AI分野における「羽ばたく飛行機」：「我々は、従来の枠組みとは根本的に異なるアプローチを追求したい」

ここ数ヶ月、野心的な研究主導型のAIラボが相次いで登場していますが、その中でも「Flapping Airplanes」は最も注目すべき存在の一つとして際立っています。 若く好奇心旺盛な創業者たちによって牽引されるこのラボは、AIを学習させるために必要なデータ量を削減する手法の確立に注力している。このアプローチは、AIモデルの経済性と能力の両方を根本的に変革する可能性がある。1億8000万ドルのシード資金を調達した彼らには、その可能性を探求するための十分な余地がある。

先週、私は同ラボの3人の共同創業者――ベンとアッシャー・スペクター兄弟、そしてエイダン・スミス――と対談し、なぜ今が新しいAIラボを立ち上げる絶好のタイミングなのか、そしてなぜ彼らが人間の脳に着想を得たアイデアに繰り返し立ち返るのかについて話し合いました。

まずは当然の質問から始めましょう。「なぜ今なのか？」OpenAIやDeepMindのような研究所は、モデルのスケールアップに莫大なリソースを注ぎ込んできました。競争は厳しいものだと想像します。なぜ今こそ、ファウンデーションモデル企業を立ち上げるのにふさわしいタイミングだと感じたのでしょうか？

ベン：まだやるべきことが山ほどあるからです。過去5年から10年の進歩は目覚ましいものでした。私たちもこれらのツールを愛用しており、毎日活用しています。しかし、これで必要なことがすべて完了したのか、という疑問が残ります。 慎重に検討した結果、私たちの答えは「いいえ」でした。まだまだ先には多くの課題が残されているのです。私たちにとって、データ効率の問題こそが取り組むべき重要な課題だと考えました。今日の最先端モデルは、実質的に人類のあらゆる知識を用いて学習されていますが、人間はそれよりはるかに少ない情報でやりくりしています。そのギャップは甚大であり、理解する価値があります。

私たちが取り組んでいるのは、本質的に以下の3つの点に集中して賭けることです。第一に、データ効率こそが解決すべき正しい課題であり、進歩が可能な真に新しい方向性であるということ。 第二に、この問題を解決することは商業的価値があり、世界をより良いものにするだろうということ。そして第三に、この課題に取り組むのにふさわしいチームとは、創造性に富み、ある意味では経験が浅く、これらの問題をゼロから再検討する意欲のあるグループであるということです。

エイダン：その通りです。私たちは、他の研究所と競合しているとはあまり考えていません。なぜなら、私たちが注力しているのは、まったく異なる一連の問題だからです。 人間の心を見てみてください。その学習方法は、トランスフォーマーとは根本的に異なります。必ずしも優れているわけではありませんが、単に非常に異なるのです。ですから、私たちが見ているトレードオフも異なります。LLM（大規模言語モデル）は記憶力や膨大な知識の活用には驚異的な能力を発揮しますが、新しいスキルを素早く習得することには苦労します。適応するには膨大な量のデータが必要になるからです。 脳の内部を覗いてみると、そこで使われているアルゴリズムは、勾配降下法やその他の現在の学習手法とは根本的に異なります。だからこそ、私たちはこれらの問題に取り組み、AIのあり方を再考するために、新たな世代の研究者たちを育成しているのです。

アッシャー：この問いは科学的に極めて興味深いものです。なぜ私たちが構築した知能システムは、人間の行動とこれほど異なるのでしょうか？その違いはどこから生じているのか、そしてそれをどう活用してより優れたシステムを構築できるのでしょうか？同時に、これは商業的にも実現可能であり、世界にとっても有益だと私は信じています。 ロボット工学、科学的発見、さらにはエンタープライズアプリケーションに至るまで、多くの重要な分野ではデータが制約となっています。データ効率が100万倍高いモデルであれば、経済への統合も100万倍容易になるでしょう。ですから私たちにとって、新たな視点を取り入れることは刺激的なことでした。「もしデータ効率が飛躍的に高いモデルを構築できたら、それを何に活用できるだろうか？」と。

TechCrunch Founder Summit 2026：チケット販売開始

6月23日、ボストンで開催される「TechCrunch Founder Summit 2026」には、1,100人以上の創業者が一堂に会し、成長、実行、実社会でのスケールアップに焦点を当てた1日を過ごします。業界を形作ってきた創業者や投資家から学びましょう。同様の成長段階にある仲間とつながりましょう。すぐに実践できる戦術を持ち帰ってください

