Anthropicは、AI主導の研究開発（R&D）がいつ進歩を大幅に加速させ始めるかを特定するために、責任あるスケーリングポリシー（RSP）において特定のマイルストーンを設けています。この閾値は、AIがR&Dに大きく寄与する前までに記録された最速の持続的な進歩速度の2倍の速さで、全体的な能力が進歩すると会社が観察または予測したときに達成されます。METRの報告書によると、この閾値はAnthropicにおいてすでに突破されたようです。2025年10月から2026年10月の間、同社の内部版Epoch Capabilities Index（AECI）は、前の12ヶ月と比較して進歩の速度が倍増したことを示しました。初期のこの上昇にはいくつかの要因が寄与している可能性がありますが、報告書はAIの自動化がこのより速い改善ペースを維持するための主要な推進力であることを示唆しています。
全体的な能力を倍増させるためには、AIによって提供される基礎となる「労働の底上げ（labor uplift）」が、単純な2倍の倍率よりも大幅に高くなければなりません。これは、AI研究者が単にタスクをより速く実行しているだけでなく、「計算の倍率（compute multipliers）」、つまり全体のパフォーマンス曲線をシフトさせるアーキテクチャや効率性の革新を発見しているためです。これらの倍率は全体的な能力の構成要素の一つに過ぎず、また「手近な成果（low-hanging fruit）」を使い果たすにつれて新しい倍率の発見がますます困難になるため、進歩速度の倍増を維持するために必要なAIによる底上げは、推定よりも大幅に高くなると考えられます。これらの変数のモデリングに基づくと、必要な労働の底上げは最大で10倍に達する可能性があります。これは、一人の研究者が同時に10人の分の仕事をこなしていることを意味するのではなく、AIによって研究者がより高い速度で思考、読解、そしてアイデアを実装できるようになり、事実上、単位時間あたりにより多くの生産的なアウトプットを経験できる「タイムワープ」の中に置かれていることを意味します。
この記事では、AIの自動化が、研究者が進歩を加速させるための「計算の倍率」を発見するのを助ける複利的なフィードバックループをどのように作り出しているかについて論じています。
この加速がスムーズで複利的なものであれば、超知能へのタイムラインに対する影響は重大です。進歩の倍増率を単純に外挿すると、多くの外部研究者が予測していたよりもはるかに短い期間内、つまり1年以内に極端な超知能に到達する可能性があることが示唆されます。しかし、これらの主張を裏付ける証拠は大幅な編集によって制限されています。METRの報告書の著者らは、これらの加速の推進力に関する最も有益な証拠の大部分が公開版から除外されたと指摘しています。さらに、分析の著者は、業界には現在、国家レベルの敵対者によるモデル重みの盗難に対する保護など、このような急速な知能の爆発を安全に管理するために必要な堅牢なセキュリティインフラや監視システムが不足していると指摘しています。観察された加速の速度と、既存の安全性およびガバナンスのインフラとの間の現在のギャップは、これらの進展を安全に管理する業界の能力にとって主要な懸念事項のままです。