AI は 2025 年に世界を変えるだろうが、ほとんどの人は気づいていない

2024 年が AI が主流に組み込まれる年だったとしたら、2025 年は AI が完全に再構築し始める年となるでしょう。

2024 was the year AI went mainstream. But just wait until 2025.

2024 年は AI が主流になった年でした。ただし、2025 年まで待ってください。

Most people are still blissfully unaware of just how different the world is about to look. But for those immersed in the tech space, the pace of change is exhilarating—and overwhelming.

ほとんどの人は、世界がこれからどのように変わっていくのか、幸いにもまだ気づいていません。しかし、テクノロジー業界にどっぷりと浸かっている人たちにとって、変化のスピードは爽快であり、圧倒的なものです。

OpenAI’s latest models, o3 and o3-mini, exemplify this transformative moment. These models aren’t just smarter chatbots; they’re problem solvers, excelling at reasoning tasks like complex coding, advanced mathematics, and even scientific challenges. O3 represents a new breed of AI that not only processes data but thinks—a shift that pushes us closer to artificial general intelligence (AGI).

OpenAI の最新モデルである o3 と o3-mini は、この変革の瞬間を体現しています。これらのモデルは、単によりスマートなチャットボットではありません。彼らは問題解決者であり、複雑なコーディング、高度な数学、さらには科学的課題などの推論タスクに優れています。 O3 は、データを処理するだけでなく思考する新しい種類の AI であり、私たちを汎用人工知能 (AGI) に近づける変化です。

The o3 models achieve breakthroughs in reasoning through test-time compute, a mechanism allowing the AI to ‘ponder’ over complex problems before delivering a response. This innovative leap sets the stage for AI to tackle questions that demand deeper understanding, moving beyond rote predictions to reasoning capabilities that challenge the boundaries of what’s possible with machines.

o3 モデルは、AI が応答を返す前に複雑な問題について「熟考」できるメカニズムである、テスト時のコンピューティングを通じて推論におけるブレークスルーを実現します。この革新的な飛躍は、AI がより深い理解を必要とする問題に取り組むための舞台を設定し、暗記的な予測を超えて、機械で可能なことの限界に挑戦する推論能力に移行します。

o3 is better than 99.95% of programmers Source: X

o3 は 99.95% のプログラマーよりも優れています 出典: X

From Transforming Industries to Challenging Geopolitical Norms

変革する産業から地政学的規範への挑戦まで

But these advances aren’t happening in a vacuum. They’re part of a broader narrative of AI-driven disruption, from transforming industries to challenging geopolitical norms.

しかし、こうした進歩は単独で起こっているわけではありません。これらは、業界の変革から地政学的な規範への挑戦まで、AI による破壊の広範な物語の一部です。

As AI becomes increasingly integral to our daily lives, its infrastructure demands have skyrocketed. AI is no longer just a software story. It’s about infrastructure—massive, tangible infrastructure. To make AI work, we need chips, electricity, and interconnects at an unprecedented scale.

AI が私たちの日常生活にますます不可欠になるにつれ、そのインフラストラクチャの需要が急増しています。 AI はもはや単なるソフトウェアの話ではありません。それはインフラストラクチャ、つまり大規模で具体的なインフラストラクチャに関するものです。 AI を機能させるには、前例のない規模のチップ、電気、相互接続が必要です。

Consider this: OpenAI’s ambitions include building data centers that demand as much power as entire cities. We’re not just talking about a few racks of servers; we’re talking about infrastructure projects on par with major metropolitan utilities.

これを考慮してください。OpenAI の野心には、都市全体と同じくらい多くの電力を必要とするデータ センターの構築が含まれています。ここで話しているのは、サーバーを搭載した少数のラックだけではありません。私たちは大都市の公共事業と同等のインフラプロジェクトについて話しています。

This is a CAPEX boom that doesn’t just benefit Silicon Valley engineers but electricians, construction workers, and local businesses. AI is making atoms great again, driving wealth creation across a broader swath of society than any previous tech wave.

これは、シリコンバレーのエンジニアだけでなく、電気技師、建設労働者、地元企業にも利益をもたらす設備投資ブームです。 AI は原子を再び偉大なものにし、これまでのテクノロジーの波よりも社会の広い範囲で富の創造を推進しています。

While social media enriched a small subset of programmers and influencers, AI’s hunger for physical infrastructure is creating opportunities for the concrete mixer, the electrician, and the local HVAC shop. This isn’t just a digital revolution; it’s a physical one, with economic ripples that extend far beyond traditional tech hubs.

ソーシャル メディアがプログラマーやインフルエンサーの一部を豊かにしましたが、AI による物理的インフラへの渇望は、コンクリート ミキサー、電気技師、地元の HVAC ショップに機会を生み出しています。これは単なるデジタル革命ではありません。それは物理的なものであり、経済的な波及効果は従来のテクノロジーハブをはるかに超えて広がります。

Test-Time Compute

テスト時のコンピューティング

But this isn’t just a story of growth. It’s a story of constraints—and cracks are already forming. Scaling laws, once gospel in the AI world, are facing practical limits.

