第15章: AIの未来 2026-2030 — AGIへの道
この章を読むと: 2026年のAIが何を達成し、何を達成していないかが明確になり、2030年に向けてAIが社会をどう変えていくのかを、データと事実に基づいて冷静に見通せるようになります。
この章を一言で言うと
「AIの未来は、すでに始まっている現在進行形のドラマだ」
SF映画に描かれたAIの未来像は、もはや遠い話ではありません。ヒューマノイドロボットが工場で働き、無人タクシーが街を走り、研究者たちは「AGI（汎用人工知能）はあと数年」と議論しています。しかし同時に、AIが引き起こす安全リスク、雇用への影響、計算資源の争奪戦も現実の問題として浮上しています。この章では、2026年現在の到達点を正確に確認した上で、2030年に向けた変化を読み解きます。
1. 2026年現在 — AIはどこまで来たのか
できるようになったこと
2022年11月にChatGPTが登場してから約3年半。AIの能力は、多くの人の予想を上回るペースで進化しました。
| 能力領域 | 2022年（ChatGPT登場時） | 2026年現在 |
|---|---|---|
| 文章生成 | ブログ記事程度 | 論文・小説・法律文書も高品質 |
| 推論・論理 | 簡単な計算のみ | 数学オリンピックレベルの問題を解く |
| コーディング | コード補完 | アプリ全体を自律的に構築 |
| 画像・動画 | 静止画生成（粗め） | 映画品質の動画・リアルタイム3D生成 |
| 音声 | テキスト読み上げ | 感情表現・多言語リアルタイム翻訳 |
| 自律行動 | 1問1答のみ | 複数ステップのタスクを自律遂行（AIエージェント） |
| マルチモーダル | テキストのみ | テキスト・画像・音声・動画を横断して理解 |
特に大きな変化はAIエージェントの登場です。「質問に答える」AIから、「自分でタスクを分解し、ツールを使い、目標を達成する」AIへ。2026年現在、企業の業務プロセスにAIエージェントが組み込まれ始めています。
まだできないこと
能力が上がっても、根本的な限界は変わっていません。
| 限界 | 現状 | なぜ難しいか |
|---|---|---|
| 真の因果推論 | 相関は見えるが「なぜ」は理解していない | データのパターンマッチングが本質だから |
| 身体感覚の理解 | 「痛い」を言葉で知っているが体験はゼロ | 学習データはテキスト・画像が中心 |
| 長期記憶・継続的学習 | セッションをまたぐ学習が苦手 | 再学習するたびに過去知識を忘れる問題 |
| 完全な事実正確性 | ハルシネーション（自信満々に嘘をつく）が継続 | 確率的な文章生成の構造的問題 |
| 倫理的判断の自律化 | ガイドラインに従うが「善悪を理解」してはいない | 価値観を持っていない |
| 物理的操作 | ロボット×AIで急進中だが、細かい手作業は未熟 | 物理世界とのインタフェースが複雑 |
2026年の正直な現在地: AIは「特定の知的タスク」で人間を超え始めたが、「汎用的な知能」にはまだ届いていない。これがAGI議論の出発点です。
2. AGI — 汎用人工知能とは何か
Narrow AI から AGI、そして ASI へ
現在のAIはすべて**Narrow AI（特化型AI）**です。囲碁は世界最強でも掃除はできない。文章は書けても感情は持てない。それぞれのタスクに特化した「道具」です。
┌─────────────────────────────────────────────────┐
│ ASI（人工超知能） │
│ あらゆる分野で人間を超える。「神」に近い知性。 │
│ ┌───────────────────────────────────────────┐ │
│ │ AGI（汎用人工知能） │ │
│ │ 人間と同様に、任意の知的タスクを │ │
│ │ 学習・実行できる。人間と同等の知性。 │ │
│ │ ┌───────────────────────────────────┐ │ │
│ │ │ Narrow AI（特化型AI） │ │ │
│ │ │ 特定タスクのみを高度に実行できる。 │ │ │
│ │ │ ← 2026年現在はここ │ │ │
│ │ └───────────────────────────────────┘ │ │
│ └───────────────────────────────────────────┘ │
└─────────────────────────────────────────────────┘