パス代金を最大300ドル割引、または4名以上のチーム向けグループチケットで最大30％割引をご利用いただけます。

TechCrunch Founder Summit：チケット販売中

6月23日、ボストンで開催される「TechCrunch Founder Summit 2026」には、1,100名以上の創業者が一堂に会し、成長、実行、そして実社会でのスケールアップに焦点を当てた1日間のイベントが行われます。業界を牽引してきた創業者や投資家から学び、同様の成長段階にある仲間とつながり、すぐに実践できる戦術を持ち帰ってください

パス代金を最大300ドル割引、または4名以上のグループチケットで最大30％割引となります。

ここから次の質問につながりますが、これも「Flapping Airplanes」という名称と関連しています。 AIの分野では、人間の脳のプロセスをどこまで再現すべきか、それとも全く異なる道筋をたどるより抽象的な知能を創り出すべきかについて、哲学的な議論があります。エイダンさんは、人間の脳を専門とするNeuralink出身です。御社は、AIに対してよりニューロモーフィックな視点を取り入れていくお考えでしょうか？

エイダン：私は 脳を「存在の証明」と捉えています。つまり、唯一の正統なアプローチだけでなく、他にもアルゴリズムが存在するという証拠です。脳はとんでもない制約の下で機能しています。活動電位を発火させるのに1ミリ秒かかりますが、その同じ時間内にコンピュータは無数の演算を実行できます。 ですから、おそらく脳よりもはるかに優れており、トランスフォーマーとは全く異なるアプローチが存在するはずです。私たちは脳が行ういくつかのことにインスピレーションを受けていますが、それに縛られているとは感じていません。

ベン： それに付け加えるなら 、私たちの名前「Flapping Airplanes」にその意図が表れています。現在のシステムを巨大なボーイング787のようなものだと考えてみてください。私たちは鳥を作ろうとしているわけではありません――それは行き過ぎです。 私たちが目指しているのは、羽ばたく飛行機のようなものを構築することです。コンピュータシステムの観点から見れば、脳とシリコンの制約は十分に異なるため、これらのシステムが最終的に同じ姿になることを期待すべきではありません。基盤がこれほど異なり、演算コスト、局所性、データ移動に関するトレードオフも大きく異なる以上、これらのシステムは当然、多少異なる姿になるでしょう。 しかし、だからといって、脳からインスピレーションを得たり、興味深い部分を活用して自分たちのシステムを改善したりすべきではない、というわけではありません。

現在、各研究室には、単に製品を開発するだけでなく、研究そのものに注力する自由が以前より広がっているようです。これは、今の世代の研究室にとって大きな変化だと感じられます。研究に非常に重点を置いているところもあれば、「現時点では研究に重点を置いている」というところもあります。『Flapping Airplanes』内部では、こうした議論がどのように展開されているのでしょうか？

アッシャー：具体的なタイムラインをお伝えできればいいのですが。「3年後には研究課題を解決し、こうやって商用化する」と断言できればいいのですが、残念ながらそうはいきません。私たちにも答えは分からないのです。 私たちは真実を探求しているのです。とはいえ、私たちにはビジネス経験もあります。私は以前、相応の収益を上げている企業向けに技術開発に携わっていました。ベンは商業的な基盤を持つスタートアップのインキュベーションを行ってきましたし、私たちも商品化には心からワクワクしています。生み出された価値を、それを活用できる人々の手に届けることは、世界にとって良いことだと考えているからです。 ですから、私たちは商業化に反対しているわけではありません。ただ、まずは研究から始めなければならないのです。なぜなら、大企業との大型契約を最初に結んでしまうと、気が散ってしまい、価値ある研究ができなくなってしまうからです。

エイダン：その通りです。私たちは根本的に異なることを試したいと思っていますし、時には画期的なアイデアが、現在のパラダイムよりも単に劣ってしまうこともあります。私たちはさまざまなトレードオフを検討しており、それが長期的には報われることを期待しています。

ベン：企業は 、一つのことを徹底的に極めることに集中しているときこそ、最高のパフォーマンスを発揮するよね？ 大企業なら、同時に多くのことをこなす余裕がある。スタートアップとしては、最も価値のあるものを選び、そこに全力を注がなければならない。現時点では、根本的な問題の解決に全力を注ぐことで、最大の価値を生み出せるんだ。

