シンギュラリティってなに？「ギュられる」前に知っておきたいこと

「シンギュラリティ」という言葉を、最近どこかで見たり聞いたりした方は多いと思います。AI の進化がある時点で急加速して、人間の知性を超えてしまう──そんな話を指す言葉です。

でも、「で、それって自分にどう関係するの？」と聞かれると、うまく答えられません。そんな状態のまま、なんとなく不安だけが積み重なっている方もいるのではないでしょうか。

この記事では、シンギュラリティという概念の中身をやさしい言葉でひも解きます。そして「じゃあ押し潰されないために何を知って、何を試せばいいか」を、AI 活用研修の現場での実感とともに整理します。

AI を「道具として使う」視点を先に整理したい方は、AI にできること・できないことの整理 も合わせてどうぞ。

---

1. 「シンギュラリティ」と聞いて、なぜ不安になるのか

AI 活用の研修をしていると、決まって同じ質問が出てきます。

「先生、シンギュラリティって本当に来るんですか？　来たら私たちの仕事はどうなるんですか？」

これを聞いてくるのは、AI にまったく関心のない方ではありません。むしろ AI を使い始めていて、使えば使うほど「これはとんでもない変化の入り口なんじゃないか」という感覚が積み上がっている方です。

「何が怖いか」を言葉にできる方は少ないです。「なんとなく怖い」「置いていかれそう」「自分だけ分かっていない気がする」という表現が繰り返し出てきます。

これは「知らないことへの不安」です。中身が見えないものは、実際より大きく見えます。お化け屋敷の怖さは、暗がりの先が見えないことで最大になります。照明が点いた瞬間、怖さの大半は消えます。

シンギュラリティも同じです。中身を知っても、不安は消えません。ただ、向き合えるサイズに縮みます。

---

2. 「シンギュラリティ」とは何か──技術的特異点の中身

2-1. まず「特異点」という言葉を解体する

「シンギュラリティ」は英語で “singularity”、日本語では 技術的特異点（Technological Singularity）と訳します。

「特異点」という言葉は数学から来ています。「1 を 0 で割ったとき」のように、計算が成り立たなくなる場所のことです。ブラックホールの中心も「物理法則が通用しなくなる点」として「特異点」と呼ばれます。

技術的特異点という言葉は、その数学的な意味をそのまま使っているわけではありません。概念を広めたレイ・カーツワイル（発明家・未来学者）は「技術的特異点という言葉は比喩として使っている。変化の速度が無限大になるという意味ではない」と自分で言っています¹。この言葉が表しているのは、「そこを超えたら現在の考え方では予測できない転換点」というニュアンスです。

ブラックホールの向こう側が物理法則では記述できないように、AI がある一線を超えた先で何が起きるかを、今の人間の頭では見通せない。そういうたとえとして使われています。

2-2. 概念が生まれた流れ

「シンギュラリティ」という言葉は 1 人の発明品ではありません。

1958 年、数学者フォン・ノイマンが「技術の加速と人間の生活様式の変化はある本質的な特異点へ近づいている」と語り、それを同僚ウラムが書き残したのが最初の記録です²。1960 年代半ばには数学者 I.J. グッドが「知能爆発」という考えを提唱し、超知能機械が自分よりさらに優れた機械を設計し始めたとき最初の爆発が起きると述べました。

そして 1993 年、SF 作家でもあった数学者ヴァーナー・ヴィンジが NASA 主催のシンポジウムで「人間を超える知性が間もなく創られる」という論文を発表し、現代的な意味を与えました³。

2005 年、レイ・カーツワイルが『The Singularity Is Near』（特異点は近い）を出版して概念が広まります。カーツワイルの定義は「人類史の連続性が断絶するほど急速かつ深刻な技術変化が起きる時期」¹。ヴィンジが「何が起きるかは予測できない」と認めたのに対して、カーツワイルは「2045 年」という具体的な年限を提示しています。

2 人の定義を並べると、同じ言葉でも向いている方向が違うことが分かります。

2-3. AGI（汎用人工知能）との関係

シンギュラリティの話をするとき、「AGI」（Artificial General Intelligence・汎用人工知能）という言葉が前提として出てきます。

今の AI は、特定のことに特化した「狭い AI」（Narrow AI：特定のことしかできない AI）です。画像を認識するのが得意、文章を生成するのが得意、翻訳が得意──それぞれ別の AI です。チェスの AI が突然「今日のランチを考えて」と言われても答えられません。

AGI は「何でも一つでこなす AI」です。チェスも翻訳も料理の相談も、一つのシステムで処理できる知能のことです。OpenAI は「ほとんどの経済的に価値ある仕事で人間を超える、高度に自律したシステム」と定義しています⁴。Google DeepMind は「ほとんどの課題で人間と少なくとも同等の AI システム」と定義し、能力を 5 段階で測るフレームワークを 2023 年に発表しています⁵。

「何をもって AGI と呼ぶか」は企業によって揺れています。「統一定義は現時点で存在しない」というのが正直なところです。

シンギュラリティとの関係を一行で言えば、「AGI の実現は前提条件、シンギュラリティはその先の話」です。AGI が生まれ、その AGI がさらに優れた AGI を自分で設計し始める──その連鎖の先に「予測不可能な転換点」があるとされています。

---

3. 指数関数的成長とは──「急に来る」感覚の正体

3-1. 折り紙で感じる指数関数

「なぜこんなに急速に変わるのか」という感覚の正体は、指数関数的成長（exponential growth）という現象にあります。

折り紙を 1 枚用意して、半分に折るたびに厚みが 2 倍になると想像してください。1 回折ると 0.2mm が 0.4mm。10 回で約 20cm。20 回で約 100m。30 回で約 100km。42 回折ると月に届きます。50 回折ると太陽系の端を超えます。

最初の 10〜15 回は「ほぼ変わっていない」ように見えます。でも 40 回目を超えたあたりから、グラフは突然上を向いて垂直に近くなります。「急に来た」と感じるのは本当のことですが、そう見えるのは指数関数の性質であって、突然何かが変わったわけではありません。

線形成長（算数的成長）と比べると違いが鮮明です。

3-2. AI の進化に重なる指数関数

カーツワイルは 2001 年の論文「収穫加速の法則」で、技術進歩全般がこの指数関数パターンで進むと主張しています¹。

「私たちは 21 世紀に 100 年分の進歩を経験するのではない。2 万年分の進歩を、今日の速度で、経験することになる」──これは 2001 年当時の試算です。数字は大袈裟に聞こえますが、「線形では追いつかないほど速くなる」という主張として読むと、実感に近いものがあります。

AI の場合、スケーリング則（学習データや計算量を増やすほど、予測通りに賢くなるという経験則です）という法則がこれを支えています。2020 年に OpenAI の研究者たちが確かめた内容では、パソコンのスペックを上げるような「量的な変化」ではなく、ある量を超えると質が変わる「質的な変化」が起きることが分かりました⁶。その後の研究では、モデルのサイズと学習データを同じ比率で増やすのが最も効率的だということも明らかになっています⁷。

---

4. シンギュラリティ、本当に来るの？──研究者の見方は分かれている

「2045 年に AI が人間の知性を超える」──この予測は今も有効なのでしょうか。正直に言うと、研究者の見方は分かれています。

4-1. カーツワイルの予測：2024 年時点でも維持

カーツワイルは 2024 年に新著『The Singularity Is Nearer』（特異点はさらに近い）を出版し、2005 年当時の 2 つの予測をそのまま維持しています。「2029 年に AI が人間レベルの知能（AGI）に到達する」「2045 年に特異点が訪れる」の 2 点です。

2024 年のインタビューでは「2029 年の予測は今や保守的すぎるかもしれない」と発言しています⁸。2025 年 10 月の MIT での講演では、「2045 年までに AI と完全に融合したとき、私たちの知性は 100 万倍になる。これがシンギュラリティと呼ぶものだ」と改めて語っています⁹。この「100 万倍」は AI と脳が物理的に接続された状態をカーツワイル自身が試算した数字で、現時点では仮説の域を出ません。

4-2. AI を開発している人たちの見方

AI を実際に作っている企業のトップたちは、2025〜2026 年時点でどう見ているでしょうか。

• Sam Altman（OpenAI）：「AI のスケーリングには頭打ちはない」と明確に否定しており、訓練リソースを増やすほど継続的・予測可能な性能向上が得られると主張しています¹⁰
• Dario Amodei（Anthropic）：「壁は見えない」とスケーリング継続を信じており、訓練コストは 1 億ドル → 10 億ドル → 2025〜2026 年には 100 億ドル規模へと、桁レベルで急増していくと見ています¹⁰
• Demis Hassabis（Google DeepMind）：「スケールを限界まで押し進める必要がある」と認めつつ、「AGI には 1〜2 のブレイクスルーがまだ必要」として、スケーリングだけでは到達しないとも述べています¹⁰

3 人とも「AI の急速な進歩は続く」という点では一致しています。「それがシンギュラリティに直結するか」という問いへの答えは、それぞれ違います。

4-3. 成長を止めかねない 3 つのボトルネック

「指数関数的成長が続く」という見方に対して、研究機関 Epoch AI は 2024 年のレポートで 3 つの現実的な制約を整理しています¹¹。

1. 電力：大規模な AI の訓練には 1〜5 GW（ギガワット）クラスの電力が必要で、現在の電力インフラでは追いつかない
2. 半導体：AI 訓練に必要な特殊なチップの製造能力がボトルネックになっている
3. データ：良質な公開テキストは 2030 年前後に枯渇するという予測がある

このうち 電力 の対応が、最も目に見える形で動いています。

この「電力」の問題には、すでに企業が行動で応えています。

Microsoft は 1979 年に事故を起こしたスリーマイル島原発を 16 億ドルで 2028 年までに再稼働させる予定です¹²。Amazon は原発に隣接するデータセンターを約 6.5 億ドルで買収しました。Google は小型モジュール炉（SMR）の供給契約を 2024 年に締結し、2035 年までに 500MW を確保しようとしています。SMR は大型原発を小型化して工場で量産できるようにした炉のことです。OpenAI は SoftBank・Oracle などとの合弁会社 Project Stargate で、最大 5,000 億ドル（初期投資 1,000 億ドル）規模の巨大データセンター計画を進めています¹³。

「電力が足りないから原発を動かす」──これだけ具体的に動いているのは、成長が本物だという証拠でもあります。

4-4. 私の立場：「来るかどうか」より「今知っておく方が得か」

「シンギュラリティは本当に 2045 年に来るのか」──この問いに、私は「確実に来る」とも「来ない」とも言えません。研究者ですら分かれているものに、断言する根拠がありません。

ただ、これだけは言えます。原発を動かしてまで AI に電力を供給する世界は、議論より先に動き始めています。「来るか来ないか」の答えを待ってから動くのでは、確実に遅れます。

「シンギュラリティが来るかどうか」で立ち止まるより、「急速に進化する AI と働く世界は今すでに始まっている」という事実から動く。それが私の立場です。

---

5. 同じニュースを見ても、押し潰される人と、そうでない人がいる

研修で「シンギュラリティが怖いです」という方に「何が怖いですか？」と聞き返すと、答えは大体 3 つに絞られます。「仕事をすべて奪われる気がします」「何も分からないまま置いていかれる気がします」「自分が役に立たなくなる気がします」──こうした声が繰り返し出てきます。

5-1. 「全部奪われる」という思い込みの正体

「全部奪われる」という思い込みには、隠れた想定があります。「AI は何でもできるようになる」という想定です。

今の AI は確かに急速に賢くなっていますが、「すべての判断を人間に代わってやってくれる AGI」はまだ存在しません。何ができて、何ができないかを自分で確かめずに「全部できる→全部奪われる」と飛躍するのが、押し潰される感覚の発生源です。

「AI は電卓のように使い方を知っている人間が価値を出す道具」という見方は、今の段階では正確です。電卓が普及しても、暗算が得意な人が不要になったわけではありません。目的を設定し、結果を判断し、次のアクションを決める──この部分は今も人間の仕事です。

5-2. 「置いていかれる」感覚の正体

「何も分からないまま置いていかれる」という不安は、研修現場で最もよく聞く声です。

「分からなければならない」という思い込みから来ています。AI の仕組みをゼロから理解しなくても、道具として使えます。車の運転ができる人が全員エンジンの構造を知っているわけではありません。「どんなときに使うか」「何を任せてよいか」「結果をどう判断するか」を知っていれば、十分に動けます。

研修で気づくパターンがあります。「自分は遅れている」と一番強く感じている方が、実は AI との仕事を少しずつ試している方だということです。試しているから現実のギャップを実感している。試していない方は、不安すら持っていません。

逆説的ですが、「置いていかれる感覚」は、すでに動いている証拠です。

5-3. 押し潰されない人の共通点

繰り返し観察してきた中で、AI の進化に押し潰されていない方には共通点があります。

「すべてのモデルを一人で追いかけようとしない」という姿勢です。最新モデルのスペックを一つ一つ比較しようとするのではなく、「今手元にある AI で、自分の仕事のどこが変えられるか」という問いに集中しています。

もう一つ気づくのは、失敗を共有しているということです。「これを頼んだら全然違う答えが来た」「思ったより使えなかった」という話を周りに話せる方は、試行錯誤のスピードが速い。たとえば、同じ仕事をしている同僚にひとこと話す、社内チャットに「こう頼んだら失敗した」と書き残す、勉強会や研修の場で参加者に「うまくいかなかった例」を共有する、といった形が実際には多いです。失敗は「AI を使うとこうなる」という自分のデータです。溜め込まず、話すことで精度が上がります。

---

6. 押し潰されないために──業務を洗い出して AI に聞く

「で、何からやればいいんですか？」

研修でシンギュラリティの話が終わったあとに必ず出てくる問いです。答えは一つです。自分の業務を書き出して、「判断しているのはどこか」を問い直すことです。

6-1. 業務を洗い出す

まず自分の仕事をリストにしてください。粒度は「1 つの作業で 5〜30 分かかる単位」が目安です。「資料を作る」ではなく、「毎月の会議の議事録をまとめる」「問い合わせメールの初稿を書く」という粒度です。

研修でよくやるワークに「10 個以上書いてみる」というものがあります。10 個以上書いてもらうと、最初の 5 個では出てこなかった「実はこれも仕事だった」というタスクが必ず出てきます。

6-2. 「判断しているのはどこか」で仕分ける

業務リストができたら、各タスクにこう問いかけてください。

「この仕事の中で、判断しているのはどこですか？」

判断というのは「何を正解にするか決めること」です。議事録なら「どの発言をどの優先順位で記録に残すか」、メールの下書きなら「どのトーンで、何を相手に伝えるか」が判断の部分です。

判断の部分は人間の仕事のまま残ります。判断の前後にある「型がある作業」「繰り返し同じ形でやる作業」「結果を確認できる作業」は、AI に任せやすい部分です。

6-3. AI に最初の一問を聞いてみる

洗い出しが終わったら、AI にこう聞いてみてください。

「私が毎週やっている『○○という仕事』を、もっとうまくやる方法を一緒に考えてもらえますか？」

ポイントは「効率化してください」と頼むのではなく「一緒に考えてもらえますか？」と問いかける形にすることです。AI は解決策を出すだけでなく、「この仕事のどこが変えられるか」を整理する相手になれます。

研修で「この仕事、AI に任せられるか聞いてみた」という体験をした方が出てきてから、雰囲気が変わります。「シンギュラリティに押し潰される」という話が、「この部分はもう任せられる」「この部分は判断を握っておきたい」という具体の話に変わります。

不安は、具体になったとき半分になります。

---

7. この記事からつながる場所

• LLM（AI の会話サービスを動かしている中身）の違い：ChatGPT・Claude・Gemini、結局どれを使えばいいのかを整理しています
• LLM の仕組み：LLM がどう動くか（予測の仕組み・学習の 3 段階）を詳しく知りたい方へ

---

出典・参考文献

1. The Law of Accelerating Returns | Writings by Ray Kurzweil ↩ ↩² ↩³

2. Stanislaw Ulam, “Tribute to John von Neumann,” Bulletin of the American Mathematical Society, vol. 64, no. 3 (May 1958), p. 5. ↩

3. The Coming Technological Singularity | Vernor Vinge – SDSU Archive ↩

4. OpenAI Charter | OpenAI ↩

5. Levels of AGI for Operationalizing Progress on the Path to AGI | arXiv:2311.02462 ↩

6. Scaling Laws for Neural Language Models | arXiv:2001.08361 ↩

7. Training Compute-Optimal Large Language Models | arXiv:2203.15556 ↩

8. ‘The Singularity is Nearer,’ Says Futurist Ray Kurzweil | Science Friday ↩

9. Ray Kurzweil ‘70 reinforces his optimism in tech progress | MIT News ↩

10. AI companies hit a scaling wall | Platformer ↩ ↩² ↩³

11. Can AI scaling continue through 2030? | Epoch AI ↩

12. Constellation to Launch Crane Clean Energy Center | Constellation Energy ↩

13. Announcing the Stargate Project | OpenAI ↩