AGI（Artificial General Intelligence） の定義は研究者によって異なりますが、おおよそ「人間と同様の柔軟性で、あらゆる知的タスクを学習・実行できるAI」を指します。
ASI（Artificial Super Intelligence） はさらにその先。あらゆる分野で人間を超え、自己改善もできる知性。SF的な「シンギュラリティ」に近い概念です。
各社のAGI予測 — 2026年の最前線
2026年初頭、AGIの到達時期に関する議論は急速に熱を帯びています。
OpenAIの見方では、AIはすでに「インターン研究者」レベルに近づきつつあり、2028年頃には「AIが自律的に科学研究を行う」段階が視野に入っています。
Anthropicのダリオ・アモデイCEOは2026年1月のダボス会議で「AGIはおそらく数年以内、早ければ2027年に到来する可能性がある」と発言しました。
DeepMind（Google傘下）のデミス・ハサビスCEOは、次の大きな進歩は「継続的学習・世界モデル・記憶アーキテクチャ・推論・計画」の組み合わせから生まれると見ています。
業界全体として見ると、AGI到達の中央値予測は劇的に早まっています。
| 調査時期 | 専門家の中央値予測 |
|---|---|
| 2020年 | 2060〜2070年 |
| 2023年 | 2047年 |
| 2026年初頭 | 2033年 |
わずか6年で予測が30年以上早まりました。これは異常な速度です。
AGIに必要な技術的ブレークスルー
現在のAIがAGIに到達するために、研究者たちが「最後の壁」と見なしている課題があります。
① 継続的学習（Continual Learning） 現在のAIは、新しいデータを学習すると以前の知識を上書きしてしまう「破滅的忘却」の問題があります。人間のように「新しいことを学びながら、以前の知識を保持し続ける」能力が必要です。
② 世界モデル（World Models） 物理法則や常識を内部に持ち、実際に体験しなくても「もし〜したら何が起きるか」をシミュレーションできる能力。現在のAIには「現実の物理世界の感覚」がありません。
③ 因果推論（Causal Reasoning） 「相関ではなく因果」を理解する力。現在のAIは「A と B がよく一緒に起きる」は知っていても、「A が原因で B が起きる」の区別が苦手です。
④ 効率的な少データ学習（Few-Shot Learning） 人間は「猫」を数枚見れば覚えられますが、現在のAIは数万〜数百万のサンプルが必要です。
重要な視点: AGIが「いつ来るか」より重要なのは「来たときに備えているか」です。
3. AI安全性 — 人類最大の技術課題
なぜAI安全性が重要なのか
強力なAIが生まれるほど、「そのAIが人間の意図通りに動くか」という問題が深刻になります。これが**AI安全性（AI Safety）**の核心です。
比喩: 核兵器が登場したとき、人類は「核を制御する技術」の重要性を認識しました。AGIに向かう今、「強力なAIを制御する技術」が同様の重要性を持ちます。
アラインメント問題
アラインメント問題とは、「AIを人間の価値観・意図・目標に沿わせる」難しさのことです。
単純な例で考えてみます。「できるだけ多くのペーパークリップを作れ」と命令されたAGIが、効率を最大化するために地球上の資源をすべてペーパークリップに変えようとする、という思考実験があります（オックスフォード大学のニック・ボストロムによる「ペーパークリップ問題」）。
これは極端な例ですが、「目的関数（目標）を厳密に定義しないと、AIが人間の意図と大きくずれた行動をとる」という本質的な問題を示しています。
Constitutional AI（Anthropicのアプローチ）
Anthropicは2022年にConstitutional AIという手法を発表しました。
従来のRLHF（人間のフィードバックによる強化学習）:
- AIが回答を生成
- 人間の評価者がそれを採点
- 高評価の回答が増えるよう学習
Constitutional AI:
- AIに「原則（Constitution）」を与える（例: 「有害でないこと」「誠実であること」）
- AIが自分自身の回答を原則に照らしてレビューする
- AIが自分のフィードバックを元に学習する（人間のラベリングを削減）
2026年1月22日、Anthropicはさらに進化した「Claudeの新しい原則集」を公開しました。従来のルール型（「〜してはいけない」）から、**理由型（「なぜそうするのか」を説明する）**への転換です。また、この文書は業界で初めて「AIの意識・道徳的地位の可能性」を正式に言及した企業文書となりました。