実は、そう遠くないうちに十分な進展を遂げ、現実の世界で成果を出し始められるのではないかと楽観視しています。現実世界からのフィードバックからは多くのことを学べます。この世界の素晴らしいところは、常に何かを教えてくれることです――それは、いつでも覗き込むことができる、途方もない真実の宝庫なのです。 こうした組織の経済面や資金調達における最近の変化により、企業は自社の得意分野に、より長期的に集中できるようになったと思います。その集中力――私が最も期待している点――こそが、私たちに真に差別化された仕事をもたらしてくれるでしょう。

あなたが言及していることを具体的に説明すると、AIを巡る熱狂は凄まじく、投資家たちは、PayPalから単に利益を確定して退いたわけではない、非常に聡明で若い人材ばかりが集まった新興企業に、1億8000万ドルのシード資金を喜んで提供しようとしているのです。そのプロセスに関わってみて、どのような感想をお持ちですか？ 最初からそのような需要があることを知っていましたか、それとも予想以上に大きな事業にできると気づいたのでしょうか？

ベン：その両方ですね。市場は数ヶ月間活況を呈していたので、大規模な資金調達ラウンドがまとまりつつあることは公然の事実でした。しかし、資金調達環境が自社の具体的なアイデアにどう反応するかは、決して予測できません。 やはり、世間の反応を待つ必要があります。資金調達期間中も、私たちは多くのことを学び、アイデアを修正しました――優先順位や商用化のスケジュールを精査したのです。

私たちのメッセージがこれほどまでに共感を呼ぶとは、ある意味驚きでした。私たち自身には明確なビジョンがありましたが、他者が同じように信じてくれるのか、それとも「頭がおかしい」と思われるのかは、決して予測できません。 私たちのメッセージに深く共感し、「そうだ、まさにこれが私たちが探していたものだ」と言ってくれた素晴らしい投資家グループに出会えたことは、極めて幸運でした。それは驚くべきことであり、素晴らしい体験でした。

エイダン：そうですね、研究の時代への渇望は、しばらく前から空気の中に漂っていました。私たちはますます、その時代を追求し、こうした画期的なアイデアを試すプレイヤーとしての立場を確立しつつあります。

少なくともスケールを重視する企業にとって、基盤モデルの参入コストは莫大です――その規模でモデルを構築するには、信じられないほど膨大な計算リソースが必要だからです。研究はその中間に位置しています。おそらく基盤モデルを構築することには変わりませんが、より少ないデータで、スケールをそれほど重視せずに取り組むのであれば、多少の余裕が生まれるかもしれません。 計算コストが、御社の資金持続期間をどの程度制限すると予想していますか？

ベン：深遠で基礎的な研究の利点の一つは、逆説的ですが、漸進的な作業を行うよりも、本当に突飛で革新的なアイデアを試す方がはるかに安上がりだということです。漸進的な作業の場合、それが機能するかどうかを確認するには、スケーリングの階段をかなり上まで登らなければなりません。多くの小規模な介入は、大規模化しても持続しないからです。 それはコストがかかります。しかし、アーキテクチャ・オプティマイザーに関する突飛な新アイデアがあれば、おそらく最初の実行で失敗するでしょうから、スケールアップする必要はありません。最初から機能しない――それこそが素晴らしいのです。

だからといって、スケールが私たちにとって無関係だということではありません。スケールはツールボックスの中の重要なツールの一つです。アイデアをスケールアップできることは、確かに重要です。ですから、私たちを「スケールの対極」と位置づけるつもりはありません。しかし、大規模化を考える前に、ごく小規模で多くのアイデアを試せるというのは、私たちの仕事の素晴らしい側面です。

アッシャー：そうですね 、インターネットのすべてを利用できるべきですが、必ずしもそうする必要はないはずです。人間レベルの知能を実現するためにインターネット全体を利用しなければならないというのは、私たちにとって本当に不可解なことです。

では、データを用いてより効率的に学習できるようになれば、何が可能になるのでしょうか？ おそらく、モデルはより強力で賢くなるでしょう。それがどこにつながるかについて、具体的な考えはありますか？ 分布外での汎化能力の向上を意味するのでしょうか、それとも、より少ない経験で特定のタスクをよりうまくこなせるモデルになるのでしょうか？

アッシャー：まず 、私たちは科学研究を行っているため、答えは分かりません――しかし、3つの仮説を提示することはできます。私の最初の仮説は、単なる統計的パターンの探索と深い理解の間には、幅広いスペクトルが存在するというものです。現在のモデルはそのスペクトルのどこかに位置しています――深い理解には至っていませんが、単なるパターンマッチングでもないことは明らかです。 少ないデータでの学習は、モデルに、目にしたものすべてについて驚くほど深い理解を身につけさせることになる可能性があります。それによって、モデルは興味深い形でより賢くなるかもしれません――知っている事実は少なくなっても、推論能力は向上するでしょう。これが一つの仮説です。