しかし、これは単なる成長物語ではありません。これは制約の話であり、すでに亀裂が生じ始めています。かつて AI の世界では福音だったスケーリングの法則は、現実的な限界に直面しています。

Pretraining these massive models requires staggering amounts of data and power, pushing current infrastructure and resources to their breaking point. The hyperscalers like Google, Amazon, and Microsoft are scrambling to secure energy sources, from renewables to nuclear, to keep their data centers running.

これらの大規模なモデルを事前トレーニングするには、膨大な量のデータと電力が必要となり、現在のインフラストラクチャとリソースが限界点に達します。 Google、Amazon、Microsoft などのハイパースケーラーは、データセンターの稼働を維持するために、再生可能エネルギーから原子力までエネルギー源の確保に躍起になっています。

OpenAI’s o3 introduces a promising workaround: test-time compute. This allows models to ‘ponder’ more complex questions, using more resources for tougher problems and optimizing performance. It’s an elegant solution, but it’s only the beginning.

OpenAI の o3 では、テスト時コンピューティングという有望な回避策が導入されています。これにより、モデルはより複雑な問題を「熟考」し、より困難な問題に対してより多くのリソースを使用し、パフォーマンスを最適化することができます。これは洗練された解決策ですが、まだ始まりにすぎません。

The implications of these advancements are staggering. AI’s reach will extend into every industry, from medicine to agriculture, manufacturing to science. It’s poised to create orders of magnitude more wealth than previous technologies by impacting everything, everywhere, all at once.

これらの進歩がもたらす影響は驚くべきものです。 AI の範囲は、医療から農業、製造から科学に至るまで、あらゆる業界に広がるでしょう。あらゆるもの、どこにでも、一度に影響を与えることで、以前のテクノロジーよりも桁違いに多くの富を生み出す準備ができています。

Critics might call this another tech bubble, but AI has the two critical ingredients to prove them wrong: massive capital investment and unparalleled generality. It’s not just a new tool; it’s a General Purpose Technology (GPT) on the scale of electricity, reshaping the fundamental fabric of human productivity.

批評家はこれを新たなテクノロジーバブルと呼ぶかもしれないが、AI にはその間違いを証明する 2 つの重要な要素がある。それは、巨額の設備投資と比類のない汎用性である。これは単なる新しいツールではありません。それは電気規模の汎用テクノロジー (GPT) であり、人間の生産性の基本構造を再構築します。

“This chart is pretty insane, it’s the current AGI progression in passing the ARC test. o3 already exceeded the average human decision-making scores, where will OpenAI’s o4 be in 6 months?” Source: X

「このチャートはかなり狂っています。これは、ARC テストに合格するための現在の AGI の進歩です。 o3 はすでに人間の意思決定の平均スコアを超えていますが、OpenAI の o4 は 6 か月後にはどのくらいになるでしょうか?」出典: X

Still, key questions loom large as we enter 2025. Are we hitting walls in pretraining? How do we solve reasoning at scale? When will the nation-state race to AGI begin?

それでも、2025 年に入ると重要な疑問が大きく立ちはだかります。事前トレーニングで壁にぶつかるのでしょうか?推論を大規模に解決するにはどうすればよいでしょうか?国民国家による AGI への競争はいつ始まるのでしょうか?

OpenAI’s breakthroughs, like o1’s chain-of-thought reasoning and scaling inference compute, offer glimpses of answers. But the road ahead will test the limits of innovation, infrastructure, and human coordination.

o1 の思考連鎖推論や推論計算のスケーリングなど、OpenAI の画期的な進歩により、答えのヒントが得られます。しかし、今後の道のりは、イノベーション、インフラストラクチャー、人間の調整の限界を試すことになるでしょう。

The U.S. is leading the AI race, with regulatory frameworks emerging and partnerships between AI labs and defense sectors strengthening. Meanwhile, other nations are lagging, though that’s unlikely to last.

米国は規制の枠組みが生まれ、AI研究所と防衛部門のパートナーシップが強化されており、AI競争をリードしている。一方、他の国々は遅れをとっていますが、それが続く可能性は低いです。

Europe’s regulatory-driven approach and China’s puzzling hesitation in prioritizing AI could shift as the race heats up. The geopolitical implications are profound.

欧州の規制主導のアプローチと、AIを優先する中国の不可解な躊躇は、競争が激化するにつれて変化する可能性がある。地政学的影響は深い。

National strategies around AI are emerging as critical differentiators, with some countries already positioning themselves as AI superpowers. In the U.S., regulatory efforts are balancing innovation with control, while strategic partnerships between AI labs and defense sectors signal an acknowledgment of AI’

AI に関する国家戦略が重要な差別化要因として浮上しており、一部の国はすでに自らを AI 超大国として位置づけています。米国では、規制上の取り組みによりイノベーションと制御のバランスが保たれている一方、AI 研究所と防衛部門の間の戦略的パートナーシップは AI の認識を示しています。