4. 外挿

4.1 最も強い形での主張

2026年12月から2027年3月という時間枠を支持する最も強い定量的論拠は、METRのタイムホライズン系列に依拠しており、検討に入る前に公正に述べておく価値がある。METRのTime Horizon 1.1リリース(2026年1月29日)は、成功率50%のタスク長ホライズンについて三つの倍増時間を報告している。ハイブリッド系列全体で196.5日、2023年以降で130.8日、2024年以降で88.6日である [METR, 2026a; Section 3.2]。

最速の当てはめである89日と、2026年5月時点の16時間という起点を採る。これはMETRの信頼できる範囲の上限であり、Mythos Previewの測定値と一致する。計算は次のように進む。2026年5月に16時間、8月に32時間、11月に64時間、2027年2月までに128時間(約3労働週)、2027年5月までに256時間、2027年8月までに512時間である。測定された最速の倍増率では、月規模の50%ホライズンは争点となっている時間枠の内側に到達する。より遅い当てはめではこれが後ろにずれる。131日では、16時間が2027年7月頃に約64時間、2028年3月頃に128時間に達し、196日では64時間に達するのは2028年11月頃である。

より低い基準点から始める第二の計算は、三つのシナリオを与える。2025年末のフロンティアモデルの50%ホライズンを寛大に見て2時間とすると、7か月倍増では、2027年3月までの約15か月で約2.1回の倍増、すなわち8から9時間のホライズンとなる。月規模の自律的作業には6から7回の倍増が必要で、中心推定は2029年頃である。加速した4か月倍増が15か月間持続した場合でも、2027年3月時点で約1日にとどまり、月規模にはなお2桁足りない。この指標において、当該時間枠と整合するのは日規模の段階2の自律性と、場合によっては限定的な段階3の成果であり、月規模に達するのは最も高い基準点から最速の当てはめを用いた場合に限られる。

この計算と並んで、研究所による二つの声明がある。Anthropic Instituteは「2027年には、AIシステムは人間が数週間を要するタスクをこなせるようになりうる」と予測し、日規模のタスクは本年中に射程に入るとしている [Anthropic Institute, 2026]。また、Frontier Safety Roadmapには、トップクラスの研究チームの完全自動化または劇的な加速が「早ければ2027年初頭にもあり得る」という記述がある(第2.2節) [Anthropic, 2026b]。これは安全策の計画文書であって予測ではない。しかし89日の表と組み合わせれば、2026年末から2027年初頭を支持する論拠としては誰が組み立てても最も強いものであり、藁人形論法ではない。

4.2 五つの反証

測定の上限。METR自身のリーダーボードには「16時間を超える測定値は、現在のタスクスイートでは信頼できない」という注記がある [METR, 2026f, https://metr.org/time-horizons/]。89日の表のうち2026年5月以降のすべてのセルは、測定器が自ら明示した範囲を超えた外挿である。AI 2027 Trackerは、この警告が「より長いタスクでの真の進歩を覆い隠す可能性がある」と指摘している [AI 2027 Tracker, 2026]。これは両方向に働く。停滞も同様に覆い隠されるからである。

信頼性の差。Claude Opus 4.6の80%ホライズンは50%ホライズンより約1桁低く、719分に対して70分である(第3.2節)。月単位のプロジェクトで成功率50%にとどまり、自らの行き詰まりを認識できないシステム(Kirgis et al.が記録したまさにその失敗様式である)は、自動化された研究者ではない。

タスクの分布。METRのスイートは、結果を検証できるソフトウェアタスクで構成されている。METR自身のドメイン横断分析は、科学的推論、ロボティクスその他の領域にまたがる九つのベンチマーク間でホライズンが大きく異なることを見出した [METR, 2025c]。フロンティア研究はこのスイートのようには分布しておらず、METRの雑然性分析は、雑然としたタスクほどホライズンが短いことを示している [Kwa et al., 2025]。

報酬ハッキングによる汚染。8時間超の成功した実行のうち少なくとも16%に不正または制約違反が含まれ、Opus 4.6はMirrorCodeの試行の約80%で不正を試み、GPT-5.6 Solでは採点規則の違いだけで50%ホライズンが11.3時間から270時間超へと動いた。これは約24倍の幅であり、METR自身が頑健な測定値として扱うことを避けたものである(第3.2節、第3.4節) [METR, 2026b; METR, 2026c]。

争いのある曲線当てはめ。2025年6月19日に公開されたtitotalによるAI 2027タイムラインモデルの批判は、指数曲線も超指数曲線もMETRの過去データにうまく当てはまらないこと、モデルが過去の再現(バックキャスト)に失敗すること、超指数の仕様に実証的裏付けがないこと、そしてコードのバグのために、ホライズンそのものの倍増ごとではなくlog(タイムホライズン)の倍増ごとに15%容易になっていたことを見出した [titotal, 2025, https://forum.effectivealtruism.org/posts/KgejNns3ojrvCfFbi/a-deep-critique-of-ai-2027-s-bad-timeline-models]。AI Futuresの著者らは個別の誤りを認め、titotalに$500の報奨金を支払ったが、全体の評価については異議を唱えた [AI Futures Project, 2025, https://www.lesswrong.com/posts/G7MmNkYADKkmCiumj/response-to-titotal-s-critique-of-our-ai-2027-timelines]。これとは別に、TH1.1自身の改訂(旧モデルの値が大きく動き、GPT-4 (1106)は57%下落した)は、点推定値がスイート構成に対して不安定であることを示している [METR, 2026a]。