もう一つの仮説は、あなたが述べた内容と似ています。現在、モデルに新しい能力を教えるには膨大なデータが必要であるため、運用面でも金銭面でもコストがかかります。私たちの研究の成果の一つとして、トレーニング後の効率が飛躍的に向上し、ほんの数例だけでモデルを新しい領域に適用できるようになる可能性があります。

さらに、これによりAIの新たな応用分野が開拓される可能性もあります。例えばロボット工学では、何らかの理由で商業的な実用化がなかなか進んでいません。これはハードウェアの問題ではなく、データが限られていることが原因だと私は考えています。ロボットを遠隔操作できるという事実自体が、ハードウェアが十分に優れていることを証明しているのです。 科学的な発見など、こうした分野は他にも数多く存在します。

ベン：一点 、詳しく掘り下げたいことがあります。AIの影響について考える際、ある見方では、AIはデフレ的な技術であると言われています――仕事を自動化し、労働コストを削減し、経済から雇用を奪うというものです。それは確かに起こるでしょう。 しかし、私にとっては、それが最も刺激的なビジョンではありません。最も刺激的なビジョンとは、AIが、人間だけでは思いつくことができないが、他のシステムなら可能であるような新しい科学や技術を構築するのを助けてくれるというものです。

その点において、アッシャーが言及した「真の汎化」と「暗記や補間」との軸は、医学や科学の進歩につながる深い洞察を得るために極めて重要です。 モデルがそのスペクトルの「創造性」側に位置することが極めて重要です。私が私たちの研究にこれほど興奮している理由の一つは、個々の経済的影響を超えて、AIに、人間がこれまで根本的にできなかったことを実現させることができるかどうかという点に、心から使命感を抱いているからです。それは単なる「大勢の人を解雇しよう」というレベルの話ではありません。

その通りです。では、AGIに関する議論――分布外汎化について――において、あなたは特定の立場に立っているのでしょうか？

アッシャー： 正直なところ、AGIが具体的に何を意味するのか、私には よく分かりません。能力は急速に進歩しており、莫大な経済的価値が生み出されています。しかし、私たちが「箱の中の神（God-in-a-box）」に近づいているとは思いません。 2ヶ月後、あるいは2年後にも、人間が不要になるようなシンギュラリティが訪れるとは予想していません。基本的にベンの意見に同意します。世界は本当に広大で、やるべきことは山ほどあり、私たちはその一翼を担えることにワクワクしています。

そうですね、脳やニューロモーフィックな部分に関する考え方は、確かに的を射ていると感じます。LLMを比較すべき対象として、以前のMechanical Turkや決定論的コンピュータよりも、むしろ人間の脳こそが適切だ、とおっしゃっているわけですね。

エイダン： 強調しておきますが 、脳は「上限」ではなく――多くの点で、むしろ「下限」なのです。 脳が物理法則に従う、理解可能なシステムではないという証拠は私には見当たりません。脳には多くの制約があります。ですから、長期的には、脳よりもはるかに興味深く、異なり、そして潜在的には優れた能力を生み出せるはずだと期待すべきです。それがAGIと呼ばれるにせよ、他の名称で呼ばれるにせよ、私たちはその未来に貢献できることを楽しみにしています。

アッシャー：そして 、脳は適切な比較対象だと私は考えています。なぜなら、それによってその領域がどれほど広大かを理解するのに役立つからです。これまでの進歩を見て、「うわっ、答えが見つかった、もうすぐ完成だ」と思ってしまいがちです。しかし、一歩引いて俯瞰すれば、私たちが知らないことはまだたくさんあるのです。

ベン：私たちは 、単に「より優れている」ことを目指しているわけではありません。「異なる」存在になろうとしているのです――これが私が強く強調したい核心です。これらすべてのシステムには、ほぼ間違いなく異なるトレードオフが存在するでしょう。 ある部分で優位性を得れば、別の部分で劣るものです。世界は広大で、さまざまなトレードオフを抱えた多くの領域が存在します。こうした異なる領域に対応するシステムや基盤技術をより多く持つことで、AIは世界中により効果的かつ迅速に普及していくでしょう。

御社が他社と一線を画している点の一つは、採用アプローチにあります。非常に若い人材、場合によってはまだ大学生や高校生を採用していることです。誰かと話している時に、「この人にこの研究課題に取り組んでほしい」と思わせる決め手は何ですか？

エイダン： 相手と話していて、その人に圧倒される瞬間です 。彼らは数え切れないほどの新しいアイデアを持っており、何千もの論文に洗脳されていないからこそ、多くのベテラン研究者にはできないような思考ができるのです。私たちが最も重視するのは、創造性です。 私たちのチームは並外れて創造性に富んでおり、毎日、まったく異なる未来を夢見る仲間たちと、AIの大きな課題に対する画期的な解決策について議論できることに、幸運を感じています。

ベン：私が最も重視する指標は、おそらく「その人と時間を過ごした時に、何か新しいことを教えてくれるか」ということです。もし新しいことを教えてくれるなら、私たちの仕事について何か新しいことを教えてくれる可能性も高いでしょう。研究を行う上で、創造的で斬新なアイデアこそが最優先事項なのです。

私の経歴の一部として――学部生や博士課程の頃――「Prod」というインキュベーターの立ち上げを支援したことがあり、そこでは後に成功を収めた企業と協力していました。そこで私たちが実感したのは、若い世代でも間違いなく業界の最上位レベルで競争できるということです。 その可能性を引き出す大きな鍵は、単に「ああ、自分にもこれができるんだ」と気づくことにあるのです。あなたなら間違いなく、最高レベルで貢献できるはずです。

もちろん、経験の価値も認識しています。大規模なシステムに携わってきた人材は素晴らしいです。実際に何人かを採用しており、あらゆるタイプの人々と一緒に仕事ができることを楽しみにしています。 私たちのミッションは、経験豊富な人々にも共感を呼んでいると思います。重要なのは、パラダイムを変えることを恐れず、物事がどのように機能するかという新しいシステムを想像できる人材を求めているということです。

私がずっと気になっていることが一つあります。完成したAIシステムは、どれほど異なるものになると思いますか？『Claude Opus』のように、性能が20％向上し、処理能力が20％増えるようなものは容易に想像できます。 しかし、それが完全に新しいものだと、それがどこへ向かうのか、最終的な成果がどのようなものになるのか、想像するのは難しいですね。

アッシャー：GPT-4のベースモデルと会話した経験があるかどうかは分かりませんが、そこには多くの奇妙な新機能が現れていました。例えば、未公開のブログ記事の断片を見せて「誰が書いたのか」と尋ねると、それを特定できたのです。

このように、モデルが私たちの想像を絶する形で賢さを発揮する能力は数多く存在します。将来のモデルは、さらに奇妙な形で賢くなるでしょう。 将来は本当に奇妙なものになり、そのアーキテクチャはさらに奇妙なものになると予想すべきだと思います。私たちが求めているのは、データ効率における1000倍の飛躍的な向上であり、漸進的な変化ではありません。ですから、限界に達した時には、同様に予測不能で異質な変化や能力が現れると予想すべきでしょう。

ベン：概ね同意します。ただ、こうした技術が最終的に世の中でどのように体験されるかについては、私はおそらくもう少し慎重な見方をしています――まさに、GPT-4のベースモデルがOpenAIによって調整されたのと同じように。消費者が「深淵」を直視することのない形に整えることが重要です。 とはいえ、私たちの研究課題が、現在可能なこととは根本的に異なる能力を構築することにあるという点については、概ね同意します。

素晴らしい！ 一般の人々が「Flapping Airplanes」に関与する方法はありますか？ まだ時期尚早でしょうか、それとも研究やモデルが公開されるのを待つべきでしょうか？

アッシャー：単に挨拶をしたいだけなら、[email protected] までご連絡ください。また、私たちの考えに異議を唱えたい場合は、[email protected] までお願いします。私たちの取り組みがなぜ不可能だと考えるのかについて、長いエッセイを送ってくださる方々との、本当に刺激的なやり取りもいくつかありました。私たちは喜んで議論に応じます。

ベン：でも、まだ私たちを納得させられてはいません。今のところ、誰も私たちを納得させてはいません。

アッシャー：第二に、私たちはこの分野と世界を変えたいと願う、卓越した人材を探しています。興味があれば、ぜひ連絡してください。

ベン：そして、 型にはまらない経歴をお持ちでも構いません。博士号を2つ持っている必要はありません。私たちが本当に求めているのは、独自の視点を持つ人々です。