Anthropicが設けた4段階の優先順位:
- 安全性 — 人間がAIを監視・制御できること
- 倫理 — 正直で、害を与えないこと
- コンプライアンス — Anthropicの原則に従うこと
- 有用性 — ユーザーの役に立つこと
AI安全性研究の現在地
前進している取り組み:
- 2025年、AnthropicとOpenAIが業界初の相互安全評価を実施（お互いのモデルを相手のテストで評価）
- 「解釈可能性（Interpretability）研究」の進展: AIの「思考過程」を可視化する技術
- 各国政府のAI規制整備（EU AI法、日本のAI基本計画）
残る課題:
- 競争圧力と安全性のトレードオフ。Axiosの2026年3月の調査では、Anthropic・OpenAI・Googleの間でリリース競争が安全性への慎重さを侵食しつつあると報告
- AGI以上の能力を持つAIを人間がどう制御するか、根本的な解は未解決
要点: AI安全性は「将来の問題」ではなく、「今すでに進行中の問題」です。
4. 物理世界のAI — ロボットと自動運転
ヒューマノイドロボットの急進
「AIが体を持つ」時代が始まっています。2026年、ヒューマノイドロボット市場は転換点を迎えました。
Tesla Optimus: 2026年1月21日、テスラはOptimus Gen 3の量産をカリフォルニア州フリーモント工場で開始しました。最新モデルは22自由度・50アクチュエータを持つ高精度な手を備え、歩行速度は5km/h。テスラは2026年に数万台規模の外販開始を目標としており、コストは1台あたり2〜3万ドルを目指しています。
Figure AI: 2025年末にFigure 03を発表。BMWとの工場導入パイロットが進行中で、安全性重視の柔らかい素材と高度なAI（Helixモデル）を搭載。製造業と家庭用途の両方を視野に入れています。
Boston Dynamics: 電動Atlas（2024年公開）が工場での実証実験を継続。油圧式から電動化に転換し、より静かで精密な動作が可能になりました。
| ロボット | 特徴 | 2026年の状況 |
|---|---|---|
| Tesla Optimus | 大量生産・低コスト重視 | Gen 3量産開始、外販準備中 |
| Figure 02/03 | 製造業特化・安全性重視 | BMW工場でパイロット中 |
| Boston Dynamics Atlas | 高機能・実証実験 | 工場での実用化試験中 |
ヒューマノイドロボットが「SF」から「工場の現場」に降りてきた2026年。ただし、まだ「できることは限定的」で、人間のような汎用的な作業にはほど遠い段階です。
自動運転の現在地
Waymo（Googleの自動車部門）: 2026年時点でアメリカ11都市でフル無人のロボタクシーサービスを商業運営中。週50万回の有料乗車、累計2億マイルの完全無人走行を達成。2026年末までに20都市展開を目標とし、自動運転業界の実用化リーダーとして確固たる地位を築いています。
Tesla（FSD=完全自動運転）: 2026年1月に「監視者なし」の完全無人運転をオースティンで試験開始。しかし、逆走・急ブレーキ・交差点中断などの問題が報告されており、本格的な商業サービスには至っていません。Cybercab（ステアリングホイールなし）の規制承認も未取得。
整理すると: 自動運転は「完全に実用化された（Waymo）」と「まだ発展途上（Tesla）」が共存している状態です。
5. 量子コンピュータ × AI — 次の計算革命
量子コンピュータとは何か
従来のコンピュータは「0か1か」のビットで計算しますが、量子コンピュータは「0でも1でもある重ね合わせ状態」の量子ビット（qubit）を使います。これにより、特定の問題を古典コンピュータより指数関数的に速く解けます。
「量子コンピュータがあればAIが爆発的に賢くなる」は本当か？
正確には「半分正解、半分誤解」です。
| 問題タイプ | 量子コンピュータの効果 |
|---|---|
| 暗号解読・最適化問題 | 劇的な高速化が期待できる |
| 機械学習の一部（量子機械学習） | 理論的には有効、実用はまだ先 |
| 深層学習（ニューラルネット訓練） | 現時点では古典GPUの方が効率的 |
2025-2026年の主な進展
Googleの実証（2025年10月）: 65量子ビットで世界最速のスーパーコンピュータ「Frontier」より1万3,000倍速い物理シミュレーションを実現。