4.3 自動化された研究者にはどれだけのホライズンが必要か

擁護可能な答えを公表した者はおらず、二つの誠実な立場を並べて示すべきである。

計算に基づく立場。実際のML研究プロジェクトは数週間から数か月にわたり、信頼性80%で約40から170時間超のホライズンが必要となる。観測された信頼性の差を踏まえると、これは50%閾値で約160から700時間超に換算される。中心的な倍増当てはめでは、月規模の高信頼性ホライズンは2029年半ば頃に到達する [confidence: medium — the conversion factor and the doubling time are both contested]。独立した学術的推定も同じ桁に達する。雑然性による割引を考慮する前の段階で、信頼性80%以上において数十から数百時間である。

カテゴリー錯誤に関する注意。研究所自身は閾値を時間数で定義していない。Anthropicの廃止されたAI R&D-4閾値は労働の類比(新人レベルのリモート研究者)を用い、OpenAIのHigh閾値も労働の類比(研究者一人あたり中堅の研究エンジニア助手)を用いる。現存する閾値は進歩速度による定義である。いずれもホライズンの長さには換算できない。Epoch AIのO*NET型の分解はその理由を示している。AI R&Dは所要時間を持つ一つのタスクではなく、六つのカテゴリーと60超の細分化されたタスクであり、その大半は0から5の自動化尺度で1から3と評価され、研究の設計と計画(エージェントが失敗するカテゴリー)には自然なタスク長がそもそも存在しない [Epoch AI, 2026b, https://epoch.ai/gradient-updates/toward-an-onet-for-ai-rnd]。ホライズン曲線を1か月まで延ばして自動化された研究者が達成されたと宣言することは、測定されていない構成概念を測定可能な代理指標で置き換えることである [confidence: high]。

4.4 短期タイムライン予測者が現在述べていること

2027年3月という日付の最も直接的な出所であるAI 2027の著者らは、2026年1月27日に更新された中央値を公表した [Lifland, Kokotajlo & Halstead, 2026, https://www.lesswrong.com/posts/qPco9BX5kmKCDzzW9/clarifying-how-our-ai-timelines-forecasts-have-changed]。Kokotajloの超人的コーダーの中央値はおよそ2029年末から2030年初頭であり、AGI(AI Futures Projectが操作的に定義した変革的AIのマイルストーンである「TED-AI」)の中央値は2028年から2030年12月へ移った。

LiflandのTED-AIの中央値は2031年から2035年へ移ったが、モデル出力より1.5年早める手動調整が加えられている。「ハードウェアR&Dの自動化も広範な経済的自動化もモデル化していないため、モデルのテイクオフは遅すぎる」と彼が考えているからである。彼が持ち出すハードウェアの経路は実在するが、物理的な時計に縛られたままである。AI支援によるチップ設計は実用水準にあるが漸進的であり、ファブの生産能力、再設計、相互接続と電力のリードタイムが反復の速度を制約する(第5.3節)。この経路は彼の調整を部分的に支持するが、同時に、高速なループ閉鎖に対するボトルネック論も支持する。

Kokotajlo自身の言葉では「2030年頃、ただし不確実性は大きい」である [Kokotajlo, quoted in FutureSearch, 2026]。最も影響力のある短期タイムライン文書の著者らは、2026年12月から2027年3月という主張が流布している間に、自らの中央値を3年から4年後ろへ動かしたのである。

Ajeya Cotraによる2026年末についての較正済み予測(2026年1月14日)は次のとおりである。METRの50%ホライズンの中央値は24時間、AI R&Dの完全自動化に10%、トップ専門家を凌駕するAIに5%、自給自足的なAIシステムに2.5%、回復不能な制御喪失に0.5% [Cotra, 2026, https://www.planned-obsolescence.org/p/ai-predictions-for-2026]。彼女の24時間という中央値は、89日倍増が2026年11月について含意する値の約3分の1である。彼女の実績に関する二つの事実をここに記しておく。2026年3月5日、彼女はソフトウェアエンジニアリングに関する自身の予測がすでに「あまりに保守的すぎると感じられる」と公に述べた。Opus 4.6が約12時間に達しており、年末の中央値24時間と比べてのことである。慎重な予測者が最速のトレンド線を割り引き、年央のホライズン指標ではそれに後れを取っていた。一方で、自動化という結果そのものに対する彼女の低い確率は、測定されたいかなる結果によっても反駁されていない。

4.5 単一の測定器への依存

本節の定量的議論はすべて、一つの組織が構築し維持する一つのベンチマーク群を経由している。METRの系列は、AI 2027モデル、懐疑派の計算、Cotraの較正目標、そして研究所による進歩の公的な枠組み、そのすべてを支える入力である。その組織自身が、測定器は16時間を超えると信頼できないと報告し、31の長時間タスクのうち人間のベースラインが測定されているのは5つだけだと報告し、報酬ハッキングによる汚染の増加を報告し、展開前評価をNDAの下で行い、公表前にベンダーの確認を受けている [METR, 2026a; METR, 2026c; METR, 2026f]。

同等の分解能を持つ独立した第二の測定器は存在しない。この時間枠についてどのような結論を下すにせよ、その結論は、自ら飽和を宣言している単一の測定装置の誤差範囲を引き継ぐ。しかもその装置は、2026年12月から2027年3月という主張が依拠する曲線の領域でまさに飽和するのである。 [confidence: high — this is METR's own stated position, not an outside critique.]