことが起こると考えています。
まず第一に、AIシステムそのものに対する理解と解析は、やがて一つの完全な学問分野——一種の工学的科学（Engineering Science）へと発展します。私たちが構築しているこれらの造形物は、極めて魅力的であり、同時に極めて複雑です。最終的には、その複雑さは人間の心や脳と比肩するでしょう。したがって、それらのシステムがどのように機能するのかを徹底的に解明するために、深く研究する必要があります。これは、今日の私たちの認知水準では到底及びません。私は、新しい学問分野が必ずや出現すると確信しています。メカニスティック・インタープリタビリティ（Mechanistic Interpretability）は、その氷山の一角に過ぎません。これらのシステムの解析には、まだ広大な探求の余地があります。
第二に、AIそのものが、全く新しい科学の扉を開くと信じています。特に私がワクワクしているのは、「AI for Simulations（シミュレーションへのAI活用）」です。私はシミュレーションに魅了されています。私がこれまでに書いたすべてのゲームは、単にAIを含むだけでなく、その本質がシミュレーターであるという点でも共通しています。私は、シミュレーターこそが、経済学などの社会科学や人文科学の難問を解くための究極の道であると考えています。
これらの学問分野が難しいのは、生物学と同様、出現系（Emergent Systems）であり、再現可能な制御実験を行うことが極めて困難である点です。例えば、金利を0.5％引き上げるという実験をしたい場合、現実世界で実際に実行して結果を観察するしかないのです。いくら理論を立てても、これを数千回、数万回と繰り返すことはできません。しかし、もし私たちがこうした複雑なシステムを正確にシミュレートできるようになったなら、高度に正確なシミュレーターを用いた厳密なサンプリングと推論によって、新しい科学が成立するかもしれません。私は、これにより、現在不確実性が極めて高い分野において、より優れた意思決定ができるようになると確信しています。
司会者：こうした極めて正確なシミュレーションを実現するには、どのような条件が必要なのでしょうか？ たとえば、ワールドモデル（World Models）を構築するには、どのような科学的・工学的ブレイクスルーが必要なのでしょうか？
デミス・ハサビス：この問題については、長らく深く考え続けてきました。私たちの研究では、学習型シミュレーター（Learning Simulators）を多用しています。これは、数学的な原理が十分に理解されていない、あるいはシステムが極めて複雑である分野で活用されます。特定の状況に直接対応するシミュレーションプログラムを単にコーディングするだけでは、精度が足りず、すべての変数を網羅できないからです。
私たちは、天気予報の分野でこのアプローチを既に実践しています。世界で最も正確な天気シミュレーター「WeatherNext」を運用しており、その動作速度は、気象学者が現在使用しているツールを遥かに上回ります。すべてを解明できるかどうか、あるいはそれが良いことかどうかは分かりませんが、第一歩は、こうした複雑なシステムをよりよく理解することです。
生物学の分野でも、いわゆる「バーチャル・セル（Virtual Cell）」——極めて動的で出現的なシステム——の研究を進めています。数学が物理学の完璧な記述言語であるのと同様に、機械学習は生物学の完璧な記述言語になるでしょう。生物学および多くの自然システムには、微弱な信号、弱い相関性、膨大なデータが溢れていますが、これらは人間の脳の分析能力をはるかに超えています。しかし、こうした膨大なデータの中には、確かに内在的な関係性、相関性、そして示唆に富んだ因果関係が存在しています。
機械学習は、こうしたシステムを記述するための完璧なツールです。今日に至るまで、数学はこれを実現できていません。その理由は、システムが複雑すぎて、一流の数学者でも扱えないか、あるいは数学の表現力が、こうした高度に出現的な動的システムを理解するには不十分であるためです——その一部は、システムが極めて混沌としており、確率的（Stochastic Nature）であるためです。
最終的に、こうしたシミュレーターを掌握できたとき、新たな科学分野が派生するかもしれません。これらの暗黙的または直感的なシミュレーターから、明示的な方程式（Explicit Equations）を抽出することも可能になるでしょう。シミュレーターを自由に無限回サンプリングできるならば、マクスウェル方程式群のような基礎的な科学法則を発見できる日が来るかもしれません。
もしかしたら、そうなるかもしれません。こうした出現系にそうした法則が存在するかどうかは分かりませんが、もし存在するなら、私たちがこの方法でそれらを発見できない理由は、どこにも見当たりません。
司会者：それは非常に素晴らしいことですね。あなたは、宇宙のすべての基本構成要素（Building Block）が、情報に類似しているという理論についても言及されていました。これは、さらに理論的なレベルの話です。あなたはこの点をどのようにお考えですか？ また、これは従来の古典的チューリング計算機に対して、どのような意味を持つのでしょうか？
デミス・ハサビス：もちろん、有名なE=mc²やアインシュタインのすべての研究成果を引用すれば、エネルギーと物質が本質的に等価であることが示されます。しかし、私は、情報もまた、ある種の等価性を持つと考えています。物質や構造の組織化の仕方——特にエントロピー増大に抗う（Resisting Entropy）ような生物のようなシステム——を、本質的に情報処理システムと見なすことができます。したがって、この三者は相互に変換可能であると考えます。
しかし、私は、情報こそが最も基本的なものであると感じています。これは、20世紀20年代の古典的物理学者の見解とは正反対です。当時は、エネルギーと物質が第一義的であると考えられていました。私はむしろ、宇宙をまず情報から成り立つものと見なす方が、この世界を理解するのに優れたアプローチであると考えています。
もし本当にそうだとすれば——私は、これには多くの証拠が存在すると考えています——AIの意義は、私たちが想像するよりもさらに深遠なものになります。AIはすでに、その意義が極めて大きいのですが、それは、情報の組織化・理解・情報的対象（Informational Objects）の構築をその核とするからです。
私にとって、AIの核は情報処理です。もし情報処理を、世界を理解するための第一義的な方法とみなすならば、一見まったく異なるこれらの分野の間に、実は極めて深い内的な関係性が存在することが分かるでしょう。
司会者：それでは、古典的チューリング機械は、すべてを計算可能なのでしょうか？
デミス・ハサビス：時折、自分の仕事を振り返り、「チューリングの擁護者」として自認することがあります。なぜなら、アラン・チューリング（Alan Turing）は、私が生涯で最も敬愛する科学的英雄の一人だからです。彼の業績は、コンピュータおよびコンピュータ科学の基礎を築いただけでなく、AIの基盤も築いたと信じています。チューリング機械の理論は、史上最も深遠な成果の一つです。すなわち、計算可能なものはすべて、比較的単純な記述で表せる一台の機械によって計算可能であるということです。したがって、私は、人間の脳もまた、ある種の近似チューリング機械（Approximate Turing Machines）である可能性が高いと考えています。
チューリング機械と量子系との関係を考察することは、非常に興味深いものです。しかし、私たちがAlphaGo、特にAlphaFoldなどのシステムを通して示したのは、現代的なニューラルネットワークという外装をまとった古典的チューリング機械が、従来量子力学でなければ解けないと考えられていた問題をモデル化できることです。例えば、タンパク質の折り畳みは、ある意味で極めて微細な粒子を含む量子系であり、水素結合（Hydrogen Bonds）のすべての量子効果やその他の複雑な相互作用を考慮しなければならないと考えられていました。
しかし実際には、古典的システムを用いて、近似的に最適な解を得ることが可能であることが証明されました。したがって、私たちは、これまで量子系でなければシミュレートまたは実行できないと考えられていた多くの事象が、適切な手法を用いれば、古典的システム上でもモデル化可能であることに気づくかもしれません。
Consciousness Philosophy（意識哲学）
司会者：あなたは、AIを過去数世紀にわたって使われてきた望遠鏡・顕微鏡・アストロラーベ（星盤）と同様の「ツール」として一貫して位置づけてこられました。しかし、あらゆるものを模倣できる機械——例えば、あなたがおっしゃったように、量子系までも模倣できる機械——に直面したとき、それはツールという枠組みを超えてしまうのでしょうか？ その日は本当に訪れるのでしょうか？
デミス・ハサビス：AGI（汎用人工知能）の構築という使命と旅路において、私たち同士——そして、ここにいる多くの方々も——最も良い方法は、まず極めて知的で実用的かつ正確なツールを構築し、その後、次のステップへと進むことだと、非常に強く感じています。このツール自体の意義は、すでに極めて深遠です。もちろん、このツールはますます自律的になり、エージェント的特徴を帯びていくでしょう。それが、まさに今私たちが目撃している現象です。私たちは、まさに「エージェント時代（Agent Era）」の波の真っ只中にいます。
しかし、さらに一歩踏み込んだ問いかけがあります。「能動性（Agency）」はあるのか？ 「意識」はあるのか？ これらは、私たちが避けられない問いです。しかし、私は、これを第二のステップとし、第一のステップで構築したツールを用いて、これらの深遠な問いを探究するよう提案します。
理想としては、このプロセスを通じて、私たち自身の脳や思考をより深く理解し、今日よりも正確に「意識」といった概念を定義できるようになるでしょう。
司会者：意識の将来の定義について、あなたはどのような大方針をお持ちですか？
デミス・ハサビス：何もないと言っていいでしょう。何千年にもわたって哲学者たちが議論してきた内容以上のものは、私にはほとんどありません。ただし、私にとって明確なのは、いくつかの構成要素が明らかに不可欠であるということです。それらは必要条件ではあるが、十分条件ではないかもしれません。自己認識、自己と他者という概念、そして時間的な連続性といった要素は、意識を持っているように見える実体にとって、明らかに必須です。
しかし、完全な定義が一体何であるかは、依然として未解決の問い（Open Question）です。私は多くの偉大な哲学者とこの点について議論してきました。数年前、残念ながら亡くなられたダニエル・デネット（Daniel Dennett）氏とも、このトピックについて深く話し合いました。その核心的な問いの一つは、システムの振る舞いです。すなわち、それは意識を持つシステムのように振る舞うのか？ あるAIシステムがAGIに近づけば、最終的にはそのように振る舞うようになるだろうと、私たちは考えることができます。
しかし、その結果として生じる問いは、「なぜ私たちは互いに意識を持っていると信じるのか？」です。その理由の一つは、私たちの行動様式であり、意識を持つ生命体のように振る舞っているからです。しかし、もう一つの要因は、私たちが同じ基盤（Substrate）の上で動作しているという点です。
したがって、この二つの条件が満たされるならば、「あなたと私の体験は同一である」と仮定するのが、論理的に最も簡潔（Parsimonious）であり、それが故に、普段は互いに意識があるかどうかを議論しないのです。しかし、明らかに、人工システムにおいては、この基盤の同等性（Substrate Equivalence）を実現することは永遠に不可能です。したがって、この隔たりを完全に埋めることは極めて困難であると私は考えます。行為のレベル（Behaviorally）からは検討できますが、体験のレベル（Experientially）ではどうでしょうか？ AGIの実現後には、この問題に対処する方法がいくつかあるかもしれませんが、それは今日の議論の範囲を超え、たとえ「AIと科学」の文脈においても、本日のテーマから逸脱してしまうでしょう。
司会者：とても素晴らしいお話しでした。すぐに観客からの質問タイムに移りますので、皆様、質問をご準備ください。あなたは先ほど、哲学者、特にカント（Kant）とスピノザ（Spinoza）を、あなたが最も好きな二人の哲学者として挙げられました。カントは典型的な義務論（Deontological）哲学者であり、責任の概念を極めて重視します。一方、スピノザは、ほぼ宿命論的（Deterministic）な宇宙観を持っています。あなたは、この二つのまったく異なる理念をどのように結びつけているのでしょうか？ また、あなたが世界の働き方について持っている根本的な認識は、どのようなものなのでしょうか？
デミス・ハサビス：私がこの二人の哲学者を好んでおり、彼らに強い印象を受けているのは、カントが提唱したある主張——私が神経科学の博士課程で学んでいたときに深く共感した主張——「心は現実を創り出す（The mind creates reality）」にあります。私は、この主張は基本的に正しいと考えています。これは、心と脳の働きを研究するもう一つの絶好の理由でもあります。最終的に私が探求しているのは現実の本質なのですから、まず、心が現実をどのように解釈するのかを理解しなければなりません。これが、私がカントから受けた啓発です。
一方、スピノザは、より精神的な次元に関係しています。もし科学を宇宙を理解するためのツールとして用いるならば、すでに宇宙の働き方の背後にある深遠な謎に触れていることになります。
これが、私が現在の事業について抱いている感覚です。私が科学研究に没頭し、AIを深く掘り下げ、こうしたツールを構築するとき、私はある種の方法で、宇宙の言語を読み取っていると感じています。
司会者：とても美しいですね。これは、あなたの日常業務に対する最も美しい解釈です：デミス（Demis）さん、あなたは科学者・演説家・哲学者という三つの顔を持ち合わせています。最後に、いくつかの早口質問（Quick-fire Questions）をさせてください。彼は、これらの質問を事前に見たことは一切ありません。汎用人工知能（AGI）の実現年を予測してください。予想より早いのか、遅いのか？ あるいは、回答を拒否しても構いません。
デミス・ハサビス：私は2030年と予測します。この予測については、一貫して揺るぎません。
司会者：わかりました、2030年です。では、汎用人工知能（AGI）が実現したとき、必読の書籍・詩・論文を教えてください。
デミス・ハサビス：AGI実現後の世界について、私が最も好きな本は、デイヴィッド・ドイッチュ（David Deutsch）氏の『The Fabric of Reality（現実の構造）』です。この本の思想は、今でも十分に有効であると考えます。私は、AGIを用いてこの本が提起する深い問いに答えたいと思っています。それが、AGI時代における私の次の仕事の重点になるでしょう。
司会者：素晴らしいですね。これまでのDeepMindにおける、あなたが最も誇りに思う瞬間は何ですか？
デミス・ハサビス：私たちは、多くの頂点の瞬間を幸運にも経験してきました。その中でも、最も誇りに思うのは、AlphaFoldの誕生です。
司会者：わかりました。最後に、いくつかのゲームに関する質問です。あなたが『シヴィライゼーション（Civ）』や『ポリトピア（Polytopia）』のような、リスクの高いターン制戦略ゲームに参加していて、歴史上の科学者を一人、チームメイトとして選べるとしたら——アインシュタイン（Einstein）、チューリング（Turing）、ニュートン（Newton）など——誰を選ぶでしょうか？
デミス・ハサビス：私は、フォン・ノイマン（von Neumann）を選ぶと思います。なぜなら、このような状況では、ゲーム理論（Game Theory）の専門家が必要であり、彼こそが最も優れた人物だと考えるからです。
司会者：それは間違いなく、神級のチームメイトですね。デミス（Demis）さん、あなたは本当に万能な人物です。本日は、本当にありがとうございました。皆様、一緒にデミス（Demis）さんの素晴らしいお話しに、拍手をお送りください。本当にありがとうございました。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