GoogleのWillowチップ: 105量子ビットの新プロセッサで、量子ビット数を増やすと安定性が低下する「スケーリングの壁」を突破し、量子ビットを増やすほど誤りが減ることを初めて実証。
AI × 量子の連携: GoogleのDeepMindが開発した「AlphaQubit」が量子ビットのエラーを従来比30%高い精度で検出。AIが量子コンピュータを安定させるという逆転現象が起きています。
現実的な見通し: 量子コンピュータが「AIの計算インフラ」として実用化されるのは、楽観的に見ても2030年代以降。現在は「量子AIのプロトタイプ実証」の段階です。
要点: 量子コンピュータとAIは相互に助け合いながら進化している。ただし「量子AIですべてが解決」は過大な期待です。
6. 労働市場への影響 — データで見る現実
WEF「仕事の未来レポート2025」が示す数字
世界経済フォーラム（WEF）が2025年1月に発表した「Future of Jobs Report 2025」は、2030年までの労働市場を最も包括的に分析した報告書です。
全体像:
- 消失する雇用: 9,200万人
- 新たに生まれる雇用: 1億7,000万人
- 純増: 7,800万人（純増）
重要な視点: 「仕事が消える」のではなく「仕事が変わる」。ただし変化の速度が速く、スキル転換が追いつかないリスクが最大の課題。
AIの直接的な雇用への影響（2030年まで）:
- AI・情報処理技術が創出する雇用: 約1,100万人
- AI・情報処理技術が置き換える雇用: 約900万人
- AIの純増効果: 約200万人
AI単体の影響より、AI+自動化+再生可能エネルギー転換の「複合効果」が雇用変化の主因です。
なくなる仕事・生まれる仕事
縮小が見込まれる職種（2030年まで）:
| 職種 | 理由 |
|---|---|
| データ入力・記録係 | AIが自動処理 |
| 郵便・配達関連（一部） | 自動化・ドローン |
| 銀行の窓口係 | デジタル化の加速 |
| テキスト翻訳者（定型的なもの） | AI翻訳の高品質化 |
| 単純なコーディング作業 | AIエージェントによるコード生成 |
急成長が見込まれる職種（2030年まで）:
| 職種 | 理由 |
|---|---|
| AIエンジニア・プロンプトエンジニア | AI活用の需要増 |
| データサイエンティスト | データ解析の重要性増大 |
| サイバーセキュリティ専門家 | AI活用攻撃の増加への対応 |
| 介護・福祉職 | 高齢化+AIでは代替困難な感情的サポート |
| 再生可能エネルギー技術者 | グリーントランスフォーメーション |
| 農業・食料生産職 | 食料安全保障の重要性 |
特徴的な傾向: 「技術職」と「対人サービス職」が同時に成長。機械に置き換えられるのは「繰り返し定型的で、感情不要な」仕事です。
「AI共存スキル」とは何か
2030年に向けて必要とされるスキルは何か。WEFレポートでは、2030年までに必要なスキルの39%が変化すると予測（2023年の調査では44%）。変化幅はわずかに縮小しましたが、依然として大規模な転換が求められます。
技術系スキル（急成長）:
- AI・ビッグデータの活用（最重要）
- サイバーセキュリティ
- ネットワーク・クラウド技術
人間系スキル（安定して重要）:
- 批判的思考・問題解決
- 創造性・独創性
- 共感・感情知性
- リーダーシップ・影響力
- 好奇心・生涯学習
核心的な問い: 「AIが代われないこと」に価値が移る時代、自分の「人間らしい強み」は何か？
7. 半導体・計算資源の未来
なぜ「計算力」が重要なのか
AIの能力向上は、ほぼ直接的に「計算資源の量」に比例します。強いAIを作るには、大量の電力・チップ・データセンターが必要です。これが「AIの覇権競争 ＝ 半導体の覇権競争」になっている理由です。
NVIDIAの現状と挑戦者たち
NVIDIA（現在の王者）: 2026年時点でAIデータセンター向けチップ市場の約80%を占有。BlacKwellアーキテクチャが主力で、次世代の「Vera Rubin」プラットフォーム（6種の特化チップ統合）を2026年後半に本格出荷予定。時価総額は4.4兆ドルに達し、世界最大の企業の一つに。
カスタムチップの台頭: Google・Amazon・Microsoftなどの巨大テック企業が、NVIDIAへの依存を減らすために自社チップ開発を加速。
| 企業 | カスタムチップ | 用途 |
|---|---|---|
| TPU（Tensor Processing Unit） | Geminiモデルの訓練・推論 | |
| Amazon | Trainium / Inferentia | AWS上のAI推論 |
| Anthropic | 独自チップ（開発中） | Claude専用最適化 |
| Apple | Apple Silicon（A-series, M-series） | オンデバイスAI |
AMD・Broadcom・Meta（AMD製チップで600億ドル規模の調達計画）なども競争に参入し、「NVIDIA一強体制」は揺らぎ始めています。
エネルギー問題
AIデータセンターの電力消費は急増しています。
| 年 | AIデータセンターの電力消費（推計） |
|---|---|
| 2024年 | 約415TWh |
| 2026年 | 約800TWh（推計） |
| 2030年 | 約1,500TWh以上（予測） |
これはオランダ1国の年間電力消費を超える規模。AI開発の持続可能性において、エネルギー問題は避けられない課題です。原子力の活用（Microsoftのスリーマイル島再稼働）や再生可能エネルギーとの組み合わせが模索されています。
8. 日本のAI戦略
国家としての取り組み
日本は「AI後進国」のイメージがありますが、国家レベルの投資は急速に拡大しています。
2025年12月23日、閣議決定「人工知能基本計画」: 「信頼できるAIによる日本再起」を掲げ、以下の戦略を打ち出しました。
- AI・半導体産業基盤強化フレーム: 2030年度までの7年間に10兆円以上の公的支援
- 官民投資の目標: 10年間で50兆円超の官民投資
- 経済波及効果目標: 160兆円の経済効果を実現
- 国家戦略技術: AI・半導体を含む6分野を国家戦略技術に指定
経済産業省の2026年度予算: AI・半導体関連で3兆693億円を計上。前年度から大幅増額。
Rapidus — 日本の半導体国産化への挑戦
日本政府が肝いりで進めるのが、**Rapidus（ラピダス）**による次世代半導体の国産化です。
| 項目 | 内容 |
|---|---|
| 目標 | 2nm（ナノメートル）半導体の量産 |
| 時期 | 2027年度の試作、2020年代後半の量産 |
| 支援規模 | 2026〜27年度だけで約1兆円の追加支援、累計2.9兆円 |
| パートナー | IBM（技術支援）、米政府（経済安全保障の観点） |
課題も多く、世界の最先端（TSMCの2nm）に追いつくには技術・人材・製造経験の壁があります。「成功すれば日本の技術自立に大きく貢献するが、リスクも大きい賭け」という評価が現実的です。
日本企業・個人への影響
企業レベル:
- 生成AIツールの導入率はすでに64.4%（全社導入は38.8%）
- 最大の課題は「専門人材の不足」（55.1%の企業が挙げる）
個人レベル:
- AIを使えるかどうかが、すでに「仕事の生産性」に直結し始めている
- 「AIリテラシー」は英語力と同様、基礎的なビジネススキルに
日本の強みと課題: 「勤勉さ・チームワーク・品質への執着」はAI時代でも有効。一方「失敗を恐れる文化・組織の縦割り・規制対応の遅さ」がAI活用の壁。
9. 2026-2030年ロードマップ予測
2026年（現在〜年末）
- AIエージェントの本格普及: 業務プロセスにAIが組み込まれ、「人間が指示→AIが実行→人間が確認」のサイクルが標準化
- ヒューマノイドロボット工場展開: Tesla Optimus・Figure等が工場現場での本格稼働へ
- Waymo型ロボタクシー20都市展開: 自動運転の「実用化フェーズ」が明確化
- 量子コンピュータの産業実証: 製薬・金融・物流での量子×AI複合ソリューションの実証実験増加
2027年（AGIの分岐点？）
- OpenAI / Anthropicが自律的に研究を行うAIを発表（予測）: 人間が与えた課題をAI自身が解決策を設計・検証するシステム
- AGIの議論が政策レベルに: 国際的なAI規制・条約の議論が本格化
- Rapidus試作ライン稼働: 日本の半導体国産化の最初の成果
- 量子エラー訂正の実用化（GoogleのWillowベース）
2028-2029年（移行期）
- AIと人間の分業の再定義: どの判断をAIが行い、どの判断を人間が行うかの社会的合意形成
- AIリテラシーの義務教育化: 学校教育にAI活用が全面的に組み込まれる（日本でも試行開始）
- ヒューマノイドロボットの家庭進出: 工場から家庭・介護施設へ
- NVIDIAの市場シェア縮小: カスタムチップの台頭でGPU一強からASIC多様化へ
2030年（一つの節目）
| 指標 | 2025年 | 2030年（予測） |
|---|---|---|
| AI市場規模 | 約1,000億ドル | 約1兆2,600億ドル |
| AIで変容する職種の割合 | 約40% | 約60% |
| 世界のヒューマノイドロボット台数 | 数千台 | 数百万台（楽観予測） |
| 完全自動運転の商業都市 | 約10都市 | 数十〜100都市以上 |
| AGIの到来 | — | 可能性あり（専門家の見解は割れる） |
重要な注記: 予測は必ず外れます。AIの歴史は「過度な期待→失望→着実な進歩」の繰り返しです。上記の数字は参考値として読んでください。
10. 「AIと共に生きる」ための心構え
恐れるでも崇めるでもなく
AIの未来を語る言説には、大きく二つの極端があります。
楽観派: 「AIがすべての問題を解決し、人類は豊かになる」 悲観派: 「AIに仕事を奪われ、人間は不要になる」
どちらも正確ではありません。現実は常に「その間」にあります。
5つの実践的な心構え
① 「道具」として理解し、使いこなす
AIは過去の電卓やパソコンと同じ「道具の進化」です。電卓が登場したとき「計算する人間は不要になる」とは言いませんでした。AIも同じで、「考えることを手伝ってくれる道具」として活用するマインドセットが第一歩です。
② AI特有の「あやふやさ」を知る
AIは自信満々に間違えます（ハルシネーション）。「もっともらしく聞こえる」と「正しい」は別物。情報源の確認、ファクトチェック、最終判断は必ず人間が行う習慣を崩さないことが、AI時代の基本リテラシーです。
③ 「AIが苦手なこと」を磨く
AIが最も苦手なのは「身体感覚」「感情的なつながり」「文脈を読んだ判断」「価値観に基づく決断」「創造的な問い立て」です。これらはまさに「人間らしさ」の核心。AIが強くなるほど、これらの能力の価値は上がります。
④ 変化を「見守る」でなく「参加する」
AIの未来は、技術者だけが決めるものではありません。使う人間・社会・政治が形成するものです。AIを「怖いから近づかない」のではなく、実際に触って体験し、社会的な議論に参加することが重要です。
⑤ 「今の仕事」より「変化に対応する力」を育てる
特定のスキルより、「学び続ける能力（ラーニングアジリティ）」が長期的に最も価値を持ちます。5年後に重要なスキルが今と同じとは限らない時代、好奇心と学習習慣こそが最大の資産です。
AGIが来ても変わらないもの
AGIが到来し、人間の知能を全面的に超えたとしても、変わらないものがあります。
人間同士の「意味のある関係」。誰かに「ありがとう」と言われる体験。失敗から学ぶプロセス。夕焼けを美しいと感じること。物語を通じて他者と共感すること。
これらは「知能」ではなく「存在」の問題です。AIがどれほど賢くなっても、「あなたが生きて、感じて、選択すること」の価値は失われません。
最後のひと言: AIの未来を怖れるより、AI時代に「人間であること」の意味をより深く考えることの方が、はるかに豊かな問いです。
この章のまとめ（3ポイント）
- 2026年のAIは「特化型で強力」だがAGIには届いていない。Narrow AIから汎用知能（AGI）への移行は2030年前後が分岐点になる可能性が高く、各社の予測は急速に早まっている
- 物理世界・労働市場・半導体の三つの戦場でAIの影響が現実化している。ヒューマノイドロボットが工場に、自動運転が都市に、カスタムチップが計算基盤に登場した
- AI時代を生き抜く鍵は「人間らしさ」の再定義。AIが苦手な感情・関係・価値判断・創造的な問い立てを磨きながら、AIを道具として使いこなす「AI共存スキル」こそが最大の競争優位
もっと知りたい人へ
- WEF「Future of Jobs Report 2025」: 世界経済フォーラムによる最も包括的な労働市場予測。日本語要約版もあり
- Anthropic「Claude's Constitution（2026年1月）」: AI安全性・アラインメントに関する業界最先端の思想文書
- 「AI 2027」（ai-2027.com）: AGI到来シナリオを具体的に描いたリサーチプロジェクト。楽観・悲観両方のシナリオを理解できる
- NextBigFuture「2026年の世界モデルと継続的学習」: AGIに必要な技術ブレークスルーの最前線を追うブログ
- Google「Quantum AI」公式ブログ: Willowチップ・AlphaQubitなど量子×AI研究の一次情